mcpField
F
financial-unit-economics

financial-unit-economics

github.com/lyndonkl数据与数据库187190 次安装10 周前更新
代码仓库

关于 financial-unit-economics

用于分析企业单位经济效益的技能，提供从定义分析单位到提出建议的流程，并覆盖订阅、电商、平台、免费增值和企业销售模式。它强调按客户群和渠道核算，并以观察到的留存数据估算 LTV。

主要功能

  1. 01单位经济分析步骤清单
  2. 02CAC、LTV 与贡献毛利计算
  3. 03按客户群分析留存
  4. 04按渠道拆分获客成本
  5. 05多种商业模式指标与基准
  6. 06输出分析和建议文件

适用场景

  1. 01评估 SaaS 订阅业务的增长效益
  2. 02比较不同获客渠道的盈利能力
  3. 03分析电商复购与订单贡献毛利
  4. 04依据留存数据审视扩张计划

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/lyndonkl/claude --skill financial-unit-economics

安装后在 Claude Code 中输入/financial-unit-economics确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

resources/
methodology.md
template.md
resources/evaluators/
rubric_financial_unit_economics.json

详细介绍

财务单位经济效益

目录

示例

场景：SaaS 初创公司，月订阅费 $100

  • CAC：$20k 投入 / 100 位客户 = $200
  • 毛利率：($100 - $20 变动成本) / $100 = 80%
  • 月流失率：5% -> 平均生命周期 = 20 个月
  • LTV：$100 x 20 个月 x 80% = $1,600
  • LTV/CAC：8:1（健康，>3:1），回本周期：2.5 个月（良好，<12 个月）
  • 解读：单位经济效益强劲。可以盈利地扩大营销投入。

工作流

复制此检查清单并跟踪进度：

Unit Economics Analysis Progress:
- [ ] Step 1: Define the unit
- [ ] Step 2: Calculate CAC
- [ ] Step 3: Calculate LTV
- [ ] Step 4: Assess contribution margin
- [ ] Step 5: Analyze cohorts
- [ ] Step 6: Interpret and recommend

步骤 1：定义单位

你的分析单位是什么？（客户、产品 SKU、交易、订阅）。参见 resources/template.md。

步骤 2：计算 CAC

总获客成本（销售 + 营销）÷ 新增单位数。适用时按渠道细分。参见 resources/template.md 和 resources/methodology.md。

步骤 3：计算 LTV

单位生命周期内的收入减去变动成本。使用群组数据分析留存率/流失率。参见 resources/template.md 和 resources/methodology.md。

步骤 4：评估贡献毛利率

（收入 - 变动成本）÷ 收入。找出提升毛利率的杠杆。参见 resources/template.md 和 resources/methodology.md。

步骤 5：分析群组

按客户群组（获客月份/渠道/细分市场）跟踪留存率、LTV 和回本周期。参见 resources/template.md 和 resources/methodology.md。

步骤 6：解读并提出建议

评估 LTV/CAC 比率、回本周期和资金效率。提出建议（定价、渠道、增长）。参见 resources/template.md 和 resources/methodology.md。

使用 resources/evaluators/rubric_financial_unit_economics.json 进行验证。最低标准：平均分 ≥ 3.5。

常见模式

模式 1：SaaS 订阅模式

  • 关键指标：MRR、ARR、流失率、LTV/CAC、回本周期、CAC 回本周期
  • 计算方式：LTV = ARPU × 毛利率 ÷ 流失率
  • 基准：LTV/CAC ≥3:1、回本周期 <12 个月、月流失率 <5%（B2C）或 <2%（B2B）
  • 杠杆：降低流失率（提高 LTV）、追加销售/交叉销售（提高 ARPU）、优化渠道（降低 CAC）
  • 适用场景：订阅业务、经常性收入、留存至关重要

模式 2：电商/交易型

  • 关键指标：AOV（平均订单价值）、重复购买率、每笔订单的边际贡献、CAC
  • 计算方式：LTV = AOV × 购买频率 × 毛利率 × 客户生命周期（年）
  • 基准：边际贡献 ≥40%、重复购买率 ≥25%、LTV/CAC ≥2:1
  • 杠杆：提高 AOV（捆绑销售、追加销售）、促进重复购买（忠诚度计划）、降低可变成本
  • 适用场景：交易型业务、电商、零售

模式 3：市场平台/平台

  • 关键指标：抽成率、GMV（商品交易总额）、供给端/需求端 CAC、流动性
  • 计算方式：LTV = 每位用户的 GMV × 抽成率 × 毛利率 ÷ 流失率
  • 基准：抽成率 10-30%、供需双方的 LTV/CAC 均 ≥3:1、网络效应开始显现
  • 杠杆：提高抽成率（增值服务）、改进匹配（提高 GMV）、平衡供需
  • 适用场景：双边市场平台、平台业务

模式 4：免费增值/PLG（产品驱动增长）

  • 关键指标：免费用户转付费用户的转化率、转化所需时间、付费用户 LTV、综合 CAC
  • 计算方式：综合 LTV =（免费用户数 × 转化率 × 付费用户 LTV）-（免费用户成本）
  • 基准：转化率 ≥2%、转化所需时间 <90 天、付费用户 LTV/CAC ≥4:1
  • 杠杆：提高转化率（改进产品、优化付费墙）、缩短实现价值所需时间、通过病毒式传播降低 CAC
  • 适用场景：产品驱动增长、免费增值模式、具有病毒式传播效应的产品

模式 5：企业级/高接触式销售

  • 关键指标：CAC（包括销售团队成本）、销售周期时长、NRR（净收入留存率）、LTV
  • 计算方式：LTV = ACV（年度合同价值）× 毛利率 × 平均客户生命周期（年）
  • 基准：LTV/CAC ≥3:1、销售效率（新增 ARR ÷ S&M 支出）≥1.0、NRR ≥110%
  • 杠杆：缩短销售周期、提高 ACV（追加销售、高级套餐）、提升留存率（NRR）
  • 适用场景：企业级销售、高 ACV、较长的销售周期

注意事项

  1. 完全计入 CAC：纳入所有获客成本（销售人员薪资、营销支出、工具、分摊的管理费用）。漏算销售团队薪资是常见问题，会夸大经济效益。

  2. 真实的可变成本：只计入随每个单位变化的成本（COGS、每位用户的托管费用、交易费）。排除固定成本（租金、核心工程成本）。准确的利润率对 LTV 至关重要。

  3. 基于客户群组的 LTV：早期客户群组与近期客户群组并不相同。按客户群组追踪留存曲线。LTV 应基于实际观察到的留存情况，而非假设。

  4. 采用保守的时间范围：LTV 是预测。对于数据有限的新产品，应更重视近期客户群组，避免将预测延伸到远超实际观察行为的时间范围。

  5. 同时优化回本周期和 LTV/CAC：即使 LTV/CAC 很高，回本周期过长（>18 个月）也会造成现金压力。回本快（<6 个月）则有助于快速再投资。

  6. 按渠道分析：汇总指标会掩盖真实情况。CAC 和 LTV 因渠道而异（付费搜索、推荐、内容）。应分别细分，以优化支出。

  7. 留存率会以指数级影响 LTV：将月流失率从 5% 降至 4%，LTV 就会提高 25%。与获客优化相比，提升留存率通常更重要。

  8. 毛利率底线：SaaS 的毛利率需达到 >=60%，电商需达到 >=40%，才能实现可持续经营。毛利率低意味着即使 LTV/CAC 比率很高，现金流仍会不佳。

常见陷阱：

  • ❌ 忽略流失率：假设客户会永远留下。现实中，流失会不断累积。应使用客户群组留存曲线。
  • ❌ 虚高的 LTV：采用不切实际的留存假设（例如，只有 1 个月的数据，却估算 5 年 LTV）。应以观察到的行为为准。
  • ❌ 混合计算 CAC：将盈利和不盈利的渠道混在一起。应按渠道、细分市场和客户群组分别分析。
  • ❌ 不更新：随着产品、市场和竞争环境变化，单位经济效益也会变化。应每季度重新计算。
  • ❌ 漏算成本：忘记支持成本、支付处理费、欺诈损失和退款。应追踪所有成本。
  • ❌ 过早扩大规模：在单位经济效益尚未成立（LTV/CAC <2:1）时就扩大规模。“靠走量弥补”很少奏效。

快速参考

关键公式：

CAC = (Sales + Marketing Costs) ÷ New Customers Acquired

LTV (subscription) = ARPU × Gross Margin % ÷ Monthly Churn Rate

LTV (transactional) = AOV × Purchase Frequency × Gross Margin % × Lifetime (years)

Contribution Margin % = (Revenue - Variable Costs) ÷ Revenue

LTV/CAC Ratio = Lifetime Value ÷ Customer Acquisition Cost

Payback Period (months) = CAC ÷ (Monthly Revenue × Gross Margin %)

CAC Payback (months) = S&M Spend ÷ (New ARR × Gross Margin %)

Gross Margin % = (Revenue - COGS) ÷ Revenue

Customer Lifetime (months) = 1 ÷ Monthly Churn Rate

MRR (Monthly Recurring Revenue) = Sum of all monthly subscriptions

ARR (Annual Recurring Revenue) = MRR × 12

ARPU (Average Revenue Per User) = Total Revenue ÷ Total Users

NRR (Net Revenue Retention) = (Starting ARR + Expansion - Contraction - Churn) ÷ Starting ARR

基准（因阶段和行业而异）：

指标良好可接受较差
LTV/CAC 比率≥5:13:1 - 5:1<3:1
回本周期<6 个月6-12 个月>18 个月
毛利率（SaaS）≥80%60-80%<60%
毛利率（电商）≥50%40-50%<40%
月流失率（B2C SaaS）<3%3-7%>7%
月流失率（B2B SaaS）<1%1-3%>3%
CAC 回本周期（SaaS）<12 个月12-18 个月>18 个月
NRR（SaaS）≥120%100-120%<100%

决策框架：

LTV/CAC回本周期建议
<1:1任意停止：每位客户都会带来亏损。修正商业模式或转型。
1:1 - 2:1>12 个月谨慎：经济效益有限。暂勿扩大规模。提高留存率或降低 CAC。
2:1 - 3:16-12 个月优化：单位经济效益可接受。扩大规模前应着重改进。
3:1 - 5:1<12 个月扩大规模：经济效益良好。可通过投资增长实现盈利。
>5:1<6 个月积极扩大规模：经济效益出色。筹集资金，快速增加投入。

所需输入：

  • 收入数据：定价、ARPU、AOV、交易频率
  • 成本数据：销售/营销支出、COGS、每位客户的可变成本
  • 留存数据：流失率、客户群留存曲线、重复购买行为
  • 渠道数据：各获客渠道的 CAC、各细分群体的 LTV
  • 时间段：客户群定义（月度、季度）、历史数据范围

生成的输出：

  • unit-economics-analysis.md：完整分析，包含 CAC、LTV、比率和客户群细分
  • cohort-retention-table.csv：各客户群的留存曲线
  • channel-profitability.csv：各获客渠道的 CAC 和 LTV
  • recommendations.md：根据指标提供的定价、渠道和增长建议

评论

支持 Markdown