用途：面向移动增长的盈利性分析技能，判断付费获客在经济上是否可行，按渠道、地区和整体给出放大、维持或暂停的明确建议。
主要能力：读取 app-ads-context.md 获取 LTV、目标 CPA、商店抽成与月度预算；LTV 未知时通过 subscription-snapshot 拉取订阅基线；默认 CPA 看最近 7 天、ROAS 看最近 14 天。核心公式包括毛利率（收入-广告花费-商店抽成）/收入、ROAS=归因收入/广告花费、每用户净利=LTV-CPA-抽成比例×LTV、盈亏平衡 CPA=LTV×(1-抽成)、放大 CPA=LTV×(1-抽成)×0.5、回本天数与混合 CPA。商店抽成默认 15%（Apple 小型企业、Google Play 首 100 万美元），未指定时按此处理。
使用方式：通过 MCP 工具从已连接渠道取数，如 tiktok_ads_performance（level: advertiser, days: 7）、meta_ads_insights（target_type: ad_account, date_preset: last_7d）、asa_profitability（需 rc_key，level: campaign, days: 14, min_spend: 10）、rc_overview 与 rc_attribution_summary。ASA 是唯一可通过 Appeeky 原生关联收入的渠道；Meta 与 TikTok 的 ROAS 来自归因摘要，属方向性参考。依据 ROAS 与净利率阈值输出放大、维持优化、优化或暂停的决策矩阵，并按渠道列出花费、安装、转化、CPA、CPI、收入、ROAS 与结论，附自检清单与报告模板，可交接给 asa-roas-analysis、cross-channel-budget、mmp-setup 等技能。
适用场景：订阅类移动应用评估买量经济性、跨渠道预算分配前的判断、渠道级盈利诊断。
限制：TikTok iOS 数据延迟 24–72 小时，Meta 在 iOS 上存在建模差异，Google UAC 需手动跟踪且暂无 Appeeky API；归因摘要数据不如 MMP 精确；首 500 美元/渠道常不盈利；LTV 随时间衰减，成熟应用建议用 90 天 LTV；地区比较需用同地区 LTV。价格、抽成具体数值以资料默认假设为准，其他未提供信息暂未提供。