revenue-operations

分析销售管道健康、收入预测准确性和 GTM 效率指标，用于 SaaS 营收优化。适用于分析管道覆盖率、预测收入、评估 GTM 表现、审查销售指标、评估管道分析、用 MAPE 追踪预测准确性、计算 GTM 效率，或衡量 SaaS 团队的销售效率和单位经济。

## 概述（中文）

分析销售管道健康、收入预测准确性和 GTM 效率指标，用于 SaaS 营收优化。适用于分析管道覆盖率、预测收入、评估 GTM 表现、审查销售指标、评估管道分析、用 MAPE 追踪预测准确性、计算 GTM 效率，或衡量 SaaS 团队的销售效率和单位经济。

## 技能正文

# 营收运营（Revenue Operations）

面向 SaaS 营收团队的管道分析、预测准确性追踪和 GTM 效率衡量。

> **输出格式：** 所有脚本支持 `--format text`（人类可读）和 `--format json`（仪表板/集成）。

---

## 快速开始

```bash
# 分析管道健康与覆盖率
python scripts/pipeline_analyzer.py --input assets/sample_pipeline_data.json --format text

# 追踪多期预测准确性
python scripts/forecast_accuracy_tracker.py assets/sample_forecast_data.json --format text

# 计算 GTM 效率指标
python scripts/gtm_efficiency_calculator.py assets/sample_gtm_data.json --format text
```

---

## 工具概览

### 1. 管道分析器

分析销售管道健康，包括覆盖率、阶段转化率、成交速度、老化风险和集中度风险。

**输入：** 含交易、配额和阶段配置的 JSON 文件
**输出：** 覆盖率、转化率、速度指标、老化标记、风险评估

**用法：**

```bash
python scripts/pipeline_analyzer.py --input pipeline.json --format text
```

**关键指标：**
- **管道覆盖率** — 管道总值 / 配额目标（健康：3-4 倍）
- **阶段转化率** — 阶段间推进率
- **销售速度** — (机会数 × 平均交易额 × 赢单率) / 平均销售周期
- **交易老化** — 标记超过各阶段平均周期 2 倍的交易
- **集中度风险** — 单一交易占管道 >40% 时警告
- **覆盖率缺口分析** — 识别管道不足的季度

**输入模式：**

```json
{
  "quota": 500000,
  "stages": ["Discovery", "Qualification", "Proposal", "Negotiation", "Closed Won"],
  "average_cycle_days": 45,
  "deals": [
    {
      "id": "D001",
      "name": "Acme Corp",
      "stage": "Proposal",
      "value": 85000,
      "age_days": 32,
      "close_date": "2025-03-15",
      "owner": "rep_1"
    }
  ]
}
```

### 2. 预测准确性追踪器

使用 MAPE 追踪预测准确性，检测系统性偏差，分析趋势，提供分类维度细分。

**输入：** 含预测期和可选分类细分的 JSON 文件
**输出：** MAPE 分数、偏差分析、趋势、分类细分、准确性评级

**用法：**

```bash
python scripts/forecast_accuracy_tracker.py forecast_data.json --format text
```

**关键指标：**
- **MAPE** — mean(|actual - forecast| / |actual|) × 100
- **预测偏差** — 过度预测（正）vs 不足预测（负）倾向
- **加权准确性** — 按交易额加权的 MAPE
- **期间趋势** — 准确性随时间改善、稳定或下降
- **分类细分** — 按销售代表、产品、分群或任意自定义维度

**准确性评级：**
| 评级 | MAPE 范围 | 解读 |
|------|-----------|------|
| 优秀 | <10% | 高度可预测，数据驱动流程 |
| 良好 | 10-15% | 可靠预测，轻微方差 |
| 一般 | 15-25% | 需流程改进 |
| 较差 | >25% | 预测方法论存在显著缺口 |

**输入模式：**

```json
{
  "forecast_periods": [
    {"period": "2025-Q1", "forecast": 480000, "actual": 520000},
    {"period": "2025-Q2", "forecast": 550000, "actual": 510000}
  ],
  "category_breakdowns": {
    "by_rep": [
      {"category": "Rep A", "forecast": 200000, "actual": 210000},
      {"category": "Rep B", "forecast": 280000, "actual": 310000}
    ]
  }
}
```

### 3. GTM 效率计算器

计算核心 SaaS GTM 效率指标，含行业基准、评级和改进建议。

**输入：** 含收入、成本和客户指标的 JSON 文件
**输出：** Magic Number、LTV:CAC、CAC 回收期、Burn Multiple、Rule of 40、NDR 及评级

**用法：**

```bash
python scripts/gtm_efficiency_calculator.py gtm_data.json --format text
```

**关键指标：**

| 指标 | 公式 | 目标 |
|------|------|------|
| Magic Number | 净新增 ARR / 上期 S&M 支出 | >0.75 |
| LTV:CAC | (ARPA × 毛利率 / 流失率) / CAC | >3:1 |
| CAC 回收期 | CAC / (ARPA × 毛利率) 月数 | <18 个月 |
| Burn Multiple | 净消耗 / 净新增 ARR | <2x |
| Rule of 40 | 收入增长率 % + FCF 利润率 % | >40% |
| 净美元留存率 | (期初 ARR + 扩展 - 收缩 - 流失) / 期初 ARR | >110% |

**输入模式：**

```json
{
  "revenue": {
    "current_arr": 5000000,
    "prior_arr": 3800000,
    "net_new_arr": 1200000,
    "arpa_monthly": 2500,
    "revenue_growth_pct": 31.6
  },
  "costs": {
    "sales_marketing_spend": 1800000,
    "cac": 18000,
    "gross_margin_pct": 78,
    "total_operating_expense": 6500000,
    "net_burn": 1500000,
    "fcf_margin_pct": 8.4
  },
  "customers": {
    "beginning_arr": 3800000,
    "expansion_arr": 600000,
    "contraction_arr": 100000,
    "churned_arr": 300000,
    "annual_churn_rate_pct": 8
  }
}
```

---

## 营收运营工作流

### 每周管道回顾

用于每周管道检查节奏。

1. **验证输入数据：** 确认管道导出为最新，且所有必填字段（stage、value、close_date、owner）已填充。
2. **生成管道报告：**
   ```bash
   python scripts/pipeline_analyzer.py --input current_pipeline.json --format text
   ```
3. **交叉核对输出总额** 与 CRM 源系统，确认数据完整性。
4. **审查关键指标：**
   - 管道覆盖率（是否高于配额 3 倍？）
   - 超龄交易（哪些需要干预？）
   - 集中度风险（是否过度依赖少数大单？）
   - 阶段分布（漏斗形态是否健康？）
5. **使用模板记录：** `assets/pipeline_review_template.md`
6. **行动项：** 处理超龄交易、分散管道集中度、填补覆盖率缺口

### 预测准确性回顾

每月或每季度评估并改进预测纪律。

1. **验证输入数据：** 确认所有预测期有对应实际值，无缺失期。
2. **生成准确性报告：**
   ```bash
   python scripts/forecast_accuracy_tracker.py forecast_history.json --format text
   ```
3. **交叉核对实际值** 与 CRM 已赢单记录。
4. **分析模式：**
   - MAPE 是否下降趋势（改善中）？
   - 哪些销售代表或分群错误率最高？
   - 是否存在系统性过度或不足预测？
5. **使用模板记录：** `assets/forecast_report_template.md`
6. **改进行动：** 辅导高偏差销售代表、调整方法论、改善数据卫生

### GTM 效率审计

每季度或董事会准备时使用。

1. **验证输入数据：** 确认收入、成本和客户数据与财务记录一致。
2. **计算效率指标：**
   ```bash
   python scripts/gtm_efficiency_calculator.py quarterly_data.json --format text
   ```
3. **交叉核对计算的 ARR 和支出总额** 与财务系统。
4. **对照目标基准：**
   - Magic Number（>0.75）
   - LTV:CAC（>3:1）
   - CAC 回收期（<18 个月）
   - Rule of 40（>40%）
5. **使用模板记录：** `assets/gtm_dashboard_template.md`
6. **战略决策：** 调整支出分配、优化渠道、改善留存

### 季度业务回顾（QBR）

结合三个工具进行全面 QBR 分析。

1. 运行管道分析器，前瞻覆盖率
2. 运行预测追踪器，回顾准确性
3. 运行 GTM 计算器，效率基准
4. 交叉参照管道健康与预测准确性
5. 将 GTM 效率指标与增长目标对齐

---

## 参考文档

| 参考 | 说明 |
|------|------|
| [RevOps 指标指南](references/revops-metrics-guide.md) | 完整指标层级、定义、公式和解读 |
| [管道管理框架](references/pipeline-management-framework.md) | 管道最佳实践、阶段定义、转化基准 |
| [GTM 效率基准](references/gtm-efficiency-benchmarks.md) | 按阶段和行业划分的 SaaS 基准、改进策略 |

---

## 模板

| 模板 | 用例 |
|------|------|
| [管道回顾模板](assets/pipeline_review_template.md) | 每周/每月管道检查文档 |
| [预测报告模板](assets/forecast_report_template.md) | 预测准确性报告与趋势分析 |
| [GTM 仪表板模板](assets/gtm_dashboard_template.md) | 面向管理层的 GTM 效率仪表板 |
| [示例管道数据](assets/sample_pipeline_data.json) | pipeline_analyzer.py 示例输入 |
| [预期输出](assets/expected_output.json) | pipeline_analyzer.py 参考输出 |