自动语义层
配置 Agent 扫描仓库，自动识别事件表，兼容 Segment、Snowplow、Firebase 与自定义表结构，生成的数据目录专为产品分析设计，全程不需要写 YAML。
价格Analyst 档 $149/月，Team 档 $749/月
平台Web / API / Slack
归类数据分析
收录2026-06-01
复核2026-06-01
编辑评分
4.2 / 5
★★★★☆
Mitzu.io编辑总结
Mitzu 是一款跑在数据仓库之上的产品分析工具，用户用自然语言提问漏斗、留存、队列等问题，由配置 Agent 自动扫描仓库生成语义层，再由确定性 SQL 引擎产出可复核的 SQL 结果，避免大模型直接写 SQL 带来的幻觉。支持 BigQuery、Snowflake、Databricks、Redshift、ClickHouse 等仓库，兼容 Segment、Snowplow、Firebase、GA4 与自定义事件表结构，无需手写 YAML 或维护 dbt 项目。短板在于价格门槛较高，起步档每月 149 美元，且 AI 洞察额度按月共享重置。
Mitzu.io是什么？
Mitzu 是一款基于数据仓库的产品分析工具，主打用自然语言完成漏斗、留存窗口、队列与分群等分析。它并不把事件数据搬进自己的存储，而是直接读取你仓库里已有的事件表，因此事件量不计费。
它的核心是两个 Agent 加一个 SQL 引擎：配置 Agent 自动扫描仓库、识别事件表与 Segment、Snowplow、Firebase 以及自定义表结构，生成语义层与数据目录；分析 Agent 把问题拆成规格，再由确定性 SQL 引擎生成 SQL。强调「同一份规格 → 同一份 SQL → 同一个答案」，每条回答都会附带生成它的 SQL，方便分析师核对逻辑后再分享给业务方。
普通用户可以通过 Slack Agent 或嵌入仪表盘在 Slack 里直接提问，无需登录 Mitzu；分析师用它做深度归因、假设验证与异常监控；工程师则用 MCP server 与 API 接入自有系统，企业版还支持私有 VPC 或自托管部署。
Mitzu.io核心功能
确定性 SQL 引擎
Agent 只负责组装分析规格，SQL 由引擎生成，同一份规格永远得到同一份 SQL 与同一个答案，不依赖大模型对查询逻辑做近似推断。
完整 SQL 可见
每条回答都附带生成它的 SQL，分析师可以先核对逻辑再分享给业务方，官方将其定位为对黑盒 AI 的直接替代。
影响归因分析
针对「这次发布是否真的改变了转化率」「这次活动是否改变了用户行为」这类问题，对比队列、寻找相关性，判断功能、活动或产品改动是否带来真实变化。
深度诊断
追问指标为何波动时，会自行展开漏斗、队列拆分与分群对比，按回答所需调用任意多次工具，最后给出综合结论。
假设验证
把「5 分钟内完成引导的用户留存是否更好」「首周触达某功能的用户是否更长期活跃」这类假设放到真实队列行为中检验，直接给出假设是否成立。
监控与异常检测
不用等人发问，持续监控仓库并主动发现指标偏移、留存异常与激活下滑，发现问题后通过邮件或 Slack 推送提醒。
分析工具箱
漏斗、留存、分群、用户旅程、队列等产品分析工具全部覆盖，且通过自然语言调用，分析口径内置在引擎里。
Mitzu.io值不值得用？
如果你的团队已经把事件数据放在 BigQuery、Snowflake、Databricks、Redshift 或 ClickHouse 里，又想让产品、市场、管理层不用学 SQL 就能问漏斗和留存问题，Mitzu 的买点很直接：语义层自动建、答完附 SQL、事件量不计费。反过来，如果预算只有每月几十美元，或者团队只有一两个人偶尔看数据，Analyst 档 $149/月起步、Team 档跳到 $749/月就显得贵；AI 洞察额度按月共享且重置，用量大的团队还要盯着额度。需要 SSO、私有 VPC 或自托管的话只能走企业版，价格需联系销售。
建议选它的情况
- 事件数据已落在 BigQuery、Snowflake、Databricks、Redshift 或 ClickHouse，不想再迁一份数据
- 需要把 SQL 交给分析师复核后再给业务方看，不能接受黑盒答案
- 产品、市场、管理层都要看数据，需要不限数量的查看者和 Slack 内提问
- 想让系统主动推送指标偏移与留存异常，而不是等人来问
不建议选它的情况
- 预算有限，Analyst 档 $149/月起步已超出可承受范围
- 只需要偶尔跑几条固定报表，用不上漏斗、留存、旅程这一整套分析工具箱
- 必须自托管或私有 VPC 部署，但还没有走到企业版采购流程
Mitzu.io使用建议
入门先把路子走对
- 先连仓库注册后第一步接上你的数据仓库，配置 Agent 会扫描并生成语义层，官方给出的参考耗时是 2 分钟。
- 先跑一条漏斗语义层生成后先跑一条多步漏斗，确认识别出的转化步骤和数据目录符合预期，再看留存等更复杂的问题。
- 核对附带的 SQL每条回答下面都有生成它的 SQL，第一次用先花几分钟看一遍逻辑，确认口径后再分享给业务方。
进阶省时间也省钱
- 按年付省 10%年付有 10% 折扣，Analyst 折后 $134/月，Team 折后 $675/月，长期用可以走年付。
- 盯住洞察额度AI 洞察额度按月共享且每月重置，Analyst 档 300 次、Team 档 2000 次，重度使用的团队要提前估算够不够。
- 用 Slack Agent 省席位Team 档起含 Slack Agent，非分析师同事可以在 Slack 里直接提问，不必人人买 Editor 席位。
Mitzu.io适合谁用？
有仓库的数据分析团队
推荐事件数据已在 BigQuery、Snowflake、Databricks 等仓库里，想用自然语言替代手写重复 SQL 做漏斗和留存；Analyst 档 3 个 Editor 席位、300 次 AI 洞察够小团队起步。
产品与增长负责人
推荐需要验证某次发布是否真的提升了转化、某次活动是否改变了行为，Mitzu 的影响归因和假设验证正好对应这类问题，不用排队等分析师排期。
需要审计口径的公司
推荐分析师必须核对逻辑后才能把数字给到业务方，Mitzu 每条回答附 SQL、同一规格产同一答案，适合这种要求可复核的流程。
只有一两个人的小团队
有条件Analyst 档 $149/月，且不含查看者席位，产品、市场同事想看数据就得再买 Editor 席位（$50/人/月），人少时会觉得不划算。
强合规与自托管需求
有条件需要企业 SSO、私有 VPC 或自托管部署的只能走企业版，价格需联系销售，不是能自助开通的档位。
Mitzu.io优点和缺点
优点
- 事件量不计费，直接跑仓库里已有的事件数据
- 同一规格产出同一 SQL 与同一答案，回答可复现
- 每条回答附带生成的 SQL，逻辑可人工核对
- 语义层由配置 Agent 自动生成，不需要手写 YAML
- 兼容 Segment、Snowplow、Firebase、GA4 与自定义表结构
- Team 档起在 Slack 内提问，不占 Editor 席位
缺点
- Analyst 档 $149/月起步，不含查看者席位
- AI 洞察额度按月共享且每月重置，超量需另想办法
- 追加 Editor 席位 Analyst 档 $50/人/月、Team 档 $75/人/月
- 企业版价格需联系销售，无法自助开通
Mitzu.io常见问题
Mitzu 怎么收费？＋
包括三档：Analyst 档 $149/月（年付 $134/月），含 3 个 Editor 席位、每月 300 次 AI 洞察、1 个工作区；Team 档 $749/月（年付 $675/月），含 10 个 Editor 席位、每月 2000 次 AI 洞察、10 个工作区和不限数量的查看者；Enterprise 档价格需联系销售。年付享受 10% 折扣，两档都提供 14 天免费试用且无需信用卡。
事件量会因为数据多而被多收钱吗？＋
不会。官网明确说明事件不计量，因为 Mitzu 跑的是数据仓库里已有的事件数据，不把数据搬进自己的存储。计费口径是每月 AI 洞察次数，也就是 Agent 产出的提问、分析和图表数量，额度在组织内共享，每月重置。
它和其他用大模型写 SQL 的分析工具差在哪？＋
多数工具让大模型直接对手搭的语义层写 SQL，搭建要花数周，口径还可能出错。Mitzu 让 Agent 只负责组装分析规格，SQL 由确定性引擎生成，强调同一规格得到同一份 SQL 和同一个答案，并且每条回答都附上生成它的 SQL，分析师可以先核对再分享。
需要先整理好 dbt 项目或写 YAML 配置吗？＋
不需要。配置 Agent 会扫描你的仓库、映射事件表，识别 Segment、Snowplow、Firebase 和自定义表结构，自动生成语义层与数据目录，官方明确说不需要写 YAML，也不需要干净的 dbt 项目。参考流程是 2 分钟连接仓库、5 分钟生成语义层，之后即可提问。
支持哪些数据仓库？＋
涉及原生集成 BigQuery、Snowflake、Databricks、Redshift、ClickHouse，同时兼容 Firebase、GA4、自定义事件表结构以及历史遗留表。数据留在你自己的仓库里，Mitzu 直接对接现代数据栈中的这些来源。
团队里不是分析师的人怎么用？＋
Team 档起包含 Slack Agent 和不限数量的查看者，产品、市场、管理层可以直接在 Slack 里提问，不必登录 Mitzu，因此也不需要给每个人买 Editor 席位。此外 Team 档还提供嵌入式仪表盘和优先邮件支持。
