Interpretando métricas de uso e adoção para GitHub Copilot

Depois de exibir o Copilot painel de métricas de uso, você pode usar este artigo para interpretar cada gráfico e identificar oportunidades para aumentar a adoção e o envolvimento.

Revisão das tendências gerais de uso

Use os principais gráficos de uso no painel para entender os padrões gerais de adoção e engajamento. Esses gráficos ajudam você a identificar onde o uso está crescendo, nivelando ou diminuindo, para que você possa tomar medidas para manter o envolvimento.

Métrica	O que ele mostra	Como interpretá-lo
DAU (usuários ativos diários) do IDE	Usuários exclusivos que interagiram com Copilot cada dia.	O crescimento sustentado da DAU sinaliza uma participação consistente; quedas acentuadas podem indicar problemas de configuração ou juros reduzidos.
WAU (usuários ativos semanais) do IDE	Usuários únicos ativos em um período contínuo de 7 dias.	Uma relação íntegra entre o número de usuários e o número de licenças (>60%) indica um uso contínuo e intenso.
Taxa de aceitação de conclusões de código	Porcentagem de sugestões aceitas.	Uma taxa crescente sugere aumentar a confiança e a utilidade; uma queda pode apontar para sugestões incompatíveis ou atrito de fluxo de trabalho.

Revisão da adoção de recursos

Os gráficos "Solicitações por modo de chat" e "Adoção do agente" mostram como os desenvolvedores estão usando Copilot Chat e Copilot agent.

Sinal	O que isso te diz	O que procurar
Solicitações por modo de chat	Detalhamento das interações de chat por modo — Perguntar, Editar, Planejar ou Agente.	Uma distribuição equilibrada sugere que os usuários estão explorando vários recursos. O uso intenso de um modo pode realçar onde a habilitação deve se concentrar.
Adoção do agente	Percentual de usuários ativos que usaram Copilot agent.	O crescimento ao longo do tempo mostra que os desenvolvedores estão progredindo de completamentos básicos para recursos mais avançados Copilot.

Revisando a adoção da personalização Copilot CLI com a API

Para avaliar como os desenvolvedores adotam Copilot CLI personalizações, use a API de métricas de uso. Ele informa habilidades, agentes personalizados, atividade de conexão com o servidor MCP (Model Context Protocol), comandos com barra e plugins para empresas e organizações. Os campos aparecem em relatórios por usuário e relatórios agregados de 1 dia, relatórios por usuário de 28 dias e relatórios agregados de 28 dias day_totals. Eles não estão disponíveis no painel. Para definições de campo, consulte Dados disponíveis nas métricas de uso do Copilot.

interaction_count representa eventos diferentes para cada categoria: invocações de habilidades, inicializações de agentes personalizados, tentativas de conexão ou reconexão do MCP, invocações de comandos de barra ou invocações de habilidades associadas a plug-ins. Esses valores contam eventos de atividade, não usuários. As contagens de MCP incluem tentativas de conexão bem-sucedidas e com falha, mas não chamadas a ferramentas por meio de um servidor já conectado nem o uso em andamento do servidor. Cada interação de plugin já está incluída nas contagens de interações de habilidades, enquanto as interações de habilidade não associadas a um plugin aparecem apenas nos totais de habilidades. Não some as contagens de interação de plug-ins e habilidades.

Para identificar sinais de adoção fortes, procure personalizações nomeadas que aparecem nas matrizes de muitos usuários. Cada matriz contém apenas as cinco entradas com as contagens de interação mais altas para esse registro. Portanto, não interprete uma entrada ausente como uso zero ou use as matrizes para calcular uma taxa de adoção exata.

Contagens distintas mostram quantos identificadores de item diferentes tinham atividade. No escopo corporativo e da organização, um identificador conta uma vez, mesmo que muitos usuários interagiram com ele, portanto, não adicione contagens distintas por usuário para reproduzir um valor agregado. Compare contagens distintas entre registros ou day_totals para ver se a variedade de personalizações com a atividade está mudando.

Sinal	O que ele sugere	Ação sugerida
Uma habilidade nomeada, um agente personalizado, um comando de barra ou um plugin tem um alto número de interações entre muitos usuários	A personalização é amplamente útil e pode ser uma boa candidata à padronização.	Promova-o por meio de exemplos internos, materiais de integração ou uma biblioteca de personalização compartilhada.
Uma personalização específica aparece entre as cinco primeiras posições para apenas alguns usuários, mas tem altos números de interações para esses usuários	A atividade observada está concentrada entre um pequeno grupo. Outros usuários podem ter atividades fora de suas cinco principais entradas.	Peça a esses usuários para compartilhar fluxos de trabalho de exemplo. Em seguida, use comentários do desenvolvedor ou outros dados internos para avaliar uma adoção mais ampla antes de expandir a habilitação.
Contagens distintas são altas, mas a maioria das interações é agrupada em other	Os desenvolvedores estão usando muitas personalizações definidas pelo cliente cujos nomes não são expostos no relatório.	Examine suas fontes e catálogos de personalização interna para identificar oportunidades para consolidar, documentar ou controlar opções sobrepostas.
As contagens de interação permanecem baixas para uma habilidade, um agente personalizado, um comando de barra ou um plug-in que você espera que os desenvolvedores usem	Os desenvolvedores podem não saber se a personalização existe ou quando ela é útil.	Melhore a descoberta com exemplos focados em tarefas e inclua a personalização em sessões de integração ou habilitação relevantes.
A atividade de conexão MCP é maior ou menor do que o esperado	Os desenvolvedores podem estar se reconectando repetidamente, enfrentando falhas nas tentativas de conexão, ou a implementação planejada pode não ter alcançado o público pretendido. Somente as contagens de conexão não mostram se os desenvolvedores estão usando ativamente as ferramentas mcp.	Verifique a configuração do MCP e o processo de distribuição e use outros dados internos ou comentários do desenvolvedor para avaliar o uso contínuo do servidor.
A adoção cresce após uma atividade de habilitação	A atividade pode ter ajudado os desenvolvedores a descobrir personalizações úteis.	Compare vários períodos de relatórios e reúna comentários do desenvolvedor antes de decidir se deseja expandir a atividade.

Revisão da adoção do modelo

Os gráficos "Uso de modelo por dia" e "Uso de modelo por modo de chat" ajudam você a entender quais modelos de IA são usados com mais frequência.

Gráfico	Description	Percepções para extrair
Utilização do modelo por dia	Mostra quais modelos de IA alimentam a atividade Copilot Chat.	Identifique se os usuários estão se envolvendo principalmente com modelos padrão ou experimentando com os mais recentes.
Uso de modelo por modo de chat	Analisa o uso do modelo por modo de chat (Perguntar, Editar, Planejar, Agente).	Monitore como a adoção do modelo evolui à medida que novos modelos são lançados.

Revisão do uso do idioma

Os gráficos "Uso de linguagens" e "Uso de linguagens por dia" mostram quais linguagens de programação os desenvolvedores usam com mais frequência com Copilot.

Gráfico	Description	Como usar
Uso do idioma	Mostra a distribuição da atividade de Copilot Chat por linguagem de programação.	Identifique onde Copilot Chat fornece mais valor e onde o suporte ou habilitação adicional pode ajudar.
Uso de idioma por dia	Acompanha as flutuações diárias na atividade de linguagem.	Detectar mudanças no foco de desenvolvimento ou confirmar se novas equipes ou projetos estão impulsionando o aumento da atividade.

Análise de coortes de adoção

A distribuição das coortes de adoção do painel de impacto mostra a proporção de usuários em cada fase e como essa distribuição muda ao longo do tempo. Para saber o que cada fase significa e como a classificação funciona, consulte Métricas de uso do GitHub Copilot.

Sinal	O que ele sugere	Ação sugerida
Reduzindo a participação da Fase 1, aumentando a participação da Fase 2 ou da Fase 3	Os usuários estão progredindo de conclusões de código para fluxos de trabalho controlados por agente.	Continue com a capacitação atual; considere compartilhar histórias internas de sucesso para manter o ritmo.
Alta ou crescente proporção de usuários inativos	Muitos usuários licenciados ainda não atingiram o limite de envolvimento de uma fase.	Verificar a atribuição de licença e a configuração do IDE; oferecer integração para reengajar usuários inativos. Verifique também se os usuários afetados dependem principalmente de uma superfície que não faz parte dos critérios de classificação de qualquer fase, como Copilot Chat em GitHub.com.
Progressão paralisada da Fase 1 para a Fase 2	Os usuários estão familiarizados com as conclusões e o chat, mas ainda não adotaram as superfícies de agente.	Siga um cartão de recomendação, como configurar Copilot cloud agentou executar uma demonstração de fluxos de trabalho do agente.
Progressão paralisada da Fase 2 para a Fase 3	Os usuários adotaram uma interface de agente, mas não adicionaram interfaces de agente adicionais.	Siga uma recomendação, como habilitar Copilot code review, para introduzir uma segunda superfície de agente.
A fase de um usuário muda de um dia para o outro sem uma alteração em seus hábitos	A atribuição de fase é recalculada diariamente com base nos últimos 28 dias, portanto, a fase de um usuário muda à medida que os dias anteriores expiram.	Esse é o comportamento esperado, não um erro de dados; nenhuma ação necessária.

Quando você vir uma recomendação no painel, como configurar Copilot cloud agent, habilitar Copilot code review, ou enviar um lembrete de integração, siga o guia passo a passo vinculado para concluir a configuração. Cada recomendação é gerada a partir da distribuição de coorte atual da sua organização e tem como alvo a lacuna mais provável para mover os usuários para uma adoção mais profunda.

Revisando o multiplicador de adoção

O multiplicador de adoção compara usuários engajados (Fase 1, 2 ou 3) com usuários passivos em relação ao código entregue (pull requests mesclados por usuário por mês) e ao tempo para mesclar pull requests. Isso mostra o impacto relativo de uma adoção mais profunda, independentemente de quantos usuários se enquadram em cada fase.

Sinal	O que ele sugere	Ação sugerida
Usuários engajados mesclam mais solicitações de pull por usuário por mês do que usuários passivos	Uma maior adoção Copilot está associada a uma produtividade individual mais alta.	Use esta comparação para sustentar o argumento a favor do investimento contínuo em capacitação.
Usuários engajados mesclam menos solicitações de pull por usuário por mês do que usuários passivos	Os usuários envolvidos podem estar gastando mais tempo em trabalhos maiores ou mais complexos, ou a comparação pode refletir diferenças na composição da equipe em vez da profundidade de adoção.	Antes de tirar conclusões, compare os dados com a distribuição da coorte de adoção e os dados em nível de equipe; evite tratar o multiplicador como uma medida isolada de produtividade.
Usuários engajados mesclam solicitações de pull mais rapidamente do que usuários passivos	Uma maior adoção está associada a um ciclo de vida mais curto de uma pull request.	Use essa comparação juntamente com as métricas de ciclo de vida da solicitação de pull para avaliar o impacto geral da entrega.
O multiplicador permanece estável apesar do crescimento na participação da Fase 2 ou Fase 3	A adoção do agente ainda não resultou em uma diferença mensurável nos resultados entre usuários engajados e passivos.	Verifique se o uso do agente está concentrado em alguns usuários ou equipes e se o tempo suficiente passou desde a distribuição para que o impacto seja mostrado.

Revisando o potencial retorno sobre o investimento

A seção Retorno potencial sobre o investimento compara o custo do Copilot, a porcentagem estimada da folha de pagamento e as solicitações de pull por desenvolvedor por mês nas fases de adoção anteriores e com foco no agente. Trate essas comparações como associações direcionais, não prova de que uma alteração na adoção causou uma alteração na saída.

Sinal	O que ele sugere	Ação sugerida
Usuários com foco no agente mesclam mais solicitações de pull com um custo semelhante ou menor como porcentagem da folha de pagamento	O uso com prioridade para agentes está associado a uma maior produção de pull requests em relação ao investimento estimado.	Compare este sinal com o multiplicador de adoção e as tendências ao longo de vários períodos antes de usá-lo para embasar o investimento em capacitação.
Usuários com foco no agente mesclam menos solicitações de pull ou têm um custo maior como porcentagem da folha de pagamento	Diferenças no tipo de trabalho, na composição da equipe ou na maturidade da adoção podem estar afetando a comparação.	Examine a distribuição de coorte e o contexto de nível de equipe antes de tirar conclusões sobre o retorno sobre o investimento.
O percentual de folha de pagamento muda depois que você seleciona um custo de desenvolvedor diferente	O painel está recalculando a estimativa usando uma suposição de compensação diferente, não mostrando uma alteração no uso.	Use a mesma faixa de compensação ao comparar diferentes períodos ou organizações.

Agindo sobre suas percepções

Use tendências de uso, adoção de recursos e atividade de linguagem para orientar o planejamento de habilitação e distribuição.

Observação	Causa possível	Ação sugerida
Alta adoção em algumas equipes, mas baixa em outras	Algumas equipes podem não ter Copilot Chat habilitado ou configurado corretamente.	Verificar a atribuição de licença e a configuração do IDE; oferecer integração em nível de equipe.
Uso constante, mas adoção baixa por agentes	Os desenvolvedores podem não estar cientes dos Copilot agent recursos.	Compartilhe demonstrações internas ou histórias de sucesso.
Queda na DAU ou taxa de aceitação	Problemas de configuração ou redução da relevância das sugestões.	Incentive comentários e verifique o IDE e as versões de extensão.