Interpretieren von Nutzungs- und Einführungsmetriken für GitHub Copilot

Verwenden Sie diesen Artikel, um Nutzungs- und Akzeptanzmetriken über die Copilot Nutzungsmetriken und Auswirkungsdashboards hinweg zu interpretieren und Möglichkeiten zur Steigerung der Akzeptanz und des Engagements zu identifizieren.

Überprüfen der allgemeinen Nutzungstrends

Verwenden Sie die wichtigsten Verwendungsdiagramme im Dashboard, um allgemeine Einführungs- und Interaktionsmuster zu verstehen. Anhand dieser Diagramme können Sie ermitteln, wo sich die Nutzung wächst, abgleichen oder abnehmen, sodass Sie Maßnahmen ergreifen können, um das Engagement aufrechtzuerhalten.

Metric	Was es zeigt	So interpretieren Sie es
IDE täglich aktive Benutzer (DAU)	Eindeutige Nutzer, die täglich mit Copilot interagiert haben.	Nachhaltiges DAU-Wachstum signalisiert ein konsistentes Engagement; Starke Kürzungen können auf Konfigurationsprobleme oder reduzierte Zinsen hinweisen.
IDE wöchentlich aktive Benutzer (WAU)	Eindeutige Benutzer, die über ein 7-tägiges gleitendes Zeitfenster aktiv sind.	Ein gesundes WAU-to-License-Verhältnis (>60%) weist auf eine starke laufende Nutzung hin.
Akzeptanzrate von Codevervollständigungen	Prozentsatz der angenommenen Vorschläge.	Eine steigende Rate weist auf zunehmendes Vertrauen und Nützlichkeit hin; Ein Rückgang kann auf nicht übereinstimmende Vorschläge oder Reibungen im Arbeitsablauf hinweisen.

Überprüfen der Funktionseinführung

Die Diagramme „Anfragen pro Chatmodus“ und „Agentennutzung“ zeigen, wie Entwickler Copilot Chat und Copilot agent verwenden.

Signal	Was sie Ihnen sagt	Suchschwerpunkte
Anforderungen pro Chatmodus	Aufschlüsselung der Chatinteraktionen nach Modus – Fragen, Bearbeiten, Planen oder Agent.	Eine ausgewogene Verteilung schlägt vor, dass Benutzer mehrere Funktionen untersuchen. Die starke Verwendung eines Modus kann hervorheben, wo sich die Aktivierung konzentrieren soll.
Agenteneinführung	Prozentsatz der aktiven Benutzer, die verwendet haben Copilot agent.	Das Wachstum im Laufe der Zeit zeigt, dass Entwickler von grundlegenden Fertigstellungen bis hin zu erweiterten Copilot Features vorankommen.

Überprüfung der Einführung von Anpassungen mit der API

Verwenden Sie die Verwendungsmetrik-API, um zu bewerten, wie Entwickler Anpassungen über Copilot CLI, VS Code und andere unterstützte Clients nutzen. Es meldet Fähigkeiten, benutzerdefinierte Agenten, Aktivitäten von MCP-Serververbindungen (Model Context Protocol), Slash-Befehle und Plugins für Unternehmen und Organisationen. Die Felder werden in benutzerspezifischen und aggregierten 1-Tages-Berichten, in benutzerspezifischen 28-Tages-Berichten sowie in aggregierten 28-Tages-day_totals angezeigt. Sie sind im Dashboard nicht verfügbar. Felddefinitionen, unterstützte Clients und Mindestversionen für Berichtsnamen finden Sie unter In den Nutzungsmetriken von Copilot verfügbare Daten.

interaction_count steht für je nach Kategorie ein anderes Ereignis: Skill-Aufrufe, Starts benutzerdefinierter Agenten, MCP-Verbindungs- oder Wiederverbindungsversuche, Aufrufe von Slash-Befehlen oder pluginbezogene Skill-Aufrufe. Diese Werte zählen Aktivitätsereignisse, nicht Benutzer. MCP-Zählungen umfassen sowohl erfolgreiche als auch fehlgeschlagene Verbindungsversuche, aber keine Toolaufrufe über einen bereits verbundenen Server oder die laufende Serververwendung. Jede Plug-In-Interaktion ist bereits in der Anzahl der Fähigkeiten enthalten, während Fähigkeitsinteraktionen, die nicht mit einem Plug-In verknüpft sind, nur in Qualifikationssummen angezeigt werden. Zählen Sie die Interaktionsanzahlen von Plugins und Skills nicht zusammen.

Um starke Akzeptanzsignale zu identifizieren, suchen Sie nach konfigurierten Anpassungsnamen, die in den Arrays vieler Benutzer angezeigt werden. Benutzerdefinierte Namen werden sowohl in benutzerspezifischen als auch in zusammengefassten Unternehmens- und Organisationsberichten angezeigt. Verwenden Sie aggregierte Berichte, um die allgemeine Nutzung anzuzeigen, und benutzerspezifische Berichte, um zu sehen, wer jede Anpassung verwendet. Jedes Anpassungsarray behält bis zu 25 benannte Einträge pro Datensatz sowie einen nachgestellten other Eintrag für die verbleibende Aktivität bei.

Die Daten stammen aus der Client-Telemetrie und können die Aktivität unterzählen. Ein nicht vorhandener Name bedeutet nicht, dass es keine Verwendung gibt: Die Anpassung kann sich außerhalb der aufbewahrten Einträge befinden, der Name ist möglicherweise nicht verfügbar, oder die Client-Telemetrie fehlt. Verwenden Sie diese Berichte, um Trends zu verstehen, nicht um genaue Akzeptanzraten zu berechnen oder zu überprüfen, ob nur genehmigte Anpassungen verwendet werden.

Verschiedene Anzahlen zeigen, wie viele verschiedene Elementbezeichner Aktivität hatten. Im Unternehmens- und Organisationsbereich zählt ein Bezeichner einmal, auch wenn viele Benutzer damit interagiert haben. Fügen Sie also keine unterschiedliche Anzahl pro Benutzer hinzu, um einen Aggregatwert zu reproduzieren. Vergleichen Sie die Anzahl unterschiedlicher Werte zwischen Datensätzen oder day_totals, um festzustellen, ob sich die Vielfalt der Anpassungen mit Aktivitäten verändert.

Signal	Was es vorschlägt	Vorgeschlagene Aktion
Eine benannte Fähigkeit, ein benutzerdefinierter Agent, ein Slash-Befehl oder ein Plugin weist bei vielen Nutzern hohe Interaktionszahlen auf.	Die Anpassung ist allgemein nützlich und kann ein guter Kandidat für die Standardisierung sein.	Bewerben Sie sie durch interne Beispiele, Onboardingmaterialien oder eine freigegebene Anpassungsbibliothek.
Eine benannte Anpassung wird in den beibehaltenen Einträgen nur für einige Benutzer angezeigt, hat jedoch eine hohe Interaktionsanzahl für diese Benutzer.	Beobachtete Aktivität konzentriert sich auf eine kleine Gruppe. Andere Benutzer haben möglicherweise Aktivitäten außerhalb ihrer aufbewahrten benannten Einträge.	Bitten Sie diese Benutzer, Beispielworkflows zu teilen. Verwenden Sie dann Entwicklerfeedback oder andere interne Daten, um die breitere Einführung zu bewerten, bevor Sie die Aktivierung erweitern.
Die Anzahl unterschiedlicher Werte ist hoch, aber die meisten Interaktionen werden unter other oder custom gruppiert.	Benutzerdefinierte Namen sind möglicherweise nicht verfügbar, werden gefiltert, da sie wie Dateipfade aussehen, oder liegen außerhalb der aufbewahrten Einträge.	Überprüfen Sie die Clientversionen und telemetrieabdeckung, bevor Sie Rückschlüsse auf die verwendeten Anpassungen ziehen.
Die Anzahl der Interaktionen für einen Skill, einen benutzerdefinierten Agenten, einen Slash-Befehl oder ein Plugin, von denen Sie erwarten, dass Entwickler sie verwenden, bleibt niedrig.	Entwickler wissen möglicherweise nicht, dass die Anpassung vorhanden ist oder wenn sie nützlich ist.	Verbessern Sie die Auffindbarkeit mit aufgabenorientierten Beispielen und fügen Sie die Anpassung in relevante Onboarding- oder Aktivierungssitzungen ein.
MCP-Verbindungsaktivität ist höher oder niedriger als erwartet	Entwickler verbinden sich möglicherweise wiederholt neu, erleben fehlgeschlagene Verbindungsversuche oder die geplante Einführung hat die beabsichtigte Zielgruppe möglicherweise nicht erreicht. Die Verbindungsanzahl allein zeigt nicht an, ob Entwickler MCP-Tools aktiv verwenden.	Überprüfen Sie Ihren MCP-Konfigurations- und Rolloutprozess, und verwenden Sie dann andere interne Daten oder Entwicklerfeedback, um die laufende Serververwendung zu bewerten.
Die Akzeptanz wächst nach einer Aktivierungsaktivität	Die Aktivität hat Entwicklern möglicherweise geholfen, nützliche Anpassungen zu entdecken.	Vergleichen Sie mehrere Berichtszeiträume, und sammeln Sie Entwicklerfeedback, bevor Sie entscheiden, ob die Aktivität erweitert werden soll.

Überprüfen der Modellakzeptanz

Die Diagramme "Modellnutzung pro Tag" und "Modellnutzung pro Chatmodus" helfen Ihnen zu verstehen, welche KI-Modelle am häufigsten verwendet werden.

Diagramm	Description	Einblicke, die gewonnen werden sollen
Modellnutzung pro Tag	Zeigt, welche KI-Modelle die Aktivität von Copilot Chat antreiben.	Ermitteln Sie, ob Benutzer in erster Linie mit Standardmodellen in Kontakt treten oder mit neueren modellen experimentieren.
Modellnutzung pro Chatmodus	Gliedert die Modellnutzung nach Chatmodus auf (Abfrage, Bearbeiten, Planen, Agent).	Überwachen Sie, wie sich die Modellakzeptanz weiterentwickelt, wenn neue Modelle veröffentlicht werden.

Überprüfen der Sprachverwendung

Die Diagramme „Sprachverwendung“ und „Sprachverwendung pro Tag“ zeigen, welche Programmiersprachen Entwickler mit Copilot am häufigsten verwenden.

Diagramm	Description	So verwenden Sie es
Sprachverwendung	Zeigt den Anteil der Copilot Chat Aktivitäten nach Programmiersprache an.	Ermitteln Sie, wo Copilot Chat der größte Wert bereitgestellt wird und wo möglicherweise zusätzliche Unterstützung oder Aktivierung hilfreich ist.
Sprachnutzung pro Tag	Erfasst tägliche Fluktuationen der Sprachaktivität.	Erkennen Sie veränderungen im Entwicklungsfokus, oder bestätigen Sie, ob neue Teams oder Projekte eine höhere Aktivität fördern.

Überprüfung von Adoptionskohorten

Die Verteilung der Adoptionskohorten im Impact-Dashboard zeigt den Anteil der Nutzer in jeder Phase und wie sich diese Verteilung im Laufe der Zeit verändert. Was jede Phase bedeutet und wie die Klassifizierung funktioniert, finden Sie unter GitHub Copilot Nutzungsmetriken.

Signal	Was es vorschlägt	Vorgeschlagene Aktion
Sinkender Anteil von Phase 1, steigender Anteil von Phase 2 bzw. Phase 3	Benutzer entwickeln sich von Codevervollständigung hin zu agentengesteuerten Workflows.	Aktuelle Aktivierung fortsetzen; Erwägen Sie, interne Erfolgsgeschichten zu teilen, um Schwung zu erhalten.
Großer oder wachsender Anteil passiver Nutzer	Viele lizenzierte Benutzer haben den Interaktionsschwellenwert für eine Phase noch nicht erreicht.	Überprüfen Sie die Lizenzzuweisung und die Einrichtung der IDE; bieten Sie Onboarding an, um inaktive Benutzer erneut zu aktivieren. Überprüfen Sie außerdem, ob betroffene Benutzer sich in erster Linie auf eine Oberfläche verlassen, die nicht Teil der Klassifizierungskriterien irgendeiner Phase ist, wie z. B. Copilot Chat auf GitHub.com.
Verzögerte Entwicklung von Phase 1 zu Phase 2	Benutzer fühlen sich mit Vervollständigungen und Chat wohl, haben Agentenoberflächen jedoch noch nicht angenommen.	Befolgen Sie eine Empfehlungskarte, z. B. zum Konfigurieren von Copilot cloud agent, oder führen Sie eine Demo von Agent-Workflows aus.
Verzögerte Entwicklung von Phase 2 zu Phase 3	Benutzer haben eine Agent-Oberfläche eingeführt, jedoch keine zusätzlichen Agent-Oberflächen hinzugefügt.	Folgen Sie einer Empfehlungskarte, indem Sie z. B. Copilot code review aktivieren, um eine zweite Agentoberfläche hinzuzufügen.
Die Phase eines Benutzers ändert sich von einem Tag zum nächsten, ohne dass sich die Gewohnheiten ändern	Die Phasenzuweisung wird täglich aus dem nachgestellten 28-Tage-Fenster neu berechnet, sodass sich die Phase eines Benutzers verschiebt, wenn ältere Tage aus dem Fenster herausfallen.	Dies ist ein erwartetes Verhalten, kein Datenfehler; keine Aktion erforderlich.

Wenn im Dashboard eine Empfehlungskarte angezeigt wird, z. B. zum Konfigurieren von Copilot cloud agent, zum Aktivieren von Copilot code review oder zum Senden einer Onboarding-Erinnerung, folgen Sie der verlinkten Anleitung, um die Einrichtung abzuschließen. Jede Empfehlung wird aus der aktuellen Kohortenverteilung Ihrer Organisation generiert und zielt auf die Lücke ab, die die Benutzer höchstwahrscheinlich in Richtung einer tieferen Einführung bewegt.

Überprüfung des Akzeptanzmultiplikators

Der Adoptionsmultiplikator vergleicht aktive Nutzer (Phase 1, 2 oder 3) mit passiven Nutzern anhand des ausgelieferten Codes (pro Nutzer und Monat zusammengeführte Pull Requests) und der Zeit bis zum Zusammenführen von Pull Requests. Dies zeigt die relativen Auswirkungen einer tieferen Einführung, unabhängig davon, wie viele Benutzer in jede Phase fallen.

Signal	Was es vorschlägt	Vorgeschlagene Aktion
Engagierte Benutzer führen mehr Pullanforderungen pro Benutzer pro Monat zusammen als passive Benutzer	Eine stärkere Nutzung von Copilot geht mit einem höheren individuellen Output einher.	Verwenden Sie diesen Vergleich, um den Fall für fortgesetzte Aktivierungsinvestitionen zu unterstützen.
Engagierte Benutzer führen weniger Pullanforderungen pro Benutzer pro Monat zusammen als passive Benutzer	Engagierte Benutzer verbringen möglicherweise mehr Zeit mit größeren oder komplexeren Arbeiten, oder der Vergleich kann Unterschiede in der Teamkomposition und nicht in der Einführungstiefe widerspiegeln.	Gleichen Sie dies vor dem Ziehen von Schlussfolgerungen mit der Verteilung nach Einführungskohorten und teambezogenen Daten ab; vermeiden Sie es, den Multiplikator als isoliertes Produktivitätsmaß zu behandeln.
Eingebundene Benutzer führen Pullanforderungen schneller zusammen als passive Benutzer	Eine tiefere Einführung ist mit einem kürzeren Pull-Anforderungslebenszyklus verbunden.	Verwenden Sie diesen Vergleich zusammen mit Pull-Anforderungslebenszyklusmetriken, um die Gesamtauswirkungen der Übermittlung auszuwerten.
Multiplikator bleibt trotz Wachstum des Anteils von Phase 2 oder Phase 3 unverändert	Die Einführung von Agenten hat sich bislang noch nicht in einem messbaren Unterschied bei den Ergebnissen zwischen aktiven und passiven Nutzern niedergeschlagen.	Überprüfen Sie, ob sich die Agent-Nutzung auf wenige Benutzer oder Teams konzentriert und ob seit der Einführung genügend Zeit vergangen ist, damit sich die Auswirkungen zeigen.

Branchenvergleiche überprüfen

Das Branchenvergleichs-Widget vergleicht die agentische Einführung Ihres Unternehmens und die Ausschöpfung mit aggregierten Ergebnissen von teilnehmenden Peers. Überprüfen Sie den Perzentilrang, den Peer-Median, das oberste Dezil und die Peerverteilung zusammen. Behandeln Sie keinen einzelnen Wert als Ziel.

Signal	Was es vorschlägt	Vorgeschlagene Aktion
Die Akzeptanz agentischer Funktionen liegt über dem Peer-Median	Ein größerer Anteil Ihrer Benutzer hat Agent-first- oder Multi-Agent-Workflows übernommen als in der Vergleichskohorte.	Setzen Sie die Enablement-Praktiken fort, die agentenbasierte Workflows unterstützen, und überprüfen Sie, welche Teams immer noch eine niedrigere Akzeptanz haben.
Die agentische Akzeptanz befindet sich unter dem Peer-Median	Ihr Unternehmen hat noch Spielraum, die Einführung von Agent-First- und Multi-Agent-Workflows auszuweiten.	Überprüfen Sie die Verteilung der Adoptionskohorten und priorisieren Sie dann das Onboarding oder Enablement für Teams, die passiv oder code-first bleiben.
Der Leverage liegt über dem Peer-Median	Das Verhältnis der Zusammenführungsraten zwischen agentischen und nicht-agentischen Benutzern ist in Ihrem Unternehmen höher als im Peerkohort.	Überprüfen Sie die Methoden von Teams mit einer starken Nutzung agentischer Funktionen, und überlegen Sie, ob diese Praktiken breiter angewendet werden können.
Der Leverage liegt unter dem Peer-Median.	Das Verhältnis der Zusammenführungsraten zwischen agentischen und nicht agentischen Benutzern ist niedriger als für die Vergleichskohorte.	Überprüfen Sie die Teamkomposition, die Projektkomplexität und wie kürzlich agentische Workflows eingeführt wurden, bevor Sie Ihren Rolloutplan ändern.
Ihre Rangfolge verbessert sich über Berichtsperioden hinweg	Die Position Ihres Unternehmens hat sich im Vergleich zur teilnehmenden Peer-Kohorte verbessert.	Vergewissern Sie sich, dass die Verbesserung neben anhaltender Akzeptanz und Pull-Request-Trends angezeigt wird, bevor Sie die Investitionen in Enablement erweitern.
Ergebnisse sind nicht verfügbar	Es gibt nicht genug geeignete teilnehmende Peers derselben Unternehmensgröße, um einen Vergleich zu ermöglichen, auch nachdem das Dashboard die Peer-Kohorte auf alle Branchen erweitert hat. Die Ergebnisse sind auch nicht verfügbar, wenn Ihre eigene Bewertung nicht berechnet werden kann, z. B. wenn keine aktiven Benutzer vorhanden sind oder alle aktiven Benutzer bereits Agent-first- oder Multi-Agent-Benutzer sind, sodass keine nicht-agentischen Benutzer zum Vergleich der Hebelwirkung vorhanden sind.	Überprüfen Sie die Einführungs- und Nutzungstrends Ihres Unternehmens oder Ihrer Organisation, sofern verfügbar, bis ein Peervergleich verfügbar ist.
Ihr Ranking ändert sich, aber Ihr Punktestand ändert sich nicht	Der teilnehmende Peerkohort hat sich geändert, oder das Dashboard hat Sie mit einer anderen Kohorte verglichen als im vorherigen Zeitraum.	Überprüfen Sie, welche Peerkohorte die Ranking-Linie anzeigt, bevor Sie die Ergebnisse über Zeiträume hinweg vergleichen.

Branchenvergleiche zeigen Zusammenhänge, keine Kausalität. Unterschiede bei der Teamkomposition, projekttyp, Engineering-Praktiken und Einführungsreife können sich auf beide Maßnahmen auswirken. Die teilnehmenden Peerkohorten können sich auch zwischen Berichtszeiträumen ändern.

Überprüfen der potenziellen Kapitalrendite

Der Abschnitt Potenzieller Return on Investment vergleicht Copilot Kosten, den geschätzten Prozentsatz der Lohnsumme und die Anzahl der Pull Requests pro Entwickler und Monat zwischen früheren Einführungsphasen und agentenorientierten Einführungsphasen. Betrachten Sie diese Vergleiche als gerichtete Zusammenhänge und nicht als Beleg dafür, dass eine Veränderung der Verbreitung eine Veränderung des Ergebnisses verursacht hat.

Signal	Was es vorschlägt	Vorgeschlagene Aktion
Agent-zentrierte Benutzer führen mehr Pull Requests zusammen, wobei die Kosten, gemessen als Prozentsatz des Gehalts, ähnlich hoch oder niedriger sind.	Eine agentenorientierte Nutzung geht, gemessen an der geschätzten Investition, mit einem höheren Pull-Request-Aufkommen einher.	Vergleichen Sie dieses Signal mit dem Einführungsmultiplikator und den Trends über mehrere Zeiträume, bevor Sie es verwenden, um die Aktivierungsinvestitionen zu informieren.
Agent-zentrierte Benutzer führen weniger Pull Requests zusammen oder verursachen höhere Kosten gemessen als Prozentsatz des Gehalts	Unterschiede beim Arbeitstyp, der Teamzusammensetzung oder der Einführungsreife können sich auf den Vergleich auswirken.	Prüfen Sie die Kohortenverteilung und den Kontext auf Teamebene, bevor Sie Schlussfolgerungen zum Return on Investment ziehen.
Der Prozentsatz der Gehaltskosten ändert sich, wenn Sie andere Entwicklerkosten auswählen.	Das Dashboard berechnet die Schätzung anhand einer anderen Kompensationsannahme neu und zeigt keine Änderung der Nutzung.	Verwenden Sie das gleiche Vergütungsband, wenn Sie verschiedene Zeiträume oder Organisationen vergleichen.

Handeln basierend auf Ihren Erkenntnissen

Verwenden Sie Trends bei verwendungs-, Featureakzeptanz- und Sprachaktivitäten, um die Aktivierungs- und Rolloutplanung zu unterstützen.

Beobachtung	Mögliche Ursache	Vorgeschlagene Aktion
Hohe Akzeptanz in einigen Teams, aber niedrig in anderen	Einige Teams haben Copilot Chat möglicherweise nicht aktiviert oder korrekt konfiguriert.	Überprüfung von Lizenzzuweisungen und der IDE-Einrichtung; Anbieten von Onboarding auf Teamebene.
Stetige Nutzung, aber geringe Akzeptanz durch Agenten	Entwickler sind sich der Funktionen Copilot agent möglicherweise nicht bewusst.	Teilen Sie interne Demos oder Erfolgsgeschichten.
Rückgang der DAU- oder Akzeptanzrate	Konfigurationsprobleme oder reduzierte Relevanz von Vorschlägen.	Ermutigen Sie Feedback, und überprüfen Sie die IDE- und Erweiterungsversionen.