Retentioneering — это открытая библиотека на Python для понимания поведения пользователей по журналам событий. Найдите, где пользователи застревают, сравните пути разных групп и выявите закономерности в кликах, сессиях и повторных визитах. Изучите данные самостоятельно или позвольте агенту ИИ работать с теми же инструментами.

Запустите демонстрационный блокнот в Google Colab — нет необходимости устанавливать библиотеку локально, включая примеры данных.

Быстрый старт · Сценарии использования · Использование агента ИИ · Документация

Демонстрация интерактивных функций виджета графа переходов. Вы можете выделить маршрут, сравнить группы путей, сосредоточиться на нужном этапе и изучить вероятности входящих и исходящих переходов в режиме эго.

Это для тебя?

Используйте Retentioneering, если у вас есть вопрос о последовательности действий вроде этих:

• Метрика изменилась. Где изменились поездки и где переместили метрику?
• Пользователи останавливаются до достижения цели. Что они делают вместо этого и чем отличаются успешные пути?
• Вам нужно понять, что такое вовлечённость. Какие типы поведения представлены и как их использование меняется в разных визитах?
• Тебе нужно исследовать поток.

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?