用途：围绕留存改进、LTV 建模、行为分群或流失预测四类目标之一，产出可向产品管理层或增长、数据团队汇报的结构化同期群分析。
主要能力：按获取月份等口径定义互斥同期群；生成逐期留存矩阵并定位留存平台期；基于已观测留存数据做 LTV 投影；按行为划分互斥且穷尽的分群并识别激活阈值；列出可观测的流失领先信号及干预映射；对比不同时期同期群以观察产品改动效果；给出与具体发现绑定的优先级建议；提供可适配用户实际表结构的 SQL 参考模板；并以 0–40 分评分卡与质量检查清单校验输出。
使用方式：开始前需补齐分析目标、产品或功能、同期群定义、观察窗口、关键指标、可用数据（schema/表名/指标）、基线或目标等输入，缺失即询问，不得编造数字、基准或 schema。若无法提供真实数据，则输出带明显占位符（如 [X%]、[£X]、[N users]）的框架并标明哪些部分需真实数据。按确认输入、定义同期群、构建留存表、投影 LTV、行为分群、识别流失信号、跨群对比、排序建议、给出 SQL、执行质检的顺序推进。
适用场景：留存下滑定位、渠道或套餐 LTV 对比、激活行为研究、流失预警设计、新老同期群趋势评估。
限制与注意事项：ARPU 与 LTV 必须基于观测数据，缺收入数据时跳过 LTV 部分；留存须以完成关键留存事件定义，而非仅登录；低于可靠性阈值的同期群需标记并排除于趋势结论；领先指标的关联系数须来自实测，否则标为未验证假设；预期提升无法从数据估算时须如实说明，不得虚构百分比；推荐项必须锚定具体同期群、分群或信号；SQL 需按 BigQuery、Redshift、Snowflake 等方言确认后运行。