用途：分析游戏 PVP 胜率与留存、付费、玩家成长之间的关系，评估胜率分布、匹配健康度，并检验倒 U 型关系是否在控制样本构成后仍成立。
主要能力：按胜率分桶统计样本量与胜率分布；计算各桶 D1/D7 留存；统计付费率、ARPU 与收入；按成长或战力层级分层比较；在控制样本构成后检验倒 U 型关系。核心公式：玩家胜率=有效胜场/有效 PVP 对局；付费率=去重付费人数/有效 PVP 玩家数；ARPU=总付费/有效 PVP 玩家数。仅在存在可验证字段与取值时排除放弃、取消、机器人及无效对局。
使用方式：需先收集项目 ID、分析周期、游戏/项目名、PVP 事件、结果属性、付费事件/属性及活跃/回流事件。优先复用已验证的现有报表与看板，用 ae-cli analysis report list、dashboard list 查询，用 report get、dashboard get 检查，再用 report-data run、dashboard-report-data run 执行。聚合检查可用 ae-cli analysis adhoc run --model-type event；用户级胜率数据集通常需在发现授权物理表后用 SQL 导出，命令如 ae-cli analysis sql-table list --project-id <project_id> 与 ae-cli analysis-meta datatable columns-get --project-id <project_id> --table-ref <returned_table_ref>，再以 analysis adhoc export --model-type sql 导出。留存用 retention 模型，付费用 event 模型。
数据质量门槛：有效 PVP 用户建议至少 5000，有效对局至少 50000，每胜率桶用户至少 1000，覆盖至少 7 个完整天，报告身份匹配率，不得用截断预览当作全量。
限制：无法解析有效 PVP 事件、结果字段或稳定用户标识时应停止并说明缺失需求；不得编造表、列或方言表达式；不得用账号 ID 静默替换设备 ID；相关性不等于因果，除非来自有效实验或因果设计；创建标签、集群、报表、看板等属写操作，需先确认；未返回资源 ID 不得声称成功。