用途：作为资深数据分析流程，判断两期二值比率变化是否获得统计支持、统计设计是否匹配业务问题、效应是否具有实际意义。覆盖留存、复购、转化、流失、续费等二值结果，支持 first_occurrence、period_active、paired 设计与独立双比例 Z 检验、Fisher 精确检验、McNemar 检验，并涉及重叠/独立性诊断、SRM、置信区间、效应量与功效样本量建议。不负责核对源指标计算是否正确，不处理连续指标（如 ARPU/LTV 均值）、多期预测，也不做多指标/多分组的未校正发现。
使用方式：先解析业务定义，明确场景、A/B 时期、cohort 事件、结果事件、观察窗口、窗口模式、过滤条件与队列设计。仅选择项目时，单项目直接使用，零个或多个需列出后由用户选择。提取前须用 ae-cli 元数据命令校验事件与属性是否存在，标识符以返回结果为准，不确定时询问用户。数据提取按参照模板执行，first_occurrence 重叠结构为 0，period_active 按每期首次出现，paired 需两期均活跃；SQL 标识符 #user_id、$part_event、$part_date 需双引号。样本质量检查包括配对 b+c=0 阻断 McNemar、边界比率用 Fisher、期望单元格 <5 用 Fisher、并发 A/B 的 SRM 硬拒绝停止、period_active 重叠率 ≥30% 自动配对；n<30 为警告非阻断。检验路由：配对或 McNemar 阻断用 McNemar，独立群组边界比率或期望单元格 <5 用 Fisher，否则双比例 Z 检验；McNemar 中 b+c=0 无不一致对、b+c<25 精确二项、否则连续性校正卡方。计算使用 python3 scripts/analyze.py --input job.json --output stats.json，避免手算；相对提升、n_needed、mdd 等在对应用例为 null。解读时区分统计显著性、效应大小、设计限制与样本充分性，不将 p>=0.05 等同无效应、p<0.05 等同业务成功。最终报告需含规定的 7 个部分及头部区块。
限制：不审计源指标计算，不处理连续指标、多期预测与多重比较；前后对比不构成因果；配对设计存在幸存者偏差提示，period_active 存在独立性提示。具体项目事件名、可用的元数据与脚本路径等依赖实际环境，资料未提供。