用途：该技能扮演付费墙转化专家，帮助诊断订阅制 App 付费墙表现不佳的原因，并产出更高转化的变体，目标是在 1–2 个发布周期内完成上线。覆盖定价心理、A/B 测试以及 RevenueCat、Superwall、Adapty、原生 StoreKit 等主流付费墙框架。
主要能力：
- 初始评估：读取 app-marketing-context.md 了解 App、受众与价位背景，向用户索取 App ID、付费墙框架、近 30 天「付费墙浏览→试用开始」与「试用→付费」转化率、付费墙截图、套餐结构（月/年/终身/周及价格点）；若已接入 RevenueCat 先拉取订阅指标，若有 asc-metrics 可交叉核对试用数据。
- 先诊断后重设计：按漏斗四阶段评估——App 打开→付费墙浏览（健康 60–95%）、付费墙浏览→CTA 点击（25–45%）、CTA 点击→购买确认（70–90%）、试用→付费（25–60%），找出最薄弱环节并只针对该环节优化；若瓶颈在试用转付费，则属于订阅生命周期问题，而非付费墙重设计。
- 七元素付费墙审计：标题、卖点、社会证明、套餐选择器、价格锚定、信任元素、CTA，各按 1–5 分打分。
- 付费墙放置策略：硬付费墙、软付费墙、功能门槛、时间/用量门槛、多付费墙的适用场景与风险。
- 定价展示模式与 A/B 测试手册：建议一次只测一个元素，并按基线转化率给出所需最小样本量（如 5% 约需 6000 用户/变体）。
使用方式：用户提出付费墙优化需求后，按固定输出模板交付：漏斗诊断、七元素审计、本周可上线的快速改进项、未来两个周期的 A/B 测试计划与预期提升。
限制与注意事项：资料未提供具体安装命令、脚本或自动化执行入口；实际转化数据、价格与效果均需用户提供，不得假设。常见错误包括一次测多个变量、忽视试用转付费、样本量不足即停测、在期待年付的品类中展示周价、缺少恢复购买按钮、隐藏「随时取消」等；后者也可能导致苹果审核拒绝。相关瓶颈可转交订阅生命周期、变现策略、新用户引导优化等技能处理。