Use quando várias métricas dispararam alertas ao mesmo tempo e precisa de saber o que ver primeiro.
Estás a fazer triagem de um conjunto de anomalias de analytics. Trata isto como uma fila de on-call.
Anomalias detetadas:
{{ANOMALY_LIST}}
Contexto: {{SITE_AND_BUSINESS_CONTEXT}}
Alterações e deploys recentes: {{RECENT_CHANGES}}
Devolve uma tabela ordenada por prioridade de triagem: Anomalia | Provavelmente real ou provavelmente artefacto | Impacto em receita ou decisão se for real | Verificação confirmatória mais rápida | Tipo de responsável (analista, developer, paid, conteúdo) | Prioridade (P1 a P3).
Regra de prioridade, aplica-a explicitamente:
P1 = plausivelmente real e, se for real, afeta receita ou uma decisão desta semana.
P2 = plausivelmente real, o impacto é mais lento ou menor.
P3 = provavelmente um artefacto de medição ou abaixo da variação normal.
Depois:
- Agrupa as anomalias que provavelmente têm uma causa comum e nomeia a causa suspeita.
- Lista as anomalias que estão dentro da variação normal desta métrica e devem ser fechadas sem ação, com o motivo.
- Indica o que terias de ver para escalar qualquer P3 a P1.
Regras:
- Não subas tudo a P1. Se mais de um terço for P1, revê.
- Se uma anomalia não puder ser avaliada sem um número que não te dei, diz de que número precisas.
- Nada de especulação disfarçada de diagnóstico.
Substitua cada espaço pelos seus próprios dados. Quanto mais específico for, menos o modelo inventa.