示例：次周留存分析训练包

这个示例把 分析 Brief 模板、数据质量检查模板、命令与复现模板 和 报告 Handoff 模板 串成一个完整分析交付包。

场景

• 目标：比较新版 onboarding 上线前后，新用户 D7 retention 的变化。
• 受众：产品、增长、管理层。

1. 分析 Brief 摘要

## 要回答的问题
- 新版 onboarding 是否提高了次周留存？
- 提升主要来自哪个渠道或设备类型？

## 指标与口径
- D7 retention = 注册后第 7 天仍有活跃行为的用户占比
- 时间窗口：上线前 14 天 vs 上线后 14 天

2. 数据质量检查摘要

## 基础检查
- 注册事件表与活跃事件表时间窗口一致
- user_id 覆盖率 99.2%

## 口径一致性
- Android 渠道字段在历史报表中使用 `channel_group`
- 本次统一映射到 `acquisition_channel`

3. 命令与复现摘要

## 关键命令
- python scripts/extract_retention_cohorts.py
- python scripts/check_retention_quality.py

## 关键 SQL
- retention_cohorts.sql
- active_users_d7.sql

4. 报告 Handoff 摘要

## 一句话结论
- 新版 onboarding 让整体 D7 retention 提升 2.3pt，提升主要来自 Web 新用户。

## 限制条件
- iOS 渠道样本量较小
- Android 某广告渠道上周有归因延迟

配套 workflow 与案例

• 先用 Terminal-First Repo Pairing 做 SQL 与脚本验证。
• 再回 Workflow Playbook 选适合的交付方式。
• 如果要把审计、脚本和 draft 结果连起来，可参考 Gemini CLI Terminal Audit to Draft PR 的证据组织方式。