An astronaut overseeing a futuristic data hub
PDF herunterladenMarkdown-Version

Verbinden Sie AI Feature Usage Analytics mit Ihrer KI

Richten Sie es einmal ein und es funktioniert mit ChatGPT, Claude, Cursor und jedem anderen Client, den Sie lieben. Alles läuft sicher im Hintergrund, damit Sie sich entspannen und sich auf das Wesentliche konzentrieren können. Verstehen Sie, wie Ihre Nutzer die KI-Fähigkeiten wirklich nutzen.

Fragen Sie die KI zu diesem Connector

Entwickelt, gewartet und gehostet von Vinkius.

MCP VERIFIZIERT · PRODUKTIONSREIF · VINKIUS GARANTIE

Waiting for input…

Works with modern AI clients that support MCP, including ChatGPT, Claude, Cursor, and more.

ChatGPTClaudeCursorPerplexityGeminiMicrosoft CopilotRaycastMeta AI

Ihre KI erledigt die Arbeit. Wir halten alles sicher und geschützt.

Kein anderes KI-Tool bietet Ihnen das. Ihr Workflow läuft im Client, den Sie bereits lieben, Ihr Konto bleibt geschützt, und Sie entscheiden, was der Agent darf und was nicht. Das ist der ganze Grund für den Wechsel.

Jeder Connector lebt in unserer Infrastruktur, dort wo Ihr Workflow läuft. Die drei Dinge unten sind bereits Teil davon und arbeiten leise im Hintergrund, damit Sie nie darüber nachdenken müssen. Nichts hinzuzufügen, nichts einzurichten, keine Sorgen.

A futuristic MCP client docking bay
V8 Isolate01

Jeder Connector läuft in seiner eigenen abgeschotteten Umgebung.

Jeder Connector läuft in einer eigenen abgeriegelten V8-Laufzeit — kein Zugriff auf Ihre Dateien, Ihr System oder andere Server. Ein Connector sieht nie über seine eigene Anfrage hinaus.

Kill-Switch02

Ein Schalter stoppt jeden Agenten. Sofort.

Eine einzige Aktion deaktiviert jeden Connector, entzieht jedes Token und beendet jede Sitzung auf einmal. Die AI Governance bewahrt das Protokoll.

FinOps pro Nutzer03

Ausgabelimits, die anhalten, statt Sie zu überraschen.

Jeder Nutzer behält eigene Verbindungen und Anmeldedaten, isoliert von allen anderen. Was Ihr Ausgabelimit überschreiten würde, wird zurückgehalten und wartet auf Ihre Freigabe, anstatt abgerechnet zu werden.

Drei Kontrollen, eingebaut in die Schicht, über die sich Ihre KI verbindet.

Kuratiertes Set · 4 Fähigkeiten

Wir liefern nur die Aktionen, die zählen.

Fähigkeiten-Set01 / 01

01-04

4 Fähigkeiten in diesem Set.

Teil von 4, verfügbar über AI Feature Usage Analytics.

  1. 01

    Engagement-Verlauf bestimmen

    Bestimmen Sie die Richtung und Geschwindigkeit des KI-Engagements Ihrer Nutzer. Verfolgen Sie, ob die Interaktion steigt oder fällt.

  2. 02

    Vergleich von Benutzersegmenten

    Vergleichen Sie die KI-Engagement-Metriken über verschiedene Benutzer-Tiers hinweg. Identifizieren Sie Unterschiede zwischen Premium- und Basisnutzern.

  3. 03

    Stickiness-Rate berechnen

    Berechnen Sie das Stickiness-Verhältnis (DAU/MAU) für spezifische Benutzergruppen. Dies misst die tägliche Abhängigkeit von Ihrer KI.

  4. 04

    Nutzungsverteilung analysieren

    Analysieren Sie die Verteilung der KI-Nutzungsintensitäten bei Ihren Nutzern. Finden Sie heraus, ob die Nutzung breit oder konzentriert ist.

Echte Arbeit

Was Teams täglich ausführen

01

Evaluating Feature Launch Success

After launching a new AI capability, you ask the agent to get_engagement_trajectory to see if the usage is trending up or down month over month.

02

Tiered Pricing Justification

You use get_segment_comparison to show stakeholders that the 'Enterprise' tier has significantly higher AI feature adoption than the 'Basic' tier.

03

Identifying Power Users

You run get_usage_distribution to see if your feature usage is concentrated among a small group of users, signaling a potential bottleneck.

04

Assessing Product Health

You calculate get_stickiness_metrics to determine if the overall user base is relying on the AI features daily or only occasionally.

Ein Connector, jede KI

AI Feature Usage Analytics funktioniert mit den beliebtesten KI-Clients.

Dies sind die beliebtesten Clients, jeder mit einer Schritt-für-Schritt-Anleitung: ein Link, einmal eingerichtet, mit Governance und Sichtbarkeit an Bord. Und da alles auf dem MCP-Standard läuft, funktioniert dieselbe Verbindung auch in jedem anderen kompatiblen Client — nichts neu zu bauen.

ClaudeClaudeChatGPTChatGPTGeminiGeminiPerplexityPerplexityGrokGrokMicrosoft CopilotMicrosoft CopilotCursorCursorVS CodeVS CodeWindsurfWindsurfJetBrainsJetBrainsClineClineLangChainLangChainVercel AI SDKVercel AI SDKLovableLovableZ.aiZ.aiRaycastRaycastQwen CodeQwen CodeKimi CodeKimi CodeLe ChatLe Chat

Bauen Sie Ihre eigene App? Der Connector gehört Ihnen.

Sie brauchen keinen Client, um AI Feature Usage Analytics arbeiten zu lassen: dieselbe gehostete Verbindung speist Ihre eigenen Anwendungen und Ihren Agenten-Code, mit derselben Governance bei jeder Anfrage. Damit bauen, damit chatten — eine Verbindung für beides.

Beobachtet, nicht geschätzt

Durchschnitt 888ms. Schnell in der Produktion.

AI Feature Usage Analytics wird täglich gegen den Live-Service geprüft.

TagesdurchschnittSpitze 1019ms
3. Okt.Heute
Schnellster Tag
729ms
Langsamster Tag
1019ms
14-Tage-Trend
Stabil0%

Verbinden Sie Ihren Client

Eine URL. Jeder Client.

Aktivieren Sie den Connector, kopieren Sie Ihren Link und fügen Sie ihn in den Client ein, den Sie bereits nutzen. 4 Fähigkeiten kommen einsatzbereit an.

Vorschauzugang · keine Anbieter-Authentifizierung

Das vk_preview_*-Token gehört zur Vorschau-Infrastruktur von Vinkius. Es ermöglicht Claude, die Fähigkeiten von AI Feature Usage Analytics zu entdecken und anzuzeigen, damit Sie das Erlebnis in Ihrer KI sehen.

Es authentifiziert Ihr Konto nicht bei AI Feature Usage Analytics. Aktionen, die Anmeldedaten oder echte Kontodaten erfordern, werden möglicherweise erst ausgeführt, wenn Sie den Connector aktivieren und den Dienst autorisieren.

AI Feature Usage Analytics Connector

Alles bereit. Wählen Sie Ihren MCP-Client und folgen Sie den Einrichtungsschritten.

Connector-Linkhttps://edge.vinkius.com/vk_preview_NXLBxo4KbFu77cH9p5U7rwUVSPswlxRdaH1pfsRz/mcp

Claude Desktop

Folgen Sie den Schritten unten, um sich in Sekunden zu verbinden.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — AI Feature Usage Analytics capabilities are ready to use.
Konfiguration · claude_desktop_config.jsonKopieren
{
  "mcpServers": {
    "ai-feature-usage-analytics-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_NXLBxo4KbFu77cH9p5U7rwUVSPswlxRdaH1pfsRz/mcp"
    }
  }
}
  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Schritt-für-Schritt-Anleitungen für jeden Client finden Sie im Guide. Verbinden

Geführte Einrichtung für Claude? AI Feature Usage Analytics in Claude und anderen KI-Tools einrichten

Alle KI-Clients ansehen, mit denen dieser Connector funktioniert ↑

Für wen

Für die Arbeit, die AI Feature Usage Analytics-Nutzer abgeben.

Dieser MCP Connector ist ideal für Produktmanager, Data Scientists und Marketingleiter, die ein tiefes Verständnis für das Nutzerverhalten benötigen. Wenn Sie wissen möchten, welche KI-Funktionen am meisten genutzt werden und wie sich verschiedene Kundensegmente verhalten, liefert dieser Connector die notwendigen Metriken. Optimieren Sie Ihr Produkt direkt anhand dieser detaillierten Verhaltensanalysen.

  • 01

    Produktmanager

    Identifizieren Sie Engpässe und Optimierungspotenziale in der Nutzung von KI-Funktionen.

  • 02

    Data Scientist

    Berechnen und vergleichen Sie komplexe Metriken wie Stickiness und Nutzungsverteilung.

  • 03

    Marketingleiter

    Verstehen Sie, welche Kundensegmente das höchste Engagement zeigen, um gezielte Kampagnen zu planen.

FAQ

Fragen von AI Feature Usage Analytics-Nutzern.

  • 01

    Does this MCP track all AI feature usage?

    The MCP provides deep insights into how users interact with AI capabilities. It is designed to calculate metrics like stickiness and usage distribution for the features you track.

  • 02

    What is the difference between stickiness and engagement?

    Stickiness measures the ratio of daily to monthly active users for a segment. Engagement trajectory, however, tracks the overall direction and velocity of user interest over time.

  • 03

    Can I compare different user groups?

    Yes. You can use the get_segment_comparison capability to compare AI engagement metrics across different user tiers, helping you spot performance gaps.

  • 04

    Is this only for large companies?

    No. It helps any product team analyze their AI features. You can analyze usage intensity and engagement trends regardless of your company size.

  • 05

    How is stickiness calculated?

    Stickiness is calculated using the get_stickiness_metrics capability, which divides daily active users by monthly active users.

  • 06

    Can I compare different user tiers?

    Yes, use get_segment_comparison to compare average sessions and stickiness between segments like free, pro, or enterprise.

  • 07

    What kind of usage distribution data is available?

    The get_usage_distribution capability categorizes users into low, medium, and high-frequency buckets based on their session counts.

Entdecken

Mehr in Analytics

Vorschläge

Verbinde AI Feature Usage Analytics mit Claude, Cursor, ChatGPT & mehr