关于 saas-valuation-compression
用于分析 SaaS 公司各轮融资中 ARR 估值倍数变化的研究技能。它结合融资、经营与市场背景，并以可视化和简要说明呈现结果。
主要功能
- 01研究融资轮次与 ARR
- 02计算 ARR 估值倍数
- 03归因倍数压缩原因
- 04对照同行与市场基准
- 05生成可视化和摘要
适用场景
- 01评估各轮融资间的估值变化
- 02解释倍数压缩或扩张
- 03将公司与 SaaS 市场基准比较
安装
复制下面的命令，在终端中运行。
npx skills add https:/安装后在 Claude Code 中输入/saas-valuation-compression确认已加载。
附带文件README.mdreferences/benchmarks.md
详细介绍
SaaS 估值压缩分析器
此技能的作用
针对给定的 SaaS 公司，研究其融资历史，并计算每轮融资时基于 ARR 的估值倍数。然后使用一个涵盖宏观利率、增长轨迹、叙事变化和可比公司的结构化框架，解释估值倍数的压缩（或扩张）。
使用 Visualizer 工具将结果呈现为内嵌可视化，并辅以简洁的文字说明，而不是堆砌数字。
工作流
1. 通过网络搜索收集数据
并行执行相互独立的搜索，研究以下内容：
- 目标公司的每一轮融资——轮次名称、日期、融资金额、投后估值和领投方。
- 各轮融资日期当时或前后的 ARR——从新闻报道、创始人访谈或投资者帖子中查找；注明估算值。
- 各轮融资前后的增长和留存情况——ARR 增长率、NRR、流失率、重要客户。
- 叙事背景——AI 定位和产品发布、品类领导地位、竞争动态。
- 各轮融资日期当时的私募市场 SaaS 倍数——如果搜索结果有限，请参考
references/benchmarks.md中带日期的表格。
2. 构建数据模型
针对每轮融资，提取或估算以下信息：
| 字段 | 获取方式 |
|---|---|
| 轮次名称 | 直接从搜索结果获取 |
| 日期 | 直接从搜索结果获取 |
| 融资金额 | 直接从搜索结果获取 |
| 投后估值 | 直接获取或根据持股比例计算；如果无法获取，请注明为估算值 |
| 融资日期当时的 ARR | 明确搜索；如果未找到，则根据客户数量 × ARPC 估算或进行插值 |
| ARR 倍数 | valuation / ARR |
| 领投方 | 直接获取 |
ARR 估算启发式规则（未公开时）：
- 种子轮/Series A：ARR 通常为 $500K–$3M
- Series B：通常为 $5M–$20M
- Series C：通常为 $20M–$60M
- 如果能获取客户数量和平均交易规模，请交叉验证
3. 计算压缩指标
针对每一对连续的融资轮次（例如，B → C）：
multiple_compression_pct = (later_multiple - earlier_multiple) / earlier_multiple × 100
valuation_growth_pct = (later_val - earlier_val) / earlier_val × 100
arr_growth_pct = (later_arr - earlier_arr) / earlier_arr × 100
这三项变化相乘，而不是相加：valuation multiplier = ARR multiplier × multiple multiplier，即 (1 + valuation_growth) = (1 + arr_growth) × (1 + multiple_change)。只有在对数项中它们才是可加的，因此需要将各项变化相加的分解（例如堆叠条形图）应使用对数变化。如果 ARR 增长快于倍数压缩，绝对估值仍会上升。
4. 将估值压缩归因于成因
使用此检查清单。针对每项成因，评定为：主要 / 有影响 / 不适用。references/benchmarks.md 提供了按时期划分且标注日期的私募市场中位数倍数、公开软件公司的回撤，以及已知的可比轮次组合，供参考。
宏观 / 利率环境
- 较早一轮是否在 2020–2021 年零利率政策（ZIRP）泡沫期间定价？（通常会带来约 2–5 倍的虚高溢价）
- 较晚一轮是否在 2022–2023 年加息期间定价？（泡沫溢价随之消失）
- 较晚一轮是否在全行业公开软件股抛售期间或刚结束后定价，例如 2026 年 4 月的暴跌？私募估值通常会比公开市场滞后 1–2 个季度。
- 每一轮的倍数与对应日期的私募市场中位数相比如何？
增长放缓
- 两轮之间的 ARR 同比增长率是否显著放缓？（最常见的原因）
- NRR / 净留存率是否下降？
叙事转变
- 公司是否失去了一项重要的产品叙事（例如，PLG 理念失效、未能成为品类领导者）？
- 是否出现了竞争对手，或现有企业迎头赶上？
AI 溢价（正面或负面）
- 公司的客户是否包括 AI 原生公司（OpenAI、Anthropic 等）？→ 溢价
- 公司是否可信地转向 AI 叙事？→ 溢价
- 公司是否未能清晰阐述 AI 叙事？→ 相较同行折价
- 在宏观因素驱动的抛售中，AI 溢价可能是必要条件，但并非充分条件——
references/benchmarks.md中的 2026 年 4 月回撤数据显示，强势 AI 公司也随行业一同下跌。
竞争 / 市场
- 市场饱和迹象（例如，Okta 对 WorkOS 造成的压力、Auth0 的竞争）
- 暴露出客户集中度风险
投资者供需
- 较晚一轮的规模是否更小、筛选是否更严格？→ 定价更审慎
- 是否出现新的领投方层级（例如，Tier 1 成长基金取代种子基金）？→ 可能反映更高或更低的信心
5. 构建可视化
使用 Visualizer 工具进行渲染：
- 指标卡片行 — 每轮的估值、每轮的 ARR、每轮的倍数、压缩百分比
- 折线图 — 公司 ARR 倍数随时间的变化与 SaaS 宏观中位数对比
- 柱状图 — 估值增长与 ARR 增长及倍数变化（分解，使用对数形式，使各部分相加后得到总值）
- 对比柱状图 — 公司估值压缩与 2–3 个可比对象（Vercel、Netlify、Fastly 或行业同行）的对比
- 成因归因表 — 在正文中内嵌（每项因素标注主要 / 有影响 / 不适用）
请参阅设计指南：增长或正面因素使用青绿色，压缩或负面因素使用珊瑚色，宏观基准使用灰色，估值数据使用蓝色。全程遵循 CSS 变量系统。
6. 撰写摘要
按以下顺序涵盖：
- 结论 — 用一句话概述，例如：“倍数压缩了 36%，但 ARR 增长了 5 倍，因此绝对估值仍增长了约 3.2 倍。”
- 主要原因 — 最能解释压缩的首要因素
- 叙事溢价 / 折价 — AI 叙事、品类领导地位，或相关优势的缺失
- 可比背景 — 公司估值压缩与同行相比如何
- 未来影响 — 要让下一轮倍数扩张，需要满足哪些条件
输出格式
先展示内嵌可视化，再附上文字摘要。如果 ARR 需要估算，请注明数据置信度。
边缘情况
- 下行轮：倍数和绝对估值均下降。请说明其对稀释的影响。
- 没有公开 ARR：使用客户数量 × 估算的 ARPC，并标注为估算值及其 ± 范围。
- 仅有一轮融资：计算该轮倍数与对应日期行业中位数的差异；无法进行压缩分析。请对此作出说明。
- 尚未产生收入：如适用，使用远期 ARR 或 GMV 倍数；请注明所用口径不同。
- 收购人才团队 / 战略收购：收购价格通常反映战略溢价或困境折价，而非纯粹的 ARR 倍数——请标出这一点。
参考文件
references/benchmarks.md— 按时期划分且标注日期的私募市场 ARR 倍数、2026 年 4 月公开 SaaS 股票回撤，以及已知的可比轮次组合