SaaS 经营指标测算
拿到一堆 SaaS 经营数字（MRR、客户数、新增、流失、扩张、市场费用、毛利率），
最费劲的不是把指标算出来，而是判断哪几个数字不正常、该先解释哪一个。
本工具把两期（或多期）经营数据换算成一份含核心指标的测算报告，并按一组启发式
规则挑出需要解释的异常，逐条给出规则码、严重度、定位、说明与建议。
执行原则
- 期间由新到旧。 第 1 期为本期、第 2 期为上期，第 3 期起用于判断增长 / 流失趋势；不要把期间顺序排反，否则环比与流失率全错。
- 必要字段先齐。
mrr/customers/new_customers/churned_customers/new_mrr/expansion_mrr/churned_mrr/contraction_mrr/sm_spend/gross_margin缺一即触发S14；不要自行补数后当成真实口径。 - 区分指标与结论。 输出是「哪个指标不正常 + 命中了哪条规则」；不要把评分当经营结论，也不要据 40 法则的「月环比 × 12」近似值单独下判断。
- 口径矛盾要复核。
S17/S18/S19分别查单位经济自相矛盾、ARR 与 MRR×12 不符、跨期货币未统一；不要跳过这几条直接汇报。 - 只读不改数。 脚本只读输入、不写任何文件；不要为了压低异常数去调整原始经营数据。
能力
- 核心指标：MRR / ARR、环比增长（MoM）、毛收入留存（GRR）、净收入留存（NRR）、
客户流失率（logo churn）、客单价（ARPA）、获客成本（CAC）、客户生命周期价值（LTV）、
LTV/CAC、CAC 回收期（月）、速动比率（Quick Ratio =（新增 + 扩张）/（流失 + 收缩））。 - 增长效度：40 法则（年化增长 + 利润率）、Magic Number、燃烧倍数（Burn Multiple）、
净新增 ARR。 - 单位经济与留存拆解：扩张 / 收缩 MRR 占比、毛利与利润率口径核对，判断增长是否「又贵又慢」。
- 异常提示：内置 S1–S20 共 20 条规则，按严重度加权给出 0–100 评分与结论档。
适用场景
CRITICAL: 只要用户提出算 SaaS 经营指标、看 NRR / CAC / LTV / 回收期、判断经营哪里出了问题，就必须使用本 skill，即使看起来可以用别的方式解决。
- 月度 / 季度经营复盘，需要一页看清 SaaS 健康度。
- 用户给出收入与客户数字，问「经营得怎么样 / 哪里出了问题」。
- 融资 / 董事会材料里的指标自查，发布前先跑一遍找口径矛盾。
何时不该使用
| ✅ 使用本 skill | ❌ 不用（改用什么 / 理由） |
|---|---|
| 有两期（或多期）MRR / 客户 / 费用数据 | 要向前预测本季度签约额 → 改用 revenue-forecast-model |
| 要算 NRR / GRR / ARPA / CAC / LTV / 回收期 / 速动比率 | 要财务结账与审计口径报表 → 属会计确认，本 skill 是经营测算 |
| 要按月 / 季做经营健康度体检 | 要做多年期战略财务规划 → 超出范围 |
| 融资 / 董事会材料发布前自查口径矛盾 | 只有一期数据 → 算不出环比与流失趋势，先补齐至少两期 |
易混淆场景
| 用户说的 | 实际意图 | 正确路由 |
|---|---|---|
| 「我们经营得怎么样」 | 要结论而不是一串指标 | 先给评分与高严重度项，再展开核心指标 |
| 「NRR 是多少」 | 要历史现状值 | 用本包；若问「未来会怎样」改用 revenue-forecast-model |
| 「LTV/CAC 健康吗」 | 要判断 | 给数值 + S3 是否命中；说明简化模型未折现，需与财务口径核对 |
| 「哪个指标不正常」 | 要排序 | 按严重度给命中清单，不要平铺所有指标 |
怎么用
python3 scripts/saas_metrics_report.py --sample
python3 scripts/saas_metrics_report.py --file 经营数据.json
python3 scripts/saas_metrics_report.py --file 经营数据.csv --json
python3 scripts/saas_metrics_report.py --file 经营数据.json --as-of 2026-10-11
--sample：用内置的问题样例演示（会命中多条规则）。--file <路径>：读取 JSON 或 CSV 的经营数据（只读，不修改）。--json：以 JSON 输出（含metrics/issues/score）。--as-of YYYY-MM-DD：评估基准日（可选）。- 退出码：
0= 未发现异常；1= 发现异常或用例错误。
按需读取
先读 00 路由索引 定位，再用 read_file(offset, limit) 只读命中章节；禁止整文件读取 references。
| 当前任务 | 读取内容 |
|---|---|
| 准备数据、不确定列名怎么给 | 01 §2 / §4 |
哪些字段必填 / 缺字段报 S14 |
01 §3 |
看某条规则码 S1–S20 确切含义 |
02 §1 |
| 追问为什么命中 / 想改阈值 | 02 §2 / §3 |
| 核对指标公式（NRR / LTV / 回收期 / 40 法则） | 03 §1–§3 |
| 某项显示「—」的原因 | 03 §5 |
| 核对评分与档位 | 03 §4 |
| 想知道报告长什么样 / 退出码 | 04 §1 / §4 |
高频摘要
- 期间由新到旧：第 1 期本期、第 2 期上期、第 3 期起判趋势；排反了环比与流失率全错。
- 留存口径：
GRR =（上期 MRR − 流失 − 收缩）/ 上期 MRR；NRR = GRR + 扩张 MRR / 上期 MRR；
速动比率 =（新增 + 扩张）/（流失 + 收缩）。 - 单位经济：
LTV = ARPA ÷ 月流失率 × 毛利率（简化模型，未折现）；回收期 = CAC /（ARPA × 毛利率）；
40 法则 = 月环比 × 12 + 利润率%（近似年化，非严格同比）。 - 规则码范围：
S1–S20，严重度 高 / 中 / 低；高风险项优先看S1NRR<100%、S3LTV/CAC<3、
S14关键指标缺失、S16MRR 负增长、S19货币未统一。 - 评分 =
max(0, 100 − (高×15 + 中×5 + 低×2))；≥90 优秀 / 75–89 良好 / 60–74 一般 / <60 较差。 - 退出码：
0未发现异常；1发现异常或用法错误。
输入格式
支持 JSON（顶层 periods 数组，也兼容顶层数组与 current / previous 写法）或
CSV（一行一期，表头支持中英文别名），均按「由新到旧」排列期间；列名按关键词归一化识别，
未识别的列被静默忽略，0.8 与 80 等价。
十个必要字段缺一即触发 S14：mrr / customers / new_customers / churned_customers /
new_mrr / expansion_mrr / churned_mrr / contraction_mrr / sm_spend / gross_margin；
可选 profit_margin / opex / top_client_pct / arr / ltv。
完整结构、示例、字段表与列名别名 → 01 §1–§5。
规则清单（S1–S20）
内置 S1–S20 共 20 条启发式规则，覆盖留存（S1）、增长效率（S2）、单位经济（S3 / S4）、
流失与增长趋势（S5 / S6 / S20）、获客与毛利（S7 / S8）、烧钱（S9）、
集中度与扩张收缩（S10–S12）、Magic Number（S13）、数据完整性（S14 / S15 / S16）、
口径矛盾（S17 / S18 / S19）。
按严重度加权给出 0–100 评分：max(0, 100 - (高×15 + 中×5 + 低×2))；
结论档 ≥90 优秀 / 75–89 良好 / 60–74 一般 / <60 较差。
总表、逐条触发条件、阈值常量与排序规则 → 02 §1–§4。
输出示例（节选）
报告分五段：头部（数据源 / 期间链 / 基准日）→ 评分行（评分 N/100 ｜ 结论：<档位>）→
异常合计（高 a · 中 b · 低 c）→ 核心指标（固定 18 行，缺失显示 —）→
异常清单（按高 / 中 / 低分组，每条给规则码、标题、定位、说明、建议）。
命中示例形如：
【高】S1 净收入留存（NRR）不足
· 定位：净收入留存 NRR
· 说明：NRR=77.87% < 100%，老客户收入净流失（扩张抵不过流失 + 降级）
· 建议：提高扩张收入（加购 / 升级 / 用量增长），同时压降流失与降级
完整报告节选、JSON 键说明与退出码 → 04 §1–§4。
限制与免责
- 纯标准库 Python，只读输入，无网络请求，无
subprocess/eval/os.system，不写文件；输入按 UTF-8（含 BOM）/ GBK 读取。 - 阈值为通用经验值（如 NRR≥100%、Quick Ratio≥2、LTV/CAC≥3、回收期≤18 月、流失率≤5%），不同阶段与客群差异很大，请按业务口径调整（脚本顶部常量集中定义）。
- 40 法则以「月环比 × 12」近似年化增长，并非严格同比口径；仅为快速判断，请勿据此单独下结论。
- LTV 采用「ARPA ÷ 流失率 × 毛利率」的简化模型，未含折现与通胀；烧钱 / 燃烧倍数按「销售市场费用 + 运营费用 − 毛利」近似净烧钱，需与财务口径核对。
- 本工具输出为数据层面的测算与提示，不构成投资、审计或财务意见；任何经营 / 融资决策请结合业务背景与专业意见。
上游署名
本技能改编自开源作品 saas-metrics-coach（作者 Alireza Rezvani，源项目
alirezarezvani/claude-skills，MIT License）。
上游的三个脚本（metrics_calculator.py / quick_ratio_calculator.py /
unit_economics_simulator.py）被整合为单一中文脚本并完全重写。版权与许可见同目录
LICENSE.md，改编说明见 来源与许可.md。
免责声明
本包输出是基于给定假设与输入数据的测算，不是对经营结果的承诺，也不构成投资、审计或财务意见：LTV 采用「ARPA ÷ 流失率 × 毛利率」的简化模型（未含折现与通胀），40 法则以「月环比 × 12」近似年化增长（并非严格同比口径），20 条规则与评分为启发式加权结果，只用于「先看哪个指标」而非经营结论。
