name: financial-unit-economics description: 在评估业务模型可行性、分析每个客户/产品/交易的盈利性、验证初创公司指标（CAC、LTV、回收期）、制定定价决策、评估可扩展性、比较业务模型时使用，或当用户提到单元经济学、CAC/LTV比率、贡献边际、客户盈利性、盈亏平衡分析，或需要确定业务在规模上是否可盈利时使用。

财务单元经济学

目的

财务单元经济学分析单个单元（客户、产品、交易）的盈利性，以确定业务模型是否可行和可扩展。本技能指导您计算关键指标（CAC、LTV、贡献边际）、解释比率、进行队列分析，并就定价、营销支出和增长战略做出数据驱动的决策。

何时使用

使用此技能当：

业务模型验证：确定初创公司/新产品在规模上是否可盈利
定价决策：基于目标边际和客户经济性设定价格
营销支出：评估获取渠道的ROI，优化CAC
增长战略：基于单元经济学决定何时扩展（筹集资金、增加支出）
产品路线图：优先改善留存或减少流失的功能（增加LTV）
投资者推介：用CAC、LTV、回收指标演示业务模型可行性
渠道优化：比较客户细分或获取渠道的盈利性
订阅模型：分析经常性收入、流失、队列留存曲线
市场经济学：建模收取率、供应/需求侧经济学、流动性
财务规划：基于单元经济学预测现金流、跑道、烧钱率

触发短语：“单元经济学”、“CAC/LTV”、“客户获取成本”、“生命周期价值”、“贡献边际”、“回收期”、“客户盈利性”、“盈亏平衡”、“队列分析”、“此业务可行吗？”

是什么？

财务单元经济学是衡量最细粒度级别（每个客户、产品或交易）盈利性的实践，以理解单个单元的收入是否超过获取和服务的成本。

核心组件：

CAC（客户获取成本）：总销售/营销支出 ÷ 新获取客户
LTV（生命周期价值）：客户在其生命周期内的收入减去可变成本
贡献边际：（收入 - 可变成本） ÷ 收入（百分比）
LTV/CAC比率：衡量获取投资的回报（目标：3:1 或更高）
回收期：从客户收入中回收CAC的月数
队列分析：按时间跟踪客户组的指标（按获取月份/渠道）

快速示例：

场景：SaaS初创公司，订阅模型（$100/月），分析单元经济学。

指标：

CAC：$20k营销支出，100新客户 → CAC = $200
每月每客户收入：$100
可变成本：$20/客户/月（托管、支持）
毛利率：($100 - $20) / $100 = 80%
月度流失：5% → 平均生命周期 = 1 / 0.05 = 20个月
LTV：$100 收入 × 20 个月 × 80% 边际 = $1,600
LTV/CAC：$1,600 / $200 = 8:1 ✓（健康，>3:1）
回收期：$200 CAC ÷ ($100 × 80% 边际) = 2.5 个月 ✓（好，<12 个月）

解释：强劲的单元经济学。每个客户产生8倍其获取成本。可盈利扩展营销支出。2.5个月回收意味着快速资本回收。

核心益处：

早期预警系统：在扩展损失前检测不可持续的业务模型
数据驱动增长：知道单元经济学何时证明增加支出合理
渠道优化：识别哪些获取渠道是盈利的
定价能力：量化价格变化对盈利性的影响
投资者信心：用清晰指标展示盈利路径

工作流程

复制此清单并跟踪进度：

单元经济学分析进度：
- [ ] 步骤1：定义单元
- [ ] 步骤2：计算CAC
- [ ] 步骤3：计算LTV
- [ ] 步骤4：评估贡献边际
- [ ] 步骤5：分析队列
- [ ] 步骤6：解释并推荐

步骤1：定义单元

您的分析单元是什么？（客户、产品SKU、交易、订阅）。见resources/template.md。

步骤2：计算CAC

总获取成本（销售 + 营销） ÷ 新获取单元。如果适用，按渠道分解。见resources/template.md和resources/methodology.md。

步骤3：计算LTV

单元生命周期内的收入减去可变成本。使用队列数据用于留存/流失。见resources/template.md和resources/methodology.md。

步骤4：评估贡献边际

（收入 - 可变成本） ÷ 收入。识别改善边际的杠杆。见resources/template.md和resources/methodology.md。

步骤5：分析队列

按客户队列跟踪留存、LTV、回收（获取月份/渠道/细分）。见resources/template.md和resources/methodology.md。

步骤6：解释并推荐

评估LTV/CAC比率、回收期、现金效率。做出推荐（定价、渠道、增长）。见resources/template.md和resources/methodology.md。

使用resources/evaluators/rubric_financial_unit_economics.json验证。最低标准：平均分数 ≥ 3.5。

常见模式

模式1：SaaS订阅模型

关键指标：MRR、ARR、流失率、LTV/CAC、回收期、CAC回收
计算：LTV = ARPU × 毛利率 % ÷ 流失率
基准：LTV/CAC ≥3:1、回收 <12 个月、流失 <5% 月度（B2C）或 <2%（B2B）
杠杆：减少流失（增加LTV）、向上销售/交叉销售（增加ARPU）、优化渠道（减少CAC）
何时使用：订阅业务、经常性收入、留存关键

模式2：电子商务/交易型

关键指标：AOV（平均订单价值）、重复购买率、每订单贡献边际、CAC
计算：LTV = AOV × 购买频率 × 毛利率 % × 客户生命周期（年）
基准：贡献边际 ≥40%、重复购买率 ≥25%、LTV/CAC ≥2:1
杠杆：增加AOV（捆绑、向上销售）、推动重复购买（忠诚度计划）、减少可变成本
何时使用：交易型业务、电子商务、零售

模式3：市场/平台

关键指标：收取率、GMV（商品交易总额）、供应/需求CAC、流动性
计算：LTV = 每用户GMV × 收取率 × 毛利率 % ÷ 流失率
基准：收取率 10-30%、LTV/CAC ≥3:1 用于双方、网络效应生效
杠杆：增加收取率（增值服务）、改善匹配（增加GMV）、平衡供应/需求
何时使用：双边市场、平台业务

模式4：免费增值/PLG（产品导向增长）

关键指标：免费转付费转化率、转化时间、付费用户LTV、混合CAC
计算：混合LTV = （免费用户 × 转化 % × 付费LTV） - （免费用户成本）
基准：转化 ≥2%、转化时间 <90 天、付费LTV/CAC ≥4:1
杠杆：增加转化率（改善产品、优化付费墙）、减少价值实现时间、通过病毒性降低CAC
何时使用：产品导向增长、免费增值模型、病毒产品

模式5：企业/高触达销售

关键指标：CAC（包括销售团队成本）、销售周期长度、NRR（净收入留存）、LTV
计算：LTV = ACV（年度合同价值） × 毛利率 % × 平均客户生命周期（年）
基准：LTV/CAC ≥3:1、销售效率（新增ARR ÷ S&M支出） ≥1.0、NRR ≥110%
杠杆：缩短销售周期、增加ACV（向上销售、高级层级）、改善留存（NRR）
何时使用：企业销售、高ACV、长销售周期

防护栏

关键要求：

全加载CAC：包括所有获取成本（销售工资、营销支出、工具、间接成本分配）。低估CAC使单元经济学看起来比现实更好。常见遗漏：排除销售团队工资。
真实可变成本：仅包括随每个单元扩展的成本（COGS、每用户托管、交易费）。不包括固定成本（租金、核心工程）。LTV计算需要准确边际。
基于队列的LTV：不要跨所有客户平均。早期队列 ≠ 近期队列。按队列跟踪留存曲线（获取月份/渠道）。LTV应基于观察到的留存，而非假设。
时间范围重要：LTV是预测。使用保守假设。对于新产品，LTV估计不可靠（数据不足）。更重视近期队列。
回收期 vs. LTV/CAC：两者都重要。高LTV/CAC但长回收（>18 个月）压力现金。快回收（<6 个月）允许快速再投资。优化两者。
渠道级分析：混合指标隐藏真相。CAC和LTV因渠道而异（付费搜索 vs. 推荐 vs. 内容）。分开分析以优化支出。
留存为王：流失的小变化对LTV有指数影响。改善月度流失从5%到4%增加LTV 25%。留存改进 > 获取改进。
毛利率底线：需要 ≥60% 毛利率用于SaaS、≥40% 用于电子商务以可行。低边际意味着高LTV/CAC比率仍产生差现金流。

常见陷阱：

❌ 忽略流失：假设客户永远留存。现实：流失复合。使用队列留存曲线。
❌ 虚荣LTV：使用不切实际的留存（例如，5年LTV有1个月数据）。坚持观察行为。
❌ 混合CAC：混合盈利和非盈利渠道。按渠道、细分、队列分解。
❌ 不更新：单元经济学随产品、市场、竞争演化而变化。每季度重新计算。
❌ 遗漏成本：忘记支持成本、支付处理费、欺诈损失、退款。跟踪一切。
❌ 过早扩展：在单元经济学工作前增长（LTV/CAC <2:1）。"我们会在量上弥补"很少奏效。

快速参考

关键公式：

CAC = （销售 + 营销成本） ÷ 新获取客户

LTV（订阅） = ARPU × 毛利率 % ÷ 月度流失率

LTV（交易型） = AOV × 购买频率 × 毛利率 % × 生命周期（年）

贡献边际 % = （收入 - 可变成本） ÷ 收入

LTV/CAC比率 = 生命周期价值 ÷ 客户获取成本

回收期（月） = CAC ÷ （月度收入 × 毛利率 %）

CAC回收（月） = S&M支出 ÷ （新增ARR × 毛利率 %）

毛利率 % = （收入 - COGS） ÷ 收入

客户生命周期（月） = 1 ÷ 月度流失率

MRR（月度经常性收入） = 所有月度订阅总和

ARR（年度经常性收入） = MRR × 12

ARPU（平均每用户收入） = 总收入 ÷ 总用户

NRR（净收入留存） = （起始ARR + 扩展 - 收缩 - 流失） ÷ 起始ARR

基准（因阶段和行业而异）：

指标	好	可接受	差
LTV/CAC比率	≥5:1	3:1 - 5:1	<3:1
回收期	<6 个月	6-12 个月	>18 个月
毛利率（SaaS）	≥80%	60-80%	<60%
毛利率（电子商务）	≥50%	40-50%	<40%
月度流失（B2C SaaS）	<3%	3-7%	>7%
月度流失（B2B SaaS）	<1%	1-3%	>3%
CAC回收（SaaS）	<12 个月	12-18 个月	>18 个月
NRR（SaaS）	≥120%	100-120%	<100%

决策框架：

LTV/CAC	回收期	推荐
<1:1	任何	停止：每个客户亏损。修复模型或转型。
1:1 - 2:1	>12 个月	谨慎：边际经济学。不要扩展。改善留存或减少CAC。
2:1 - 3:1	6-12 个月	优化：单元经济学可接受。在扩展前专注于改善。
3:1 - 5:1	<12 个月	扩展：良好经济学。可盈利投资增长。
>5:1	<6 个月	激进扩展：优秀经济学。筹集资本，快速增加支出。

所需输入：

收入数据：定价、ARPU、AOV、交易频率
成本数据：销售/营销支出、COGS、每客户可变成本
留存数据：流失率、队列留存曲线、重复购买行为
渠道数据：按获取渠道的CAC、按细分的LTV
时间期间：队列定义（月度、季度）、历史数据范围

产出：

unit-economics-analysis.md：完整分析，含CAC、LTV、比率、队列分解
cohort-retention-table.csv：按队列的留存曲线
channel-profitability.csv：按获取渠道的CAC和LTV
recommendations.md：基于指标的定价、渠道、增长推荐

财务单元经济学Skill financial-unit-economics