Product Analytics 是一套把原始产品数据转化为 ship/extend/kill 决策的分析框架，共 4 条规则，覆盖 4 个类别：A/B 实验评估、队列留存、漏斗分析、统计基础。
用途：在评估实验、衡量功能采用与留存、诊断转化流失时提供结构化方法与判断标准。
主要能力：A/B 实验评估按假设、样本量（MDE、power=80%、alpha=0.05）、运行时长的模板记录结果，并按 p 值、置信区间和护栏指标给出 SHIP / EXTEND / KILL 决策；样本量公式、SRM 检查与陷阱清单见 rules/ab-test-evaluation.md。队列留存提供 Day-N 留存 SQL 模式（按 first_seen 分周统计 cohort 大小与 day_7_retention）及 SaaS 基准：Day 1 健康区间 40–60%、Day 7 为 20–35%、Day 30 为 10–20%，30 天后曲线走平是产品市场契合信号。漏斗分析按阶段映射、计算各阶段转化与最大流失点，主张优先修复高流量步骤的最大流失，segmented 漏斗与微转化追踪见 rules/funnel-analysis.md。统计基础用通俗语言解释 p 值、置信区间、MDE、统计显著与业务显著的区别，公式与速查见 references/stats-cheat-sheet.md。
使用方式：按需加载对应规则与参考文件（rules/、references/），套用其中模板与查询模式。终止规则包括 p>0.15 或护栏退化则 KILL、SRM 检测则判定 INVALID 并修复分流后重启。
适用场景：实验结论裁定、留存与采用曲线分析、转化漏斗诊断。限制：正文未提供安装命令、集成方式、收费与平台信息。