PostHog

PostHog 是由 James Hawkins 和 Tim Glaser 打造的开源开发者分析平台，于 2020 年通过 Y Combinator 的 W20 批次推出。该公司的理念非常简单：将工程团队所需的所有与客户相关的软件产品集中在一个地方、基于统一的数据模型，并提供透明的定价，且不按席位收费。如今，超过 190,000 个团队在使用 PostHog，其中包括每批 Y Combinator 创业公司中 65% 的企业，该平台已发展到为全球约 250,000 名工程师提供服务。

该平台在单一 SDK 和仪表板下集成了产品分析、Web 分析、会话回放、功能开关、A/B 实验、错误跟踪、用户调查、内置数据仓库、客户数据管道以及 LLM 可观测性。工程师只需进行一次埋点，即可访问整个技术栈：他们可以直接对数据仓库编写 SQL，而无需单独的 ETL 管道；将会话记录与特定的漏斗流失关联起来；针对功能开关群组运行 A/B 测试；现在还可以将 LLM 调用成本和延迟与产品行为指标一起进行追踪。核心代码库采用 MIT 许可证，在 GitHub 上拥有 34.2k 颗星；此外还提供了一个剥离了所有企业代码的完全 FOSS 版本 (posthog-foss)。

截至 2026 年 4 月，PostHog 的实际功能

PostHog 已经从单一的产品分析工具扩展为该公司所谓的“客户基础设施”。截至 2026 年 4 月，该平台作为八个集成产品发布，这些产品均运行在同一个事件摄取层上：

• 产品分析：趋势、漏斗、留存、路径、相关性分析以及自定义 SQL 查询。每月最高 1M 个免费事件。

• 会话回放：包含事件时间线、网络请求和控制台日志的用户会话完整视频记录。每月 5,000 次免费记录。桌面端回放质量很高；移动端回放存在已知限制。

• 功能开关：百分比灰度发布、用户属性定向、零延迟读取的本地评估、抢先体验管理以及调度。每月 1M 次免费请求。

• A/B 实验：直接建立在功能开关群组上的统计显著性测试，以漏斗和趋势分析为主要指标类型。

• 错误跟踪：带有堆栈跟踪和事件关联的异常捕获。每月 100K 次免费异常。

• 调查问卷：与用户属性和功能开关绑定的产品内微型调查。每月 1,500 次免费响应。

• LLM 可观测性：将每次 LLM 调用捕获为 PostHog 事件，记录模型、延迟、Token 使用量、成本、输入和输出。仪表板按模型、提供商、功能、用户和组织细分使用情况。提示词管理（测试版）允许团队创建并在运行时获取带有版本控制的提示词。每月 100K 个免费 LLM 事件。

• 数据仓库和管道：内置列式存储，允许对所有产品数据进行直接 SQL 查询，而无需导出到第三方仓库。支持用于从外部数据源摄取的数据管道。

该平台于 2025 年 6 月以 $920M 的估值完成了 $70M 的 D 轮融资，由 Stripe 领投（这背后的故事值得一提：2023 年 11 月，Stripe 首席执行官 Patrick Collison 自发在推特上称赞 PostHog 的网站“做得非常好”，创始人以此为契机，最终促成 Stripe 成为他们的领投方）。Y Combinator、GV 和 Formus Capital 参投。在融资时，PostHog 报告了数千万美元的 ARR 以及 3 倍的同比增长。

PostHog 与 Mixpanel 和 Amplitude 的对比定位

这三个平台在用户行为分析预算上相互竞争，但在架构上却截然不同，这些差异对数据所有权、定价和团队契合度有着实质性的影响。

PostHog vs. Mixpanel：Mixpanel 是一个闭源、纯云端的 SaaS，没有自托管选项。它的数据模型要求在与其他数据源结合之前，先将数据路由通过外部仓库，而 PostHog 的内置数据仓库允许团队通过 SQL 就地查询所有产品数据。Mixpanel 对所有事件统一收费，无论用户身份识别状态如何（增长计划起价约为 $28/月，包含 10K 个事件）；PostHog 对匿名用户事件的收费最高可降低 80%，并在同一个免费层中包含会话回放、功能开关和调查问卷。Mixpanel 在 2025 年底重新推出了实验功能并添加了功能开关，但这些功能比 PostHog 的同类功能更新且不够成熟，后者多年来一直支持本地评估、引导加载 (bootstrapping) 和抢先体验管理。核心权衡：Mixpanel 对于希望通过点击生成报告的产品经理来说更加完善；而 PostHog 则为工程师提供了直接的数据访问权限和工具整合。

PostHog vs. Amplitude：Amplitude 同样是纯云端且闭源的，每月在专为企业合规性构建的区域数据中心处理超过 10 万亿次用户操作。Amplitude 的差异化优势在于预测分析和高级用户细分，包括 PostHog 不具备的行为预测功能。Amplitude 按月活跃跟踪用户 (MTU) 收费（50K MTU 免费），与 PostHog 基于事件的模型相比，在规模化时可能会变得昂贵。Amplitude 增加了会话回放和热力图，但仍然是“分析优先”而非“工程基础设施优先”。核心权衡：Amplitude 服务于需要预测群组、行为预测和严格数据治理的企业团队；而 PostHog 服务于希望获得代码级控制权且不想为五个独立工具付费的工程团队。

“我从录屏等功能中获得的对用户行为的深入理解是完全颠覆性的。我几乎总是开着它的标签页。PostHog 推动了重大的决策制定。” - Markham Nolan，Product Hunt，2025

多合一平台的实际体验

在实践中，采用 PostHog 意味着只需一次埋点即可同时解锁所有八个产品。一家早期初创公司可以通过单一 SDK 集成、单一数据模型和单一账单（通常为零）来替代 Mixpanel、Hotjar、LaunchDarkly 和 Typeform。当用户完成结账时触发的事件，与填充分析漏斗、触发会话回放书签、使用户符合功能开关群组条件以及在 A/B 测试中计为转化的事件是同一个。

对于 AI 产品团队，LLM 可观测性层进一步扩展了这种集成。对 OpenAI、Anthropic 或自托管模型的每一次调用都会成为一个 PostHog 事件，这意味着团队可以在同一个平台内构建将模型性能指标与用户行为相结合的漏斗，观看用户遇到 LLM 响应缓慢或失败时的会话回放，并针对留存指标对提示词变体进行 A/B 测试。PostHog 声称，由于复用了现有的事件摄取基础设施，这种方法提供的成本跟踪比专用的 LLM 可观测性工具便宜约 10 倍。

免费层是真正的产品，而不是试用版。PostHog 报告称，超过 90% 的公司完全免费使用该平台，因为他们的使用量在每月限制范围内。当团队超过任何免费限制时，按需付费层会自动激活，无需预先承诺。

“PostHog 的设置非常简单，我们顺理成章地就用下去了，而且免费层相当不错。” - Hadar Sharvit，Product Hunt，2025

PostHog 的局限性

尽管定位为“多合一”，但在某些类别中，PostHog 仍落后于专用的竞争对手：

大规模自托管比宣传的更难。自托管选项需要运行 ClickHouse、PostgreSQL、Redis、Kafka 和 Zookeeper，Hacker News 上的多位工程师认为，在低于 64GB RAM 的硬件上运行这一技术栈是不切实际的。一位用户报告说，他们的 64 核 Hetzner 服务器“16 个核心全部 100% 满载运行，最终还是无法工作”。PostHog 现在建议对于每月超过 100K 个事件的体量使用其托管云。社区开源 (posthog-foss) 仓库专为需要 100% FOSS 的团队而存在，但主仓库包含一个专有的 ee/ 目录。

2024 年 10 月的一份安全披露补充了背景信息：研究人员在自托管部署中发现了一条漏洞链，包括 Webhook 配置中的 SSRF、ClickHouse SQL 转义缺陷以及导致 RCE 的默认 PostgreSQL 凭据。PostHog 在 24 小时内修补了 SSRF，云客户未受影响（云端自 2024 年 5 月起就具备 SSRF 保护），但该事件凸显了在缺乏专门基础设施专业知识的情况下，自托管复杂多服务技术栈的运营风险。

LLM 可观测性广而不深。与 Langfuse（开源 LLM 工程平台）相比，PostHog 针对 LLM 的特定工具缺乏成熟的评估套件、LLM-as-judge 工作流、详细的追踪可视化以及提示词管理的深度。Langfuse 列出了 78 项以上的 LLM 专属功能。PostHog 建议有严格 LLM 评估需求的团队将 Langfuse 与 PostHog 结合使用，并且存在官方集成。这意味着构建重度依赖 LLM 产品的团队通常会并行运行这两种工具，而不是仅仅整合到 PostHog 中。

没有预测分析。Amplitude 提供了 PostHog 无法匹敌的行为预测和预测群组功能。需要预测流失率、预测参与度或构建机器学习驱动的细分市场的企业团队会发现 PostHog 的分析层不够用。

移动端会话回放尚不成熟。桌面端回放是真正的产品优势。但移动端记录质量受到广泛批评：与 Web 版本相比，观看移动应用会话的体验存在滚动陷阱和保真度有限的问题。

诚实的“避坑”场景：希望获得无需 SQL 的精美分析仪表板的非技术团队；需要预测分析和符合 SOC2 标准的数据治理的企业采购团队；需要大规模完全自托管但不愿在基础设施上投入工程时间的组织；以及构建“LLM 优先”产品、需要深度评估工具而非广泛产品分析的团队。