用途：为 SaaS 订阅业务提供指标计算与诊断，覆盖 MRR/ARR 增长、队列留存、单位经济三大类分析，面向创始人、财务与增长运营人员。计算前需确认指标集、报告周期与币种处理、毛利率、流失定义（总收入/净收入、客户数/收入口径）；信息不清时应先询问，用户要求直接起草时则在产物顶部列出假设。
主要能力：mrr_calculator.py 从含 customer_id、plan、mrr、start_date、end_date 的订阅 CSV 计算 MRR、ARR、增长率与流失率；cohort_analyzer.py 从含 user_id、signup_date、last_active_date 的用户活动 CSV 做留存矩阵与留存曲线；unit_economics.py 读取含 total_customers、new_customers、churned_customers、total_mrr、arpu、gross_margin、sales_marketing_spend、monthly_churn_rate 等字段的 JSON，计算 LTV、CAC、LTV:CAC 与回本月数。
使用方式示例：python scripts/mrr_calculator.py subscriptions.csv；python scripts/cohort_analyzer.py users.csv --cohort-period monthly；python scripts/unit_economics.py metrics.json。脚本支持 --format json 输出供图表与投资人材料使用，--breakdown 可按套餐分层查看流失。常见流程包括月度健康检查、投资人材料准备与流失排查。
口径与基准：ARR=MRR×12；净新增 MRR=新增+扩张−流失−收缩；NRR=(期初 MRR+扩张−流失−收缩)/期初 MRR；LTV=ARPU×毛利率/流失率；CAC=销售与市场支出/新增客户；目标 LTV:CAC≥3:1。预警阈值：月流失>5%、LTV:CAC<3、回本>18 个月；基准表将月流失<2%、NRR>120%、LTV:CAC>3:1、回本<12 个月、毛利率>75% 视为强。
限制：依赖输入数据的完整与口径一致；多币种归一化、毛利率取值、流失定义需用户明确提供；未提供脚本具体参数全集与依赖环境说明，暂未提供。