{
  "output": "生成《三套定价方案 A/B 测试假设与验证指标》ab_hypotheses.md (114行, 目标115)。基于10次访谈定价敏感度分级(高/中/低)与Starter¥29/Pro¥99/Business¥299三档，产出3个独立A/B假设: H1(P0,14天,2000UV/组): 三档展示 vs 单一¥99, 预期CVR相对提升≥40%、ARPU稀释≤15%; H2(P1,21天,1500付费/组): Pro高亮锚定 vs 平铺, 预期Pro+占比从45%→≥65%、加权ARPU提升≥20%; H3(P2,60天,300企业/组): B2B加Business档 vs 两档, 预期LTV/CAC从2.1→≥3.5、CAC回收期≤8月。每个假设配4个可量化指标(CVR/ARPU/加权ARPU/留存 · Pro+占比/加权ARPU/整体CVR/续费率 · LTV/CAC/回收期/Business升级率/12月LTV)全部带明确阈值。补充通用实验规范: 随机化(anonymous_id/company_domain哈希分桶)、α=0.05/β=0.20、Evan Miller样本量、SRM T+3检查、3条护栏指标(P95延迟/工单率/退款率)、伦理合规(禁止基于个人属性差异化)。verify: grep确认3个H标题、19条指标表行(>=12)、36处阈值符号≥/≤/提升(>=24)。",
  "gotchas": [
    "初稿82行, 低于任务描述的115行目标, 补写'通用实验规范'章节(随机化/统计口径/护栏/决策节奏/伦理)后达到114行",
    "H3按company_domain而非anonymous_id分桶, 避免同企业不同员工被分到不同桶导致污染 —— 这是B2B实验常见坑",
    "护栏指标必须与主指标分离评估, 否则Pro+占比提升但客服工单飙升的情况会被主指标掩盖"
  ],
  "handoff_summary": "3个A/B假设已量化落地, 可直接交给增长/数据团队部署实验; 建议先跑H1(14天低成本)验证阶梯定价漏斗, 再跑H2/H3。",
  "artifacts": ["ab_hypotheses.md", "result.json"],
  "test_output": "line count: 114 | ## H headers: 3 | threshold symbols (≥/≤/提升): 36 | metric table rows: 19 | metric names found: ARPU/Business档升级率/CAC/CVR/LTV/Pro+占比/留存/续费/加权ARPU/回收期",
  "self_critique_passed": true,
  "self_critique_notes": [
    "自查1: 假设文件存在但未跑真实统计 —— 文档本身是设计规格, 无需实际执行, 但通过grep验证结构完整性",
    "自查2: SUCCESS_CRITERIA要求每假设≥3指标, 实际给4个, 满足",
    "自查3: 每个指标都有明确阈值(相对提升/绝对值/回收期月数), 无开放式判断",
    "自查4: 补充SRM/护栏/伦理章节, 覆盖B2B分桶污染等edge case",
    "自查5: 阈值符号覆盖36处 (>=24要求)"
  ],
  "self_check": {
    "three_independent_hypotheses": true,
    "explicit_A_vs_B_comparison": true,
    "expected_result_quantified": true,
    "at_least_3_metrics_per_hypothesis": true,
    "metrics_have_thresholds": true,
    "line_count_near_115": true,
    "sample_size_and_duration_specified": true,
    "decision_rules_specified": true
  }
}