大多数公司收集的数据比他们所知道的要多，然后努力提取有用的见解，以提高他们的保留率和转化率。正如许多Mixpanel用户所知，似乎有无数种方法来划分漏斗——按国家、设备、平台、活动来源、注册日期等等。对于那些声称将72%的时间花在战术工作上的产品团队来说，一周中根本没有足够的时间进行这种深入的数据探索。幸运的是，机器可以非常迅速地处理数十亿个数据点，并发现一些在其他情况下可能永远找不到的见解。这就是为什么我们建立了新的机器学习模型，自动分割。科学家们需要花大量的时间来完成那些重要的数据段的搜索和数据的存储。然后，它直接将这些信息传递给您，全部在Mixpanel中。 这种洞察力可以直接影响到你如何建立你的用户体验和你花在哪里的营销资金。例如，亚洲的一家共享单车公司GO-JEK就利用Mixpanel为他们提供的见解来改变他们的产品设计方法。自动分割发现了基于屏幕大小的gojek用户的可用性差异。这一发现激发了整个研究项目的灵感，现在它影响了我们为用户构建的产品。"–GO-JEK商业智能副总裁Crystal Widjaja。自动分割从大海捞针说到数据探索，我们中的许多人并不确切地知道我们在寻找什么。这就是为什么Mixpanel将自动按各种属性（默认和自定义）对保存或在仪表板上的每个漏斗和保留报告进行分段。然后Mixpanel分析这些发现和表面上偏离规范的见解，帮助用户大海捞针。它是否能为以下问题提供答案：在哪些国家，用户以最高的速度成功注册？iOS或Android的第二周保留率更好吗？使用情况是否因设备或应用程序版本而异？通过快速分析，只有一台机器可以做-深入但范围仍然很广-Mixpanel可以确定进一步投资和改进的最佳领域。所有机器学习模型的通知列表当你的时间有限时，你想用最有影响力的方式度过它。为了帮助您，我们构建了一个全局通知提要，该提要通过我们的异常检测和自动分段模型提供速率限制和排名洞察力。随着时间的推移，我们会增加更多的模型，这将变得更加有价值。如果您想查看自动洞察的完整列表，可以在保留和漏斗报告中找到它们。我们的机器学习模型也包含了用户对每一个洞察是否相关的反馈。到目前为止，超过80%的自动洞察都被标记为"有用"，我们期待着随着时间的推移做得更好。在数据过度饱和的世界中获得竞争优势。根据IBM的说法，在过去的两年里，我们创造的数据超过了人类历史上5000年的数据。但只有0.5%的数据被分析和使用。为了获得这些数据的一小部分，产品团队应该用机器学习的产品分析来补充他们的人力资源。在Mixpanel，我们是领头羊。**************Mixpanel用户已经可以访问自动分段，并且可以开始在保存的漏斗和保留报告或通知中看到细节。