# Kueri analitik email dengan AI Gunakan asisten yang terhubung ke [Bird MCP](/docs/ai/mcp-server) untuk menjelajahi statistik email workspace Anda dalam bahasa sehari-hari. Anda dapat membandingkan performa, menyelidiki masalah pengiriman, dan meminta deret waktu tanpa menyusun permintaan API sendiri. Hubungkan Bird ke asisten Anda dan berikan akses baca email ke workspace yang ingin Anda analisis. Contoh-contoh ini membaca aktivitas yang sudah ada. Ganti domain contoh dengan domain Anda sendiri dan pilih periode yang memiliki riwayat tersedia. Asisten memilih tool dari koneksi Anda; contoh di bawah menjelaskan laporan yang Anda inginkan. ## Tinjau performa > Show my workspace's email deliveries, bounces, unique opens, unique clicks, open rate, and click rate for yesterday in UTC. Include an hourly breakdown. Harapkan ringkasan seluruh periode dan deret per jam. Jumlah unik dan rasio seluruh periode dihitung secara independen dari bucket per jam; menjumlahkan hitungan bucket atau merata-ratakan rasio bucket dapat memberikan jawaban yang berbeda. ## Pisahkan traffic pemasaran dan transaksional > Compare marketing and transactional email activity yesterday in UTC. Show deliveries, bounces, bounce rate, and delivery latency for each category. Keep receipts and password resets out of the marketing totals. Harapkan perbandingan menggunakan kategori yang tercatat pada setiap event. Template atau tag dapat mempersempit laporan ke alur tertentu. Klasifikasi bergantung pada cara pesan Anda dikirim; asisten tidak dapat menyimpulkannya secara andal dari baris subjek. ## Bandingkan template > Compare the email templates with activity yesterday in UTC. Rank the top ten by open rate and show deliveries and unique clicks alongside each rate. Use template names where you can resolve them, and show the IDs otherwise. Harapkan satu baris per template. Periksa jumlah pengiriman bersama rasionya: rasio tinggi dari jumlah pengiriman yang sedikit bukan bukti yang kuat. Nama template yang diambil dari konfigurasi saat ini bisa berbeda dari nama yang digunakan saat pesan dikirim. ## Selidiki masalah pengiriman > Compare yesterday's bounce rate with the day before, using UTC. Break both periods down by recipient domain and show deliveries and bounces alongside the rates. Which domains account for the largest increases in bounce counts? Asisten akan membandingkan populasi yang sama di kedua periode. Domain dengan bounce lebih banyak menunjukkan area yang perlu diselidiki; rincian saja tidak cukup untuk menetapkan penyebabnya. ## Membandingkan kampanye bertag > Find the campaign tags used in my workspace yesterday, then compare delivery and engagement for those campaigns from mail.example.com. Rank them by click rate and include a 15-minute activity breakdown. Tell me if the tags do not clearly identify campaigns. Asisten akan menemukan nama dan nilai tag terlebih dahulu sebelum memfilter laporan. Kampanye dapat diidentifikasi berdasarkan tag waktu kirim atau ID broadcast di workspace Anda. Template dapat digunakan ulang di berbagai kampanye, sehingga pengelompokan berdasarkan template dapat menghasilkan laporan yang berbeda. Jika Anda sudah mengetahui tag-nya, sertakan dalam permintaan: > Compare the spring-sale and welcome values of our campaign tag yesterday in UTC. Exclude the Legacy welcome template. Show deliveries, unique clicks, and click rate by campaign. Asisten akan menggunakan tag yang diberikan secara langsung dan menerjemahkan nama template ke ID-nya. Aktivitas broadcast ditentukan oleh event dalam periode yang diminta; broadcast yang dibuat sebelumnya masih bisa memiliki aktivitas hari ini. ## Memantau keluhan audiens > For marketing email yesterday in UTC, compare complaints, unsubscribes, deliveries, complaint rate, and unsubscribe rate by campaign. Show the counts beside the rates so small campaigns do not dominate the interpretation. Hasilnya berupa sinyal tingkat kampanye untuk penyelidikan. Rasio saja tidak dapat menjelaskan mengapa seseorang melaporkan spam atau berhenti berlangganan, dan sampel kecil dapat membuat rasio terlihat sangat tinggi. Dasbor spam penyedia layanan dapat menggunakan populasi dan penyebut yang berbeda; evaluasi ambang batas mereka berdasarkan laporan mereka sendiri. ## Memeriksa latensi pengiriman > For yesterday in UTC, compare median and 95th-percentile time from acceptance to delivery by mailbox provider. Include delivered counts and rank the providers by the 95th-percentile latency, slowest first. Hasilnya berupa satu baris per penyedia, dengan latensi dalam milidetik. Median menunjukkan titik tengah dari sampel yang diukur; persentil ke-95 membantu memeriksa pengiriman yang lebih lambat. Sampel latensi yang tidak tersedia menghasilkan nilai null. Untuk alur transaksional, sebutkan template dan periode yang ingin diperiksa: > Customers reported slow password resets yesterday between 09:00 and 10:00 America/New_York. For our Password reset template, show deliveries and median and 95th-percentile delivery latency by mailbox provider, with 15-minute activity. Compare with the same hour the day before. Asisten akan menghitung perbandingan periode secara independen dengan filter yang sama. Latensi pengiriman mengukur waktu dari penerimaan hingga pengiriman ke mail server. Latensi ini tidak mengukur kapan pesan muncul di kotak masuk atau kapan seseorang membacanya. Persentil juga tidak dapat memberikan jumlah pasti pesan yang melebihi ambang latensi tertentu. ## Menginterpretasikan keterlibatan dan hasil bisnis > Compare our marketing campaigns yesterday by unique clicks and click rate, with deliveries and unique opens for context. Explain what this tells us about engagement and what we would need to measure purchases. Hasilnya berupa engagement terukur, dengan batasan yang disebutkan secara eksplisit. Open yang di-prefetch dapat menggelembungkan jumlah open, dan mengecualikan prefetch yang diketahui tidak membuktikan aktivitas manusia. Konfirmasi pengiriman tidak membuktikan penempatan di inbox. Atribusi pembelian memerlukan data pesanan atau konversi di luar statistik email; open rate yang lebih tinggi saja tidak cukup untuk menetapkan pemenang A/B test. ## Perbaiki laporan Tindak lanjuti dengan populasi yang lebih sempit atau granularitas waktu yang berbeda: > Keep the same period and metrics, but restrict the report to mail.example.com and show daily buckets. [Endpoint kueri fleksibel](/docs/api/reference/get-email-stats-query) menggabungkan filter yang kompatibel dengan satu dimensi pengelompokan. Jika kombinasi yang diminta tidak didukung atau riwayat tidak tersedia, minta asisten menjelaskan batasannya sebelum mengubah cakupan laporan. Statistik menggunakan waktu peristiwa. Open kemarin bisa berasal dari email yang dikirim sebelumnya. Untuk bertanya tentang aktivitas, sebutkan periode aktivitasnya; laporan tentang hasil akhir email yang dikirim pada tanggal tertentu memerlukan populasi yang berbeda. Open dan klik adalah sinyal engagement dan tidak membuktikan bahwa seseorang membaca pesan atau menyelesaikan pembelian. ## Langkah selanjutnya - [Email stats API](/docs/guides/email/stats-api): laporan agregat dan rincian - [Referensi kueri](/docs/api/reference/get-email-stats-query): metrik, filter, jendela waktu, dan paginasi - [Pelacakan open dan klik](/docs/guides/email/open-click-tracking): cara peristiwa engagement direkam ## Related resources - [Setting up your coding agent](/learn/basics/setting-up-your-coding-agent) (video) - [What is an MCP server, and how does an agent use one to send messages?](/explained/platform/what-is-an-mcp-server-and-how-does-an-agent-send-messages) (answer) - [Coding agents](/ai) (product) - [Build with AI agents](/learn/paths/agents) (course) [Get an implementation brief](/learn/workspace?topic=agents)