Retentioneeringは、イベントログからユーザー行動を理解するためのオープンソースのPythonライブラリです。ユーザーが行き詰まる場所を見つけ、異なるグループが通る経路を比較し、クリック、セッション、繰り返し訪問のパターンを発見しましょう。自分でデータを探索するか、AIエージェントに同じツールを使わせましょう。

Google Colabでデモノートブックを動かせます。ライブラリをローカルにインストールする必要はありません。サンプルデータも含めて。

クイックスタート ·ユースケース ·AIエージェントの使用 ·ドキュメント

トランジショングラフウィジェットのインタラクティブ機能のデモ。ルートをハイライトしたり、経路グループを比較したり、調査したいステップに集中したり、エゴビューで入ったり出たりするトランジション確率を探ることができます。

それはあなたのためですか?

以下のような「行動の順序」について質問がある場合は、Retentioneeringを使いましょう:

• 指標が変わった。どこで移動が変わり、指標が変わったのか?
• ユーザーは目標に達する前に止まります。彼らは代わりに何をし、成功した道はどのように異なるのでしょうか?
• エンゲージメントを理解したい。どのような行動タイプが表現され、使用は訪問ごとにどのように変化するか?
• 流れを調べる必要がある。

Retentioneering

Retentioneering is an open-source Python library for understanding user behavior from event logs. Find where users get stuck, compare the paths different groups take, and discover patterns across clicks, sessions and repeat visits. Explore the data yourself or let an AI agent work with the same tools.

Run a demo notebook in Google Colab – no need to install the library locally, sample data included.

Quick start · Use cases · Use an AI agent · Docs

A demo of the interactive features of the transition graph widget. You can highlight a route, compare path groups, focus on the step you want to investigate, and explore incoming and outgoing transition probabilities in the ego view.

Is it for you?

Use Retentioneering when you have a question about the sequence of actions like these:

• A metric changed. Where did journeys change and move the metric?
• Users stop before reaching a goal. What do they do instead and how do successful paths differ?
• You want to understand engagement. What behavior types are represented, and how does usage evolve across visits?
• You need to investigate a flow. Where do checkout, onboarding, support or agent runs loop, branch or stall?