做产品的人都绕不开一个问题：用户到底在用我的产品做什么？他们在哪一步流失，哪个功能最受欢迎，新版本上线后行为有没有变化。回答这些问题需要数据，而收集和分析这些数据，往往需要堆砌一大堆工具——用 [[Mixpanel]] 做事件分析，用 [[FullStory]] 录制会话，用 [[LaunchDarkly]] 管理功能开关，用 [[Optimizely]] 跑 A/B 测试。每个工具都要单独集成 SDK，单独管理账单，数据还分散在各处，关联分析几乎不可能。
我在寻找一个能把这些能力整合起来、又不让数据流向第三方的解决方案时，发现了 [[PostHog]]。
PostHog 是什么
PostHog 是一个开源的产品分析平台，2020 年创立于英国，目标是把产品团队需要的数据工具全部放进一个产品里。它的 GitHub 仓库完全公开，代码量巨大，背后有真实的商业化运营——他们提供云端托管版本，同时也支持你把整套系统部署在自己的服务器上。
与 Mixpanel、Amplitude 这类纯 SaaS 产品分析工具相比，PostHog 最大的差异点有两个：一是功能广度，它把过去需要多个工具才能覆盖的能力都内置了；二是数据主权，自托管模式意味着用户行为数据不需要离开你自己的基础设施。对于需要处理敏感数据的企业，或者对数据隐私有要求的团队，这一点非常关键。
核心功能全景
PostHog 的功能体系比大多数竞品都要宽，理解它的方式是把它当成一个产品数据基础设施平台，而不是单一的分析工具。
产品分析是它的核心。你可以通过埋点或者无埋点自动捕获用户行为，然后用漏斗（Funnel）分析转化路径，用留存图追踪用户的回访规律，用路径图看用户在不同页面或功能之间的流转情况。这部分的体验和 Mixpanel 非常接近，对熟悉主流产品分析工具的人来说几乎没有学习成本。
会话录制（Session Recording）让你能够回放真实用户的操作过程。不同于一般的屏幕录制工具，PostHog 的会话录制是事件驱动的，可以直接和分析数据关联起来——比如你发现某个漏斗步骤流失率很高，可以直接点击查看这批用户的会话录像，看他们究竟遇到了什么问题。热图功能也集成在这里，点击热图和滚动热图都支持。
功能开关（Feature Flags）是另一个让我印象深刻的模块。你可以基于用户属性、百分比、地区等条件精细化控制某个功能的可见范围，灰度发布时极为有用。功能开关可以直接与分析事件绑定，不需要额外配置就能看到开关不同状态下的用户行为差异。
A/B 测试（Experiments）建立在功能开关的基础上。你定义实验组和对照组，指定目标指标，系统会自动进行统计显著性计算，告诉你哪个变体表现更好。整套流程内置在 PostHog 里，不需要像以前那样把实验平台和分析工具分开管理。
用户调研（Surveys）是相对较新的功能，支持在产品内弹出问卷，收集 NPS 评分或开放式反馈，数据同样汇入 PostHog 的数据仓库，可以和行为数据一起分析。
数据管道（Data Pipelines）功能支持把 PostHog 采集到的事件实时同步到外部数据仓库，比如 BigQuery、Snowflake、Redshift，或者从外部系统导入用户属性数据。这让 PostHog 能够融入更复杂的数据栈，而不是成为数据孤岛。
自托管体验
PostHog 提供两套部署方案：PostHog Cloud（官方托管）和自托管版本。
自托管走的是 Docker Compose 路线，官方提供了一套完整的配置文件，在配置合理的 VPS 上一条命令就能跑起来。数据库用 ClickHouse，事件处理走 Kafka，整体架构相当现代化。ClickHouse 在列式存储上的优势让 PostHog 能以较低的资源消耗处理大量事件数据。
我在一台 4 核 8GB 的机器上跑过自托管版本，每天处理几十万事件问题不大，查询响应速度也挺快。真正对服务器要求高的是 ClickHouse 的内存消耗——事件量上来之后这块的资源需求会明显增加，官方建议生产环境至少 4 核 16GB 起步。
自托管的另一个好处是成本可控。PostHog Cloud 的定价是按事件量计费，免费层每月有 100 万事件，超出后按阶梯计费。对于用户量不小的产品，云端费用会积累得相当快。自托管虽然需要运维投入，但边际成本主要是服务器资源。
与主流工具的对比
相比 Mixpanel 和 Amplitude，PostHog 在分析深度上没有明显短板，但在某些高级分析功能上（比如预测性分析、机器学习驱动的洞察）目前还没有跟上。不过对于大多数产品团队的日常需求——漏斗、留存、路径、用户分群——PostHog 完全够用。
功能开关和 A/B 测试对比 LaunchDarkly 和 Optimizely，后者更专业，支持更复杂的实验设计和更精细的流量管理，但价格也相当不菲。PostHog 的这两个功能对于中小规模的团队来说足够，省去了另外集成专用工具的麻烦。
会话录制和 FullStory、Hotjar 比起来，易用性稍逊，但核心功能完备，更重要的是数据不出去。如果你之前用 Hotjar 主要是为了看录像和热图，PostHog 完全可以替代。
最后
PostHog 解决的核心问题是工具碎片化——产品分析、会话录制、功能开关、A/B 测试，四件事在一个平台里全做了，数据天然打通，不需要靠导出 CSV 再手动关联。对于一个快速迭代的产品团队来说，这种集成度带来的效率提升是很实际的。
开源加自托管的组合则解决了另一个越来越被重视的问题：数据去哪了。不管是出于合规要求还是对数据资产的珍视，把用户行为数据放在自己可控的地方，是一个值得认真考虑的选择。
如果你正在为产品选型数据工具，PostHog 值得认真评估一番，尤其是你有自托管能力、团队在乎数据自主权的情况下。它不是在某一个维度做到极致的专用工具，但作为覆盖面最广的开源产品分析平台，目前没有什么竞争者。