Jak AI czyta dane z Mixpanel, Amplitude i PostHog i powie Wam, gdzie tracicie użytkowników?
Mixpanel, Amplitude i PostHog mają REST API. AI pobiera dane o lejkach i retencji, odpowiada prostym językiem i generuje tygodniowy raport produktu bez ręcznego klikania.
Tak, da się to zrobić. Mixpanel, Amplitude i PostHog mają otwarte REST API, przez które AI może pobrać dane o zdarzeniach, lejkach, retencji i kohortach bez żadnego ręcznego eksportu. Wynik jest prosty: zadajecie pytanie naturalnym językiem, a AI odpowiada, na którym kroku odpada najwięcej użytkowników, jak zachowanie zmieniło się po ostatnim wdrożeniu i co pokazują sesje nagrane przez PostHog.
Czym te trzy narzędzia różnią się od siebie i kto korzysta z których?
Na pierwszy rzut oka wyglądają podobnie: wszystkie zbierają zdarzenia z aplikacji i pokazują wykresy. Różnice wychodzą przy codziennej pracy.
Mixpanel to najstarszy z trzech i ma bardzo dobre narzędzia do lejków oraz retencji. Każde zdarzenie w aplikacji trafia do Mixpanel jako obiekt z polem event_name i zestawem właściwości, np. plan_type, country, device. Typowy lejek rejestracji wygląda tak: Sign Up Started → Email Verified → Profile Completed → First Action. Mixpanel policzy, ile osób przechodzi przez każdy krok i na którym jest największy odspad. Popularny wybór w firmach, które mają jasno zdefiniowane lejki i chcą je mierzyć bardzo precyzyjnie.
Amplitude kładzie nacisk na analizę zachowania produktowego i jest popularny w firmach, które chcą segmentować użytkowników bardzo precyzyjnie. Ma coś, czego Mixpanel nie ma wprost: User Sessions pokazujące ciąg zdarzeń w jednej sesji jako timeline. Pole event_type odpowiada event_name z Mixpanel, a user_id identyfikuje konkretną osobę. W Amplitude jest też Behavioral Cohorts: możecie stworzyć kohortę „użytkownicy, którzy wykonali zdarzenie Feature X Used co najmniej raz w ciągu pierwszych 7 dni" i analizować ją osobno.
PostHog wyróżnia się dwiema rzeczami. Po pierwsze, jest open source i można go hostować na własnym serwerze, co dla części polskich firm ma znaczenie przy RODO. Po drugie, ma nagrania sesji: dosłownie nagrywa, co użytkownik klikał i gdzie poruszał kursorem. Do tego dochodzą feature flags, czyli przełączniki, które pozwalają włączyć nową funkcję tylko dla części użytkowników i mierzyć efekt.
Jak fizycznie wyciągamy dane z Mixpanel, Amplitude i PostHog?
To ważne pytanie, bo sama decyzja „podłączymy AI" bez wiedzy o tym, co technicznie udostępnia producent, prowadzi do niespodzianek. Każde z tych trzech narzędzi ma inne punkty dostępu.
Mixpanel ma kilka opcji. Podstawowy to Query API (REST), który odpowiada na zapytania o zdarzenia, lejki i retencję. Do bardziej elastycznych zapytań jest JQL (JavaScript Query Language): piszecie skrypt, który filtruje zdarzenia dowolnie i dostaje JSON w odpowiedzi. Do pobrania surowych danych służy Data Export API, wymagający klucza Project Secret z ustawień projektu, sekcja Settings → Project Settings → Access Keys. Mixpanel nie zbiera nagrań sesji.
Amplitude udostępnia HTTP API v2 oraz Export API (endpoint GET /export), z którego można pobrać wszystkie zdarzenia za dany okres jako plik GZIP z JSON-em. Do zapytań o gotowe wykresy i lejki służy Chart API. Potrzebujecie pary kluczy: API Key i Secret Key, dostępnych w sekcji Settings → Projects. Amplitude ma też Behavioral Cohorts API, przez który AI może pobrać listę użytkowników należących do konkretnej kohorty.
PostHog (wersja chmurowa i self-hosted) ma REST API z osobnymi endpointami: /api/projects/{id}/funnels/, /api/projects/{id}/trends/, /api/projects/{id}/sessions/, /api/projects/{id}/feature_flags/. Klucz to Personal API Key z sekcji Settings → Personal API Keys. W wersji self-hosted, gdzie baza to ClickHouse, możliwy jest też bezpośredni dostęp SQL do surowych danych. Nagrania sesji API zwraca jako logi kliknięć i ruchów kursora z danego session_id: AI nie ogląda pliku wideo, ale dostaje ustrukturyzowany zapis całej ścieżki.
Czego producenci nie udostępniają: Mixpanel i Amplitude ograniczają eksport zdarzeń do konkretnych zakresów dat na planach niższych, a bezpłatne plany mają limity historii. PostHog self-hosted nie ma tych ograniczeń, ale wymaga własnego serwera. Zanim uruchomicie integrację, sprawdźcie w ustawieniach konta, które endpointy API macie odblokowane dla Waszego planu.
Gdzie użytkownicy odpadają i dlaczego AI to widzi lepiej niż wykres?
Wykres lejka w Mixpanel pokazuje liczby. Jeśli macie etap Checkout Started → Payment Info Entered → Order Confirmed, to widzicie, że między pierwszym a drugim krokiem odspad jest największy. Ale nie wiecie: czy to problem na mobilnych urządzeniach, czy tylko u nowych użytkowników, czy pojawił się po ostatnim deployu, czy może koreluje z godziną dnia.
AI, podpięte do API, zadaje te pytania automatycznie. Typowe zapytanie wygląda tak: AI pobiera dane lejka dla ostatnich 30 dni, segmentuje po właściwości $os i $device, porównuje tygodnie przed i po ostatnim wdrożeniu, sprawdza, które kohorty mają gorszy wynik niż starsze, i składa z tego odpowiedź po polsku. Bez ręcznego ustawiania filtrów.
U jednego klienta prowadzącego aplikację dla trenerów personalnych wyszło, że odspad między krokiem Program Created a Client Assigned był trzy razy większy na iOS niż na Androidzie. Nikt w zespole tego nie łączył, bo patrzyli na sumaryczny wykres. AI zauważyło to, bo segmentowało po polu $os automatycznie w ramach każdej analizy lejka. Okazało się, że jeden przycisk na ekranie był przycięty przez nową wersję systemu i dosłownie niewidoczny.
Taka analiza bez AI wymaga albo szczęścia, albo kilku godzin ręcznego klikania w filtry. Z AI to kilka sekund od pytania do odpowiedzi.
Retencja i kohorty: co oznacza, że "tydzień drugi trzyma gorzej"?
Wykres retencji to siatka, w której kolumny to tygodnie od pierwszego użycia, a wiersze to kohorty użytkowników, którzy zaczęli w tym samym okresie. Czytać to potrafią głównie osoby, które pracują z takimi danymi na co dzień.
AI zamienia tę siatkę w zdanie. Nie „wiersz 3, kolumna 2 ma wartość 0.42", tylko: „Użytkownicy, którzy dołączyli w październiku, wracają w drugim tygodniu rzadziej niż ci z września. Różnica jest widoczna szczególnie u osób, które nie ukończyły onboardingu do końca." To zdanie, które menedżer produktu może zabrać na spotkanie i z którym można coś zrobić.
W Amplitude kohorty tworzy się przez Behavioral Cohorts: np. „użytkownicy, którzy wykonali zdarzenie Feature X Used co najmniej raz w ciągu pierwszych 7 dni". AI pobiera taką kohortę przez API, porównuje jej retencję z kohortą użytkowników, którzy Feature X nie używali, i mówi wprost: czy ta funkcja zatrzymuje ludzi, czy nie ma żadnego wpływu na powroty.
PostHog robi to samo, z tą różnicą, że kohorty można budować na podstawie właściwości osoby (person_properties), a nie tylko zachowania. Np. „użytkownicy z Polski z planem Pro" jako osobna kohorta do analizy retencji.
Porównywanie wydań i flag funkcji: AI jako recenzent każdego sprintu
Każdy deploy to pytanie: czy coś się zmieniło w zachowaniu użytkowników? Zazwyczaj nikt tego nie sprawdza systematycznie, bo wymaga ręcznego ustawiania filtrów dat i porównywania kilku wykresów naraz.
PostHog ma feature flags: przełączniki, które pozwalają włączyć nową funkcję dla 10% lub 50% użytkowników zanim trafi do wszystkich. Pole $feature_flag_called trafia do każdego zdarzenia, gdzie flaga była aktywna. AI pobiera dane przez /api/projects/{id}/feature_flags/, widzi, które flagi są aktywne, i dla każdej z nich porównuje lejek między grupą z włączoną flagą a grupą bez niej. Po trzech dniach od uruchomienia flagi dostajecie odpowiedź: nowa wersja onboardingu działa lepiej czy gorzej.
W Amplitude podobną analizę robi Experiment Results: AI pyta API o wynik eksperymentu i dostaje gotowe porównanie grup. W Mixpanel tego mechanizmu nie ma bezpośrednio, ale da się go zasymulować przez właściwość zdarzenia, np. experiment_group: "control" / "variant_a".
Typowo wygląda to tak: po wdrożeniu nowej wersji onboardingu AI automatycznie, raz dziennie, porównuje lejek onboardingowy dla użytkowników z nową wersją i starą, sprawdza, czy retencja w tygodniu pierwszym się zmieniła, i dodaje wynik do dziennika produktu. Zamiast „sprawdzę kiedy indziej" macie odpowiedź następnego dnia rano.
Tygodniowy raport produktu: jak wygląda automatyczny plik
Zamiast co poniedziałek ktoś z zespołu przegląda dashboardy i składa raport, AI robi to w nocy z niedzieli na poniedziałek. Raport trafia mailem albo do wspólnego kanału w zespole.
Co zawiera typowy tygodniowy raport generowany przez AI:
- Liczba aktywnych użytkowników w tygodniu (pobrana z Query API w Mixpanel albo Chart API w Amplitude), porównana z poprzednim tygodniem.
- Trzy największe ospadki w głównym lejku w porównaniu z tygodniem wcześniej, z opisem, które zdarzenia pokazują zmianę.
- Retencja kohorty z poprzedniego tygodnia po 7 dniach, z jednozdaniowym komentarzem: lepsza, gorsza czy bez zmian wobec średniej z miesiąca.
- Aktywne feature flagi (PostHog) i ich wpływ na lejek: dla każdej flagi zdanie, czy użytkownicy z włączoną flagą kończą onboarding częściej czy rzadziej.
- Trzy zdarzenia, których użycie wzrosło najbardziej w tym tygodniu.
- Dwa zdarzenia, których użycie wyraźnie spadło.
Raport ma 1-2 strony A4. Czyta się go w 5 minut. Zawiera linki do konkretnych widoków w Mixpanel, Amplitude albo PostHog, gdzie można wejść i drążyć dalej. AI nie interpretuje każdej liczby jako alarmu: flaguje rzeczy, które odchylają się od ostatnich czterech tygodni.
Jeden z klientów prowadzący SaaS dla biur rachunkowych przestał robić cotygodniowe spotkania przeglądowe po tym, jak raport zaczął pojawiać się w skrzynce przed spotkaniem. Zamiast omawiać dane na spotkaniu, można od razu rozmawiać o tym, co z nimi zrobić.
Od czego zaczynamy wdrożenie?
Zanim podpinamy AI, sprawdzamy trzy rzeczy. Po pierwsze: czy zdarzenia w narzędziu są nazwane spójnie i czy mają właściwości, np. plan_type, user_role, country, bez których segmentacja nie ma sensu. Bałagan w named events to największy problem przy takich wdrożeniach. Jeśli macie zdarzenie o nazwie button_click bez żadnych właściwości, AI nie ma czego analizować. Po drugie: czy macie klucze API przygotowane (w Mixpanel sekcja Settings → Access Keys, w Amplitude Settings → Projects, w PostHog Settings → Personal API Keys) i czy Wasz plan udostępnia eksport danych przez API. Po trzecie: jakie pytania chcecie zadawać AI co tydzień, bo to wyznacza, które endpointy w ogóle uruchamiamy.
Sam skrypt pobierający dane i wysyłający je do modelu AI z pytaniem to kilka godzin pracy. Trudniejsza część to ustalenie, jak wyglądają Wasze główne lejki i co naprawdę chcecie wiedzieć o zachowaniu użytkowników.
Jeśli korzystacie z wszystkich trzech narzędzi naraz, bo firma jest w trakcie przejścia z jednego na drugie albo testuje oba równolegle, AI może agregować dane i pokazywać spójny obraz nawet wtedy, gdy zdarzenia mają różne nazwy w różnych systemach.
Jeśli chcecie zobaczyć, jak taki raport wygląda na Waszych danych, zapraszamy na 15 minut rozmowy. Możemy też pokazać realne wdrożenia u firm, które taki system mają od kilku miesięcy.
Chcecie to u siebie?
Na osobnej stronie rozpisaliśmy, co dokładnie podłączamy w PostHog, o co możecie wtedy pytać asystenta i ile kosztuje wdrożenie.
Co podłączamy i ile to kosztuje →Najczęstsze pytania
Czy AI jest w stanie odczytać nagrania sesji z PostHog i powiedzieć, co użytkownik robił?
AI nie ogląda nagrań wideo, ale dostaje z API PostHog logi kliknięć i ruchów kursora z danego session_id. Na tej podstawie opisuje ścieżkę użytkownika: co klikał, gdzie się zatrzymywał i na którym kroku zamknął aplikację.
Czy muszę mieć płatny plan w Mixpanel, Amplitude albo PostHog, żeby podłączyć AI?
Plany bezpłatne mają ograniczony dostęp do API eksportu danych, szczególnie dla dużych wolumenów zdarzeń i historycznych zakresów dat. PostHog self-hosted nie ma tych ograniczeń. Zanim wdrożycie AI, sprawdźcie w ustawieniach swojego planu, jakie endpointy API macie odblokowane.
Jak długo trwa podłączenie AI do Mixpanel albo Amplitude?
Sam skrypt pobierający dane i wysyłający je do AI to kilka godzin pracy. Dłuższa część to ustalenie, jakie pytania mają sens dla Waszego produktu i czy zdarzenia w narzędziu są nazwane spójnie z właściwościami, które pozwalają na segmentację.
Czy AI może jednocześnie czytać dane z Mixpanel i PostHog, jeśli mamy oba narzędzia?
Tak. AI może pobierać dane z obu narzędzi w ramach jednego raportu i mapować zdarzenia z różnymi nazwami na te same pojęcia, pokazując spójny obraz nawet wtedy, gdy oba systemy nazywają to samo zdarzenie inaczej.
Czy dane z Mixpanel i Amplitude są bezpieczne, gdy wysyłamy je do AI?
Dane z API trafiają do modelu AI, który przetwarza je i zapomina po odpowiedzi. Nie wysyłamy danych osobowych użytkowników końcowych, tylko zagregowane liczby i właściwości zdarzeń. Jeśli zdarzenia w Waszym projekcie zawierają adresy e-mail albo inne dane osobowe, należy je zamaskować przed wysłaniem do modelu.
Pokażemy to na Waszych danych z PostHog
Jedno zdanie wystarczy: czego szukacie w PostHog albo co ma się dziać samo. Odpiszemy, co podłączymy i od czego zacząć.
Opracowanie: zespół redAi z wykorzystaniem narzędzi AI.
Podłączymy PostHog do AI u Was
15 minut rozmowy: mówicie, czego szukacie w danych, my mówimy, co wyciągniemy z PostHog, ile to potrwa i czego potrzebujemy po Waszej stronie.
- Bezpłatna prezentacjaAI na Waszych zadaniach, nie na slajdach.
- Dostęp tego samego dniaZespół od razu pracuje we własnym portalu.
- Do 2 tygodni testówPłacicie dopiero po decyzji.
Może Was też zainteresować

Jak AI może sprawdzić status paczki, porównać koszty kurierów i przygotować reklamację w GlobKurier za Wasz sklep?

Jak AI może czytać procedury i tabele z Coda i Craft, żeby nikt w firmie nie szukał ręcznie?
