revenue-operations

收入运营

面向 SaaS 收入团队的管道分析、预测准确性跟踪和 GTM 效率衡量。

输出格式： 所有脚本均支持 --format text（便于人工阅读）和 --format json（用于仪表盘和集成）。

---

快速开始

# Analyze pipeline health and coverage
python scripts/pipeline_analyzer.py --input assets/sample_pipeline_data.json --format text

# Track forecast accuracy over multiple periods
python scripts/forecast_accuracy_tracker.py assets/sample_forecast_data.json --format text

# Calculate GTM efficiency metrics
python scripts/gtm_efficiency_calculator.py assets/sample_gtm_data.json --format text

---

工具概览

1. 管道分析器

分析销售管道健康状况，包括覆盖率、阶段转化率、成交速度、停滞风险和集中度风险。

输入： 包含商机、配额和阶段配置的 JSON 文件 输出： 覆盖率、转化率、速度指标、停滞标记、风险评估

用法：

python scripts/pipeline_analyzer.py --input pipeline.json --format text

计算的关键指标：

• 管道覆盖率 -- 管道总价值 / 配额目标（健康值：3-4 倍）
• 阶段转化率 -- 阶段间的推进比率
• 销售速度 -- （商机数 x 平均成交规模 x 赢单率）/ 平均销售周期
• 商机停滞 -- 标记在每个阶段超过平均周期时间 2 倍的商机
• 集中度风险 -- 当单一商机占管道超过 40% 时发出警告
• 覆盖缺口分析 -- 识别管道不足的季度

输入结构：

{
  "quota": 500000,
  "stages": ["Discovery", "Qualification", "Proposal", "Negotiation", "Closed Won"],
  "average_cycle_days": 45,
  "deals": [
    {
      "id": "D001",
      "name": "Acme Corp",
      "stage": "Proposal",
      "value": 85000,
      "age_days": 32,
      "close_date": "2025-03-15",
      "owner": "rep_1"
    }
  ]
}

2. 预测准确性跟踪器

使用 MAPE 跟踪一段时间内的预测准确性，检测系统性偏差，分析趋势，并提供按类别的细分。

输入： 包含预测周期及可选类别细分的 JSON 文件 输出： MAPE 分数、偏差分析、趋势、类别细分、准确性评级

用法：

python scripts/forecast_accuracy_tracker.py forecast_data.json --format text

计算的关键指标：

• MAPE -- mean(|实际值 - 预测值| / |实际值|) x 100
• 预测偏差 -- 高估（正值）与低估（负值）的倾向
• 加权准确性 -- 按商机金额加权的 MAPE，以体现重要性
• 周期趋势 -- 随时间推移，准确性呈提升、稳定或下降趋势
• 类别细分 -- 按销售代表、产品、细分市场或任何自定义维度划分的准确性

准确性评级：

评级	MAPE 范围	含义
优秀	<10%	高度可预测，数据驱动的流程
良好	10-15%	可靠的预测，偏差较小
一般	15-25%	需要改进流程
较差	>25%	预测方法存在重大缺陷

输入结构：

{
  "forecast_periods": [
    {"period": "2025-Q1", "forecast": 480000, "actual": 520000},
    {"period": "2025-Q2", "forecast": 550000, "actual": 510000}
  ],
  "category_breakdowns": {
    "by_rep": [
      {"category": "Rep A", "forecast": 200000, "actual": 210000},
      {"category": "Rep B", "forecast": 280000, "actual": 310000}
    ]
  }
}

3. GTM 效率计算器

计算核心 SaaS GTM 效率指标，并提供行业基准对比、评级和改进建议。

输入： 包含收入、成本和客户指标的 JSON 文件 输出： Magic Number、LTV:CAC、CAC 回收期、Burn Multiple、Rule of 40、NDR，以及对应评级

用法：

python scripts/gtm_efficiency_calculator.py gtm_data.json --format text

计算的关键指标：

指标	公式	目标
Magic Number	净新增 ARR / 上一期销售与营销支出	>0.75
LTV:CAC	(ARPA x 毛利率 / 流失率) / CAC	>3:1
CAC 回收期	CAC / (ARPA x 毛利率)，单位为月	<18 个月
Burn Multiple	净烧钱额 / 净新增 ARR	<2x
Rule of 40	收入增长率 % + 自由现金流利润率 %	>40%
净美元留存率	(期初 ARR + 扩张 - 收缩 - 流失) / 期初 ARR	>110%

输入结构：

{
  "revenue": {
    "current_arr": 5000000,
    "prior_arr": 3800000,
    "net_new_arr": 1200000,
    "arpa_monthly": 2500,
    "revenue_growth_pct": 31.6
  },
  "costs": {
    "sales_marketing_spend": 1800000,
    "cac": 18000,
    "gross_margin_pct": 78,
    "total_operating_expense": 6500000,
    "net_burn": 1500000,
    "fcf_margin_pct": 8.4
  },
  "customers": {
    "beginning_arr": 3800000,
    "expansion_arr": 600000,
    "contraction_arr": 100000,
    "churned_arr": 300000,
    "annual_churn_rate_pct": 8
  }
}

---

收入运营工作流

每周管道回顾

在每周的管道检视节奏中使用此工作流。

1. 验证输入数据： 在继续之前，确认管道导出数据是最新的，并且所有必填字段（阶段、金额、预计成交日期、负责人）均已填写。

2. 生成管道报告：

   python scripts/pipeline_analyzer.py --input current_pipeline.json --format text
   

3. 将输出总计与 CRM 源系统进行交叉核对，以确认数据完整性。

4. 审查关键指标：

   • 管道覆盖率（是否高于配额的 3 倍？）
   • 超过阈值的停滞商机（哪些商机需要介入？）
   • 集中度风险（是否过度依赖少数大额商机？）
   • 阶段分布（漏斗形状是否健康？）

5. 使用模板记录： 使用 assets/pipeline_review_template.md

6. 行动项： 处理停滞商机，重新分配管道集中度，填补覆盖缺口

预测准确性复盘

建议每月或每季度使用，以评估并提升预测的规范性。

1. 核验输入数据： 运行前，确认所有预测周期都有对应的实际数据，且没有缺失的周期。

2. 生成准确性报告：

   python scripts/forecast_accuracy_tracker.py forecast_history.json --format text
   

3. 交叉核对实际数据： 在得出结论前，将实际数据与 CRM 中的成交记录进行比对。

4. 分析规律：

   • MAPE 是否呈下降趋势（即是否在改善）？
   • 哪些销售代表或细分市场的误差率最高？
   • 是否存在系统性的高估或低估？

5. 使用模板记录： 使用 assets/forecast_report_template.md

6. 改进措施： 辅导预测偏差较大的销售代表，调整方法论，提升数据质量管理

GTM 效率审计

建议每季度或在董事会筹备期间使用，以评估市场进入（GTM）效率。

1. 核验输入数据： 运行前，确认收入、成本和客户数据与财务记录一致。

2. 计算效率指标：

   python scripts/gtm_efficiency_calculator.py quarterly_data.json --format text
   

3. 交叉核对计算出的 ARR 与支出总额： 在分享结果前，将其与财务系统进行比对。

4. 与目标值对标：

   • Magic Number（>0.75）
   • LTV:CAC（>3:1）
   • CAC 回收期（<18 个月）
   • Rule of 40（>40%）

5. 使用模板记录： 使用 assets/gtm_dashboard_template.md

6. 战略决策： 调整支出分配，优化渠道，提升留存

季度业务评审

结合全部三个工具，进行全面的季度业务评审（QBR）分析。

1. 运行管道分析器，获取面向未来的覆盖情况
2. 运行预测跟踪器，回顾历史准确性
3. 运行 GTM 计算器，获取效率基准
4. 将管道健康度与预测准确性相互对照
5. 将 GTM 效率指标与增长目标对齐

---

参考文档

参考文档	说明
RevOps 指标指南	完整的指标层级、定义、公式及解读方法
管道管理框架	管道最佳实践、阶段定义、转化率基准
GTM 效率基准	按阶段划分的 SaaS 基准、行业标准及改进策略

---

模板

模板	使用场景
管道评审模板	每周/每月管道巡检记录
预测报告模板	预测准确性报告与趋势分析
GTM 仪表板模板	面向管理层评审的 GTM 效率仪表板
示例管道数据	pipeline_analyzer.py 的示例输入
预期输出	pipeline_analyzer.py 的参考输出