PostHog默认启用用户数据训练AI模型

PostHog，一家知名的产品分析平台，近日宣布了一项重大更新：将默认启用用户数据来训练其AI模型。这一举措旨在推动其产品进入更主动、更智能的新阶段，特别是其正在测试中的新产品——PostHog Code。

PostHog在官方博客中详细阐述了其愿景。过去一年，PostHog已经在其产品中集成了多项AI功能，包括AI安装向导、PostHog AI以及MCP（模型上下文协议）。这些功能取得了显著成功，但公司认为这只是开始。PostHog的下一个目标是构建更具前瞻性和自主性的产品，能够主动为用户提供答案和解决方案，并随着时间的推移不断改进。

PostHog计划通过训练模型来实现两大目标：一是让现有产品变得更智能、更主动、更有用；二是构建全新的产品，如PostHog Code，帮助团队更快地打造更好的产品。其中，会话回放分析是首个重点领域。虽然PostHog AI已经能够检测回放中的问题，但成本高昂且难以规模化。公司希望通过训练模型，让回放在大规模场景下也能像诊断单个用户问题一样强大。

另一个令PostHog团队兴奋的方向是合成用户测试。即利用对用户行为的理解，在代码发布到生产环境之前，识别用户可能感到困惑的地方或可能出错的流程。随着编码模型的改进，许多团队发现测试和审查工作量大幅增加。PostHog希望通过自动化这一过程，让开发者能更专注于产品本身。此外，如果能更好地预测用户行为，PostHog还能针对已发布的功能提出改进建议，提升转化率并减少用户挫败感。

在数据使用方面，PostHog采取了透明化的策略。公司明确表示，欧洲云实例的用户以及已签署特定协议（如BAA、MSA等）的用户，将默认退出数据训练。而美国云实例的其他用户则默认加入。PostHog强调，这一做法是为了避免像其他公司那样，将此类变更隐藏在冗长乏味的条款更新中。

尽管这些想法目前仍处于实验阶段，PostHog承认需要迭代才能找出有效的模型训练方法和真正有用的数据。但公司表示，每次以简化或增强产品为目的引入AI时，都取得了良好效果，因此值得一试。PostHog的目标不是仅仅提供最好的代码，而是帮助用户打造最好的产品，这也是他们将PostHog Code定义为“产品编辑器”的原因。