mcpField
S
saas-metrics-coach

saas-metrics-coach

github.com/borghei数据与数据库1.0k68 次安装1 周前更新
代码仓库

关于 saas-metrics-coach

面向 SaaS 创始人、财务团队和增长运营人员的命令行技能,可用 CSV 和 JSON 计算订阅指标、分析留存并评估单位经济效益。

主要功能

  1. 01计算 MRR、ARR、增长和流失
  2. 02生成群组留存矩阵与曲线
  3. 03分析 LTV、CAC 和回本周期
  4. 04先确认关键计算假设

适用场景

  1. 01检查每月 SaaS 健康指标
  2. 02准备投资者演示数据
  3. 03按套餐或群组调查流失

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/borghei/claude-skills --skill saas-metrics-coach

安装后在 Claude Code 中输入/saas-metrics-coach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。

examples/
cohorts.csv
subscriptions.csv
references/
saas-metrics-guide.md
scripts/
cohort_analyzer.py
mrr_calculator.py
unit_economics.py

详细介绍

SaaS 指标教练技能

概述

适用于生产环境的 SaaS 指标工具包,可用于计算 MRR/ARR、分析群组留存率并评估单位经济效益。专为需要精确分析订阅收入、又不想在电子表格上费力折腾的 SaaS 创始人、财务团队和增长运营人员设计。

先澄清

开始计算前,请确认以下输入。如果有任何一项未知或含糊不清,请提问——不要自行假设:

  • 指标集 — MRR/ARR 增长、群组留存率或单位经济效益(决定使用哪个脚本,以及输入格式:订阅 CSV、活动 CSV 或指标 JSON)
  • 报告周期 + 货币处理方式 — 时间范围,以及如何对多币种 MRR 进行标准化(会改变所有收入和流失数据)
  • 毛利率 — 要采用的毛利率(影响 LTV 和 CAC 回本周期;LTV = ARPU x 毛利率 / 流失率)
  • 流失定义 — 毛流失还是净流失,按客户数还是收入计算(会改变流失率、NRR 和健康标记结论)

停止规则:只询问对结果影响最大的 2-3 项。如果用户说“先随便起草”,就继续处理,并在文档开头列出假设。

快速开始

# Calculate MRR, ARR, growth rate, and churn from subscription data
python scripts/mrr_calculator.py subscriptions.csv

# Run cohort retention analysis
python scripts/cohort_analyzer.py users.csv --cohort-period monthly

# Calculate LTV, CAC, LTV:CAC ratio, and payback period
python scripts/unit_economics.py metrics.json

工具概览

工具用途输入输出
mrr_calculator.pyMRR、ARR、增长率、流失含订阅数据的 CSV收入指标 + 趋势
cohort_analyzer.py群组留存率分析含用户注册/活动数据的 CSV留存矩阵 + 曲线
unit_economics.pyLTV、CAC、LTV:CAC、回本周期含获客/收入数据的 JSON单位经济效益仪表板

工作流

工作流 1:SaaS 月度健康检查
  1. 将订阅数据导出为 CSV(列:customer_id、plan、mrr、start_date、end_date)
  2. 运行 mrr_calculator.py,获取当前 MRR、ARR、新增净 MRR、流失率
  3. 对用户活动数据运行 cohort_analyzer.py,识别留存趋势
  4. 运行 unit_economics.py,验证 LTV:CAC 比率是否保持在 3:1 以上
  5. 检查输出中的警告标记(流失率 > 5%、LTV:CAC < 3、回本周期 > 18 个月)
工作流 2:准备投资者演示文稿
  1. 运行 mrr_calculator.py --format json,获取用于图表的增长指标
  2. 运行 cohort_analyzer.py --format json,获取留存曲线
  3. 运行 unit_economics.py --format json,获取单位经济效益摘要
  4. 使用 JSON 输出填充投资者演示文稿中的数据点
工作流 3:调查流失情况
  1. 使用 --breakdown 运行 mrr_calculator.py,按套餐等级查看流失情况
  2. 运行 cohort_analyzer.py,识别流失最快的群组
  3. 将群组流失期与产品变更进行交叉比对
  4. 判断流失是否集中在特定细分群体或时间范围内

参考文档

关键 SaaS 指标定义
  • MRR(月度经常性收入): 所有活跃订阅收入的总和,按月标准化
  • ARR(年度经常性收入): MRR x 12
  • 净新增 MRR: 新增 MRR + 扩张 MRR - 流失 MRR - 收缩 MRR
  • 毛流失率: 本期流失的 MRR / 期初 MRR
  • 净收入留存率(NRR): (期初 MRR + 扩张 - 流失 - 收缩) / 期初 MRR
  • LTV(客户生命周期价值): ARPU / 月流失率(简化计算),或 ARPU x 毛利率 / 流失率
  • CAC(客户获取成本): 销售与营销总支出 / 新获取客户数
  • LTV:CAC 比率: 健康的 SaaS 目标为 3:1 或更高
  • CAC 回本周期: CAC / (ARPU x 毛利率),单位为月

如需了解完整框架详情,请参阅 references/saas-metrics-guide.md。

常见模式

模式:订阅 CSV 格式
customer_id,plan,mrr,start_date,end_date,status
C001,pro,99.00,2025-01-15,,active
C002,basic,29.00,2025-02-01,2025-08-15,churned
C003,enterprise,499.00,2025-03-10,,active
模式:用户活动 CSV 格式
user_id,signup_date,last_active_date,activity_month
U001,2025-01-05,2025-06-15,2025-06
U002,2025-01-12,2025-03-20,2025-03
模式:单位经济效益 JSON 格式
{
  "period": "2025-Q4",
  "total_customers": 1200,
  "new_customers": 150,
  "churned_customers": 45,
  "total_mrr": 89500.00,
  "arpu": 74.58,
  "gross_margin": 0.82,
  "sales_marketing_spend": 45000.00,
  "monthly_churn_rate": 0.0375
}
健康 SaaS 基准
指标令人担忧可接受良好
月流失率> 5%2-5%< 2%
净收入留存率< 90%90-110%> 120%
LTV:CAC< 1:11:1-3:1> 3:1
CAC 回本周期> 24 个月12-18 个月< 12 个月
毛利率< 60%60-75%> 75%

评论

支持 Markdown