Unit economics analyzer
Skill findscripter/everything-skills/09-verticals/unit-economics-analyzer
类书式 AI Agent 技能大典 · 精选/中文化/互见成网的 500+ 开源技能，可作为 Claude Code 插件市场一键安装。A curated, cross-referenced encyclopedia of 500+ open-source agent skills.
npx -y skills add findscripter/everything-skills --skill unit-economics-analyzerAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
2 things to look at
- no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
- 1 stars1 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.
What its author says it does
Copied from the file, not written here
当评估 SaaS/订阅/经常性收入企业（尤其 PE 标的）的收入质量与客户经济性时使用；做 ARR 桥、队列留存、LTV/CAC、净留存与毛利瀑布的拆解并产出可对标的收入质量评分与红旗清单；不适用于一次性买断硬件、纯交易撮合无客户复购或个人理财规划。触发词：单位经济、收入质量、队列分析、cohort analysis、ARR 分析、LTV CAC、净留存、NDR、客户经济性、unit economics。
The file declares its own license as Apache-2.0. That is the author’s claim about this one file, and it is not the same thing as the license GitHub reports for the repository, which is listed with the other numbers below.
SKILL.md
5.8 KB, as published. Nobody here has run it
何时使用
适用：评估 SaaS / 订阅 / 经常性收入 / 用量计费类企业的收入质量与客户经济性，常见于 PE 尽调、投后复盘、收入健康度诊断。典型请求：「分析这家公司的单位经济」「搭一个队列留存矩阵」「算 LTV/CAC 和回收期」「这家 SaaS 的净留存健康吗」。
不该用：纯一次性买断（硬件、永久授权）且无续费复购的业务；纯交易撮合、客户无留存概念的业务（应改看 take rate 与交易量趋势，而非传统 ARR/留存）；个人理财、家庭预算等非企业收入分析。专业服务（PS）收入须单独评估，不计入经常性口径。
步骤
第 1 步：判定商业模式
先定口径再算指标：
- SaaS / 订阅：ARR、净留存、队列
- 经常性服务：合同额、续约率、增购
- 交易 / 用量计费：单笔收入、交易量趋势、take rate
- 混合：按收入流分别拆解
第 2 步：核心指标
ARR / 收入质量：
- ARR 桥：期初 ARR → 新增 → 扩张 → 收缩 → 流失 → 期末 ARR
- 队列 ARR（vintage）：每个年份队列如何留存与增长
- 收入集中度：Top 10/20/50 客户占总收入比
- 收入构成：经常性 vs 非经常性 vs 专业服务
- 合同结构：ACV 分布、多年合同占比、自动续约占比
客户经济性（关键公式）：
- CAC ＝ 销售与营销总支出 / 新增客户数
- LTV ＝（ARPU × 毛利率）/ 流失率
- LTV:CAC ＝ 健康业务目标 >3x
- CAC 回收期 ＝ 收回获客成本所需月数
- 分层口径：企业级 / 中端 / SMB 分别测算，勿只看混合值
留存与扩张：
- 总留存（GRR）：保留的期初 ARR 占比（不含扩张）
- 净留存（NDR）：含扩张后保留的期初 ARR 占比
- Logo 流失：流失客户数占比
- 金额流失：流失收入占比（常与 logo 流失不同）
- 扩张率：增购 + 交叉销售占期初 ARR 比
队列矩阵（同时给绝对额与指数化两视图，指数以 Year 0 = 100%）：
| Cohort | Year 0 | Year 1 | Year 2 | Year 3 |
|---|---|---|---|---|
| 2020 | $1.0M | $1.1M | $1.2M | $1.1M |
| 2021 | $1.5M | $1.7M | $1.8M | |
| 2022 | $2.0M | $2.3M | ||
| 2023 | $3.0M |
毛利瀑布：收入 → 毛利 → 贡献毛利 → EBITDA；做满载单位经济（获取+服务+留存一个客户的全成本）；按收入流（订阅/服务/其他）分别看毛利率。
第 3 步：对标基准
- Rule of 40：增长率 + EBITDA 利润率 > 40%
- Magic Number：净新增 ARR / 上期 S&M 支出 > 0.75x
- NDR：优秀 >120%，良好 >110%，警示 <100%
- LTV:CAC：优秀 >5x，良好 >3x，警示 <2x
- 总留存 GRR：优秀 >95%，良好 >90%，警示 <85%
- CAC 回收期：优秀 <12 月，良好 <18 月，警示 >24 月
第 4 步：收入质量评分
将各维度汇总为评分表（每项 1-5 分）：经常性占比、净留存、客户集中度、队列稳定性、增长可持续性、毛利结构 → 综合分。
第 5 步：产出
- Excel 工作簿：ARR 桥 + 队列矩阵 + 单位经济仪表盘
- 摘要页：关键指标与对标结论
- 红旗清单与需进一步尽调的事项
指令
- 优先索取客户级原始数据——聚合指标会掩盖问题。
- 先判模式（第 1 步），再套对应公式，避免用 SaaS 口径硬套用量业务。
- NDR 与 GRR 必须同时呈现，单看 NDR>100% 会掩盖高总流失。
- 队列分析是收入质量第一视图，数据缺失要主动追要。
- 区分签约 ARR 与实际确认收入，勿混用。
示例
输入：某 SaaS 标的 2023 年报，期初 ARR $20M、新增 $6M、扩张 $3M、收缩 $1M、流失 $2M。
- 期末 ARR ＝ 20 + 6 + 3 − 1 − 2 ＝ $26M
- GRR ＝ (20 − 1 − 2) / 20 ＝ 85%（警示线）
- NDR ＝ (20 − 1 − 2 + 3) / 20 ＝ 100%（扩张恰好抵消流失，红旗：高总流失被扩张掩盖）
- 若 ARPU $50K、毛利率 80%、年流失 15%，则 LTV ＝ (50K × 0.8) / 0.15 ≈ $267K；CAC $80K 时 LTV:CAC ≈ 3.3x（良好），回收期 ≈ 80K / (50K×0.8/12) ≈ 24 月（警示）。 结论：留存承压，需下钻队列与客户集中度。
注意事项
- 聚合指标会掩盖问题，坚持要客户级数据。
- NDR>100% 可能掩盖高总流失——务必同列 GRR。
- 队列分析最能反映收入质量，是必争数据。
- 区分签约 ARR 与实际确认收入。
- 用量计费模型聚焦消耗趋势与扩张，而非传统 ARR 指标。
- 专业服务收入单独评估：非经常性、毛利通常更低。
互见
无紧密关联的已有技能。
本条采编自 anthropics/financial-services（Apache-2.0）。