An astronaut overseeing a futuristic data hub
Télécharger le PDFVersion Markdown

Connectez AI Feature Discovery Analytics à ChatGPT et Claude

Configurez-le une fois et il fonctionne avec ChatGPT, Claude, Cursor et n'importe quel autre client que vous aimez. Tout s'exécute en toute sécurité en arrière-plan, pour que vous puissiez vous détendre et vous concentrer sur l'essentiel. Identifiez les frictions et accélérez l'adoption de vos nouveautés.

Demandez à l'IA à propos de ce Connector

Développé, maintenu et hébergé par Vinkius.

MCP VÉRIFIÉ · PRÊT POUR LA PRODUCTION · GARANTIE VINKIUS

Waiting for input…

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

ChatGPTClaudeCursorPerplexityGeminiMicrosoft CopilotRaycastMeta AI

Votre IA fait le travail. Nous veillons dessus, en toute sécurité.

Aucun autre outil d'IA ne vous offre ça. Votre workflow s'exécute dans le client que vous aimez déjà, votre compte reste protégé, et vous décidez ce que l'agent peut ou ne peut pas faire. C'est la vraie raison de faire le pas.

Chaque Connector vit dans notre infrastructure, là où votre workflow s'exécute. Les trois choses ci-dessous en font déjà partie et travaillent discrètement en arrière-plan pour que vous n'ayez jamais à y penser. Rien à ajouter, rien à configurer, aucune inquiétude à avoir.

A futuristic MCP client docking bay
V8 Isolate01

Chaque Connector s'exécute dans son propre environnement scellé.

Chaque Connector s'exécute dans son propre runtime V8 scellé, sans accès à vos fichiers, à votre système ni aux autres serveurs. Un Connector ne voit jamais au-delà de sa propre requête.

Kill Switch02

Un seul interrupteur arrête tous les agents. Immédiatement.

Une seule action désactive tous les Connectors, révoque tous les tokens et termine toutes les sessions d'un coup. La Gouvernance de l'IA conserve le registre.

FinOps par utilisateur03

Des limites de dépense qui s'interrompent au lieu de surprendre.

Chaque utilisateur garde ses propres connexions et identifiants, isolés de ceux des autres. Ce qui dépasserait votre limite de dépense est stoppé et mis en attente de votre approbation, pas facturé.

Trois contrôles, intégrés à la couche par laquelle votre IA se connecte.

Sélection · 4 capacités

Nous ne livrons que les actions qui comptent.

Ensemble de capacités01 / 01

01-04

4 capacités dans cet ensemble.

Sur 4 disponibles via AI Feature Discovery Analytics.

  1. 01

    Calculer les métriques de découverte

    Fournit le score de santé fondamental du lancement d'une fonctionnalité IA.

  2. 02

    Évaluer la performance des canaux

    Détermine quels chemins marketing ou UI sont les plus efficaces pour stimuler l'engagement.

  3. 03

    Analyser la vélocité de découverte

    Mesure la rapidité de l'adoption et identifie les retards de notoriété des fonctionnalités.

  4. 04

    Générer une stratégie d'accélération

    Fournit des conseils exploitables pour améliorer la découverte en fonction des lacunes de performance actuelles.

Travail réel

Ce que les équipes font tourner

01

Post-Launch Performance Review

You just launched a major AI widget. Use this MCP to calculate the discovery metrics and see if the rollout was successful.

02

Onboarding Flow Optimization

The new feature isn't being used. Use the MCP to evaluate your onboarding paths and find the best way to introduce the capability.

03

Marketing Campaign Audit

A specific marketing campaign ran for a month. Use the MCP to compare its performance against your standard channels to prove ROI.

04

Identifying User Drop-off

You suspect users are getting lost between the main dashboard and the new feature. Use the MCP to analyze the discovery velocity and pinpoint the delay.

Un connector, toutes les IAs

AI Feature Discovery Analytics fonctionne avec les clients IA les plus populaires.

Voici les clients les plus populaires, chacun avec un guide pas à pas : un lien, configuré une fois, avec gouvernance et visibilité intégrées. Et comme tout tourne sur le standard MCP, la même connexion fonctionne aussi dans tout autre client compatible : rien à reconstruire.

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

Vous construisez votre propre app ? Le connector est à vous.

Vous n'avez pas besoin d'un client pour mettre AI Feature Discovery Analytics au travail : la même connexion hébergée se branche sur vos propres applications et le code de votre agent, avec la même gouvernance à chaque requête. Construisez avec lui, discutez avec lui : une connexion pour les deux.

Observée, pas estimée

Moyenne de 899 ms. Rapide en production.

AI Feature Discovery Analytics est vérifié quotidiennement contre le service en production.

Moyenne quotidiennePic à 1073 ms
3 oct.Aujourd'hui
Jour le plus rapide
631ms
Jour le plus lent
1073ms
Tendance sur 14 jours
En ralentissement+8%

Connectez votre client

Une URL. Tous les clients.

Activez le Connector, copiez votre lien et collez-le dans le client que vous utilisez déjà. 4 capacités arrivent prêtes à l'emploi.

Accès aperçu · pas d’authentification du fournisseur

Le jeton vk_preview_* appartient à l’infrastructure d’aperçu de Vinkius. Il permet à Claude de découvrir et d’afficher les capacités de AI Feature Discovery Analytics, pour que vous voyiez l’expérience dans votre IA.

Il n’authentifie pas votre compte auprès de AI Feature Discovery Analytics. Les actions nécessitant des identifiants ou des données de compte réelles peuvent ne pas s’exécuter tant que vous n’avez pas activé le Connector et autorisé le service.

AI Feature Discovery Analytics Connector

Tout est prêt. Choisissez votre client MCP et suivez les instructions de configuration.

Lien du connecteurhttps://edge.vinkius.com/vk_preview_M2ugyR0bdwPEifqVrgkiN2rOjMAmxmSaK4RbYzhA/mcp

Claude Desktop

Suivez les étapes ci-dessous pour vous connecter en quelques secondes.

  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 Discovery Analytics capabilities are ready to use.
Configuration · claude_desktop_config.jsonCopier
{
  "mcpServers": {
    "ai-feature-discovery-analytics-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_M2ugyR0bdwPEifqVrgkiN2rOjMAmxmSaK4RbYzhA/mcp"
    }
  }
}
  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Les instructions pas à pas pour chaque client sont dans le guide. Comment connecter

Configuration guidée pour Claude ? Configurer AI Feature Discovery Analytics avec Claude et les autres IA

Voyez tous les clients IA avec lesquels ce connector fonctionne ↑

Pour qui

Conçu pour le travail que les utilisateurs de AI Feature Discovery Analytics délèguent.

Ce connecteur est essentiel pour les équipes qui cherchent à optimiser le cycle de vie de leurs fonctionnalités. Il s'adresse aux professionnels du produit qui doivent transformer les données d'utilisation brutes en stratégies d'amélioration concrètes. Vous y trouverez des outils pour comprendre non seulement si les utilisateurs utilisent une fonctionnalité, mais comment ils la trouvent.

  • 01

    Product Manager

    Pour mesurer l'impact réel des lancements de fonctionnalités et ajuster le roadmap produit.

  • 02

    Product Owner

    Pour identifier les points de friction dans l'expérience utilisateur et améliorer le taux d'adoption.

  • 03

    Analyste CX

    Pour évaluer l'efficacité des parcours utilisateurs et des canaux de découverte.

FAQ

Les questions des utilisateurs de AI Feature Discovery Analytics.

  • 01

    Does this MCP work for any type of feature, or just AI features?

    This MCP is specialized for measuring AI features within a SaaS product. It focuses on the unique challenges of user discovery and adoption for advanced, AI-driven capabilities.

  • 02

    What kind of data does the MCP need to run?

    The MCP needs usage data, including metrics like user counts, feature interaction counts, and timestamps. The prompt examples show how to provide this raw data for calculation.

  • 03

    Can I use this to compare different product versions?

    Yes. You can input data from different time periods or product versions to compare performance, helping you see if a change improved the discovery rate.

  • 04

    Is this MCP just a report generator, or does it give advice?

    It does both. After calculating metrics, the MCP can use the generate_acceleration_strategy capability to provide concrete, actionable advice on how to improve adoption.

  • 05

    What is the discovery rate?

    The discovery rate is the percentage of users who successfully identified and attempted to use an AI feature out of the total group exposed to it, calculated via calculate_discovery_metrics.

  • 06

    How can I improve my feature adoption?

    You can use generate_acceleration_strategy to receive specific, actionable advice based on your current discovery rate, UI friction, and promotion intensity.

  • 07

    Can I compare different marketing channels?

    Yes, the evaluate_channel_performance capability allows you to compare the effectiveness of various channels like Modals, Tooltips, or Email.

Explorer

Plus dans Product Management

Suggestions

Connectez AI Feature Discovery Analytics à Claude, Cursor, ChatGPT et d'autres