Octagon revenue product segmentation

何时使用

当用户想看清一家上市公司的营收按产品分部（产品线/业务线）如何构成、哪条业务线是核心驱动、营收是否过度集中或足够多元时使用——一次拿到各产品分部营收表，再据此生成集中度、核心业务、增长分部与多元化诊断。

不该用的边界：

• 私有/未上市公司或 Octagon（多为美股）无覆盖标的 → 无数据，先确认 ticker 有效。
• 要利润表绝对值（营收/净利润总额、EPS）→ 用 octagon-income-statement-data。
• 要按地区或客户的拆分 → 本技能只给产品分部口径，需在跟进查询中另问。
• 要分部毛利率/利润口径 → Octagon 此接口返回的是分部营收，利润需另行检索或推断。
• 要估值/DCF/三表建模 → 用 dcf-valuation-model、three-statement-model。
• 输出是 Agent 生成的分析参考，不能替代独立尽调与专业复核。

步骤

1. 配置 Octagon MCP：确保 AI 客户端（Claude Desktop / Cursor / Windsurf）已注册 octagon-mcp，octagon-agent 工具可见。需要 OCTAGON_API_KEY（在 app.octagonai.co 申请）；本机需装 Node.js（自带 npx）。
2. 构造查询：填 ticker，指定年度周期与扁平（flat）响应结构（见下方指令）。
3. 调用 octagon-agent：传入自然语言 prompt。
4. 读表：得到各产品分部营收（含合计 Total）。
5. 生成洞察：套用下方集中度判据与诊断模式。
6. 追问下钻：按结果给出深挖问题。

指令

查询模板（英文 prompt 直接传给 agent，识别率最佳）：

Retrieve detailed revenue by product segment for <TICKER>, for the annual period with a flat response structure.

MCP 调用：

{
  "server": "octagon-mcp",
  "toolName": "octagon-agent",
  "arguments": {
    "prompt": "Retrieve detailed revenue by product segment for AAPL, for the annual period with a flat response structure"
  }
}

数据来源 agent：octagon-financials-agent。

派生计算：

分部占比 = 分部营收 / 总营收 × 100

集中度判据（保留源约束）：

形态	判据	解读
高集中	单一分部 > 50%	单点依赖，命运系于一条业务线，关注其周期与竞争
中度集中	前 2 分部 > 80%	主力清晰但回旋空间有限
良好多元	无分部 > 30%	分散均衡，抗单点风险强

5 类洞察模式：

模式	关注点
集中度	各分部占总营收百分比，识别依赖结构
核心业务	营收最大的驱动分部
增长分部	高增长或新兴的分部（需结合历史对比）
多元化评估	营收在各分部间的均衡程度
战略定位	产品组合反映的商业模式与转型信号

示例

典型返回（单位 USD Billion）：

产品分部	营收 (USD Billion)
iPhone	$209.59
Services	$109.16
Wearables, Home and Accessories	$35.69
Mac	$33.71
iPad	$28.02
Total	$416.17

读法：iPhone $209.59B / $416.17B ≈ 50.36% → 单一分部刚过 50%，属高集中，营收命运高度系于 iPhone 周期；Services 约 26%，作为高毛利、可复现的经常性收入，占比上升即为商业模式向服务转型的信号；硬件（一次性、重资本）与服务（经常性、可扩展、高毛利）的此消彼长是观察重点。

追问下钻（可追加给 agent）：

• "What are the year-over-year growth rates for each product segment?"
• "How do these revenue figures compare to [COMPANY]'s guidance?"
• "What are the regional breakdowns for [SEGMENT1] and [SEGMENT2] revenue?"
• "Compare [COMPANY]'s product segment mix to [PEER1] and [PEER2]"

注意事项

• 观察模式：拿到数据后建议固定输出五项——①集中度（各分部占比）；②核心业务（最大驱动分部）；③增长分部（高增长/新兴，需历史对比）；④多元化评估；⑤战略定位（组合反映的转型信号）。
• 毛利差异：不同分部毛利往往不同——服务通常高于硬件、高端高于大众、经常性收入优于一次性；分部营收口径不含利润，解读时勿把营收占比等同于利润贡献。
• 分部动态：与历史期对比才有意义——哪些分部份额在升、哪些在降、有无新分部涌现；本接口为年度（FY）口径。
• 覆盖范围：主要为美股上市公司；非美股/私有公司多无数据，ticker 必须有效。
• API Key 安全：OCTAGON_API_KEY 经环境变量/配置注入，勿硬编码或外泄；超频时降低请求频率。
• 结论仅供分析参考，投资决策前需独立校验与风控复核。

互见

• related：octagon-income-statement-data —— 要营收/净利润绝对值与 EPS 时用它的利润表口径。
• related：octagon-financial-growth-metrics —— 要各分部/整体的同比增长趋势时。
• related：octagon-equity-research-analyst —— 综合基本面研究与多接口编排。
• combines_with：dcf-valuation-model、three-statement-model —— 把分部营收结构作为增长假设输入，串成「分部拆解 → 建模 → 估值」链路。
• Octagon MCP 配置详情：源仓库 references/mcp-setup.md（含各客户端配置）；结果解读与估值输入：源仓库 references/interpreting-results.md。

---

采编自 OctagonAI/skills（MIT 许可），已做中文适配重写。