skill-revenue-model · 技能收益建模

0. 埋点

每次执行本技能，先追加一行调用记录（纯本地，无网络）：

echo "{\"skill\":\"skill-revenue-model\",\"ts\":\"$(date +%s)\",\"cwd\":\"$(pwd)\"}" >> "$HOME/.workbuddy/skill-calls.jsonl"

1. 一句话定位

给定一个技能的价格、曝光与转化假设，把它产出成三种情景下的十二张量化测算表，
并回答三个问题：能赚多少、几个月回本、结论在什么条件下不成立。

2. 适用场景与触发条件

适用（满足任一条即可触发）：

不适用（请直接分流到对应技能）：

• 「该不该收费 / 会不会违反平台红线」→ skill-monetization-audit（SMAM 五闸门 + 七红线）
• 「这个选题有没有市场」→ skill-topic-validator
• 「别人同类技能都卖多少钱」→ qizai-skill-pricing-officer
• 「这个类目有多少流量」→ category-supply-demand-radar
• 「帮我发布上架」→ open-platform-web-publish

一句话判据：问「值不值」归别人，问「多少钱」归本技能。

3. 术语约定（全文统一，不要混用）

4. 四步法（顺序不可换，缺一步结论就不可信）

第一步：定月曝光 E（不要拍脑袋）

按优先级逐级降级，拿不到上一级才用下一级，并在报告里写明降级到了哪一级：

1. 该技能真实下载量 —— 目前详情接口返回 405、search 不含该字段，基本拿不到
2. 同类同期子集的分位数（推荐主力口径）：拉 SkillHub 排行榜快照，筛「同月新发 + 同类目或同关键词」子集，
   保守偏中性档取 p50，乐观档取 p75-p90
3. 用户直接给定的假设值 —— 标注为【纯假设】

> 2026-10-27 实测参照见 references/platform-rules.md：
> 当月新发全量 p50=18；而认知拆解/成长类子集（n=18）中位数仅 22。
> 不要用全量分位数给垂直内容类技能估曝光，否则系统性高估。

第二步：定付费转化率 C

平台内暂无付费转化数据（paid 榜两次快照均空，304 个样本无 price 字段）→
取外部提示词/知识付费市场经验值 1-3%：保守档 0.5%，中性档 2%，乐观档 5%。
报告里必须标注【外部经验值，非平台实测】。

第三步：算买断「终身天花板」（最容易漏的一步）

一次性内容产品的买家不会复购：终身净收入 = R × C × 单价 × (1 - 费率)。

• R 同样拿不到 → 用假设值并给出区间（如保守 3,000 / 中性 20,000 / 乐观 100,000）
• 若终身天花板低于「开发投入 + 维护折算成本」，模式直接判死，不必再算月度收益
• 同一约束也适用于其他模式：脚本会把每月新增付费限制为
  min(月曝光 × 转化率, 剩余付费人群池)，避免出现「终身只能卖 100 份、
  却让订阅在 24 个月里做出 240 人次」的自相矛盾

第四步：做维护成本敏感性

对中性情景算一张表：月维护 0.5 / 1 / 2 / 4 小时各自的月净现金流。
内容型产品最常见的死法不是定价错，而是「月维护一超过某个小时数就转负」。
这条生死线要在报告里明确标出。

5. 输入参数

全部通过命令行传入，均带默认值；--help 查看完整说明。

参数合法性会被强制校验：转化率越界、曝光为负、费率为 1、流失率为 0、价位填小数等情况，
脚本会直接以退出码 2 报错中止，不会带病产出一本看起来专业的错账。

6. 跑模型

在工作区根目录下执行（脚本为纯标准库实现，无需安装任何依赖）：

python skills/skill-revenue-model/scripts/revenue_model.py \
  --buyout 29 --sub 19 --e2 300 --c2 0.02

换技能就是换价格与三档假设。默认参数是一份示例场景（某人物拆解技能的实测口径），
不代表你的技能——务必用你自己的假设覆盖。

> Windows 若提示找不到 python，把命令里的 python 换成你的 Python 解释器完整路径。
> 下文示例统一用 python 简写，实际执行时同样替换。

7. 使用示例

下列示例把脚本路径简写为 revenue_model.py，实际路径为
skills/skill-revenue-model/scripts/revenue_model.py（在工作区根目录下执行）。

示例一：内容型技能准备定价，先看值不值

> 用户：我有一个已过审的人物拆解技能，打算卖 29 元买断，一年能赚多少？几个月回本？

python revenue_model.py --buyout 29 --e2 300 --c2 0.02 --reach2 20000 --out 收益报告.md

输出要点（示例场景实测值）：中性情景 12 个月净收入 2,055 元；买断终身天花板 11,414 元；
中性情景月维护超过 1 小时后月净现金流转负。先看最后一条再决定要不要认真维护它。

示例二：垂直工具类技能，人群很小

> 用户：我做的是面向某个细分岗位的工具，全行业也就几千人，订阅会不会更好？

python revenue_model.py --e2 500 --reach2 5000 --months 24

输出要点：报告头会打印「中性：池 100 人，第 11 个月耗尽（之后新增归零）」；
订阅模式的累新增被卡住，不会无限增长。人群耗尽月份是关键结论，务必写进报告。

示例三：用户想定 9.9 元

> 用户：我想定价 9.9 元，帮我算算。

python revenue_model.py --buyout 9.9

脚本会拒绝执行并提示：

[参数校验失败] 价格含小数：--buyout=9.9。
  WorkBuddy 开放平台付费设置的价格框是 type=number step=1（仅 1-9999 整数），
  实测输入 9.9 会被吞掉小数点变成 99。小数价格算出来的是平台上根本设不了的方案。
  请改成整数；若确实是在给其他平台建模，加 --allow-decimal-price 跳过本校验。

原因：算一套平台无法设置的价格没有意义。正确做法是先告诉用户「只能用整数」，
再由用户在 9 元与 10 元之间选择。

示例四：要不要改成 Expert 形态

python revenue_model.py --buyout 29 --expert-price 199

对照「同样的方法论做成专家包卖 199 元」的收益，判断值不值得升级形态。

8. 输出产物

脚本输出一份 Markdown 报告，共十二张表：

报告头部还会打印人群耗尽约束说明（各情景的付费人群池大小与耗尽月份）。

9. 平台规则（写报告时引用）

完整事实卡见 references/platform-rules.md（核实日期 2026-10-27，超过 90 天需重新核实）。
其中三条最影响结论：

1. 价格只接受 1-9999 的整数 —— 小数会被静默改写成别的数字（9.9 → 99）
2. 仅支持一次性买断与按月订阅 —— 按调用次数官方明确不支持，报告中只能作为对照出现
3. 改价入口可能不存在 —— 首发价可能就是永久价，因此本报告给出的定价建议要一次定准

⚠️ 事实卡带核实日期运行。平台规则变化快，过期的事实卡比没有事实卡更危险。

10. 报告输出规范

• 结论先行：第一段就给出「建议 X 元买断 / 建议转 Expert / 不建议收费」
• 每个数字标注来源类型：【实测】【媒体口径】【外部经验值】【纯假设】四选一
• 必含「拿不到的数据」一节：明确列出无法核实的字段与采用的替代口径
• 必含「结论不成立的条件」一节：哪些假设被推翻会翻转结论
  （例如后台实时费率不是 1.6%、技能进了头部推荐位）
• 中文内容写完后必跑 FFFD 与外文混入双检（命令见用户级 MEMORY.md）

11. 边界声明

本技能只做量化测算，不替用户决定发布。所有输出是「在给定假设下的账」，不是预测。
假设一变账就变——参数全部开放在命令行里，用户可自行复算。
本技能不读取、不上传任何个人信息或平台账号数据。

12. 常见问题