startup-metrics-framework

startup-metrics-framework スキルの概要

startup-metrics-framework でできること

startup-metrics-framework は、初期フェーズの企業向けに、使えるKPIの枠組みを設計・計算するためのスキルです。単なるスタートアップ指標の羅列ではなく、実務で使えるフレームワークとして整理されているのが特徴です。対象は seed から Series A までの SaaS、marketplace、consumer、B2B スタートアップで、特に売上、unit economics、成長効率、キャッシュ管理に重点を置いています。

このスキルが向いている人

特に相性がよいのは、次のような課題を持つ創業者、オペレーション担当、アナリスト、財務責任者、投資家向け資料の準備チームです。

• 事業モデルやステージに合った startup metrics を選びたい
• コアKPIを一貫した定義で計算したい
• 生の事業データを、取締役会・資金調達・経営判断に使える形へ整理したい
• 成長が健全なのか、単にコストをかけて伸ばしているだけなのかを見極めたい

本当に片づけたい仕事

多くのユーザーが求めているのは、単なる計算式ではありません。実際には、次のような実務的な問いに、再現性のある形で答えたいはずです。

• 今の自社のモデルで、本当に見るべき指標はどれか？
• CAC、LTV、burn multiple、payback はどう計算すべきか？
• 何をベンチマークとして比較すればよいか？
• 投資家向け資料や経営ダッシュボードには何を載せるべきか？

startup-metrics-framework は、こうした思考整理を素早く進めつつ、出力をスタートアップ財務の標準的な言葉に沿ってまとめたいときに特に役立ちます。

startup-metrics-framework の違い

startup-metrics-framework の大きな差別化ポイントは、扱う範囲が明確に絞られていることです。汎用的なデータ分析アドバイスに流れず、スタートアップの健全性や資金調達との関連性を軸に指標を整理します。カバー範囲は次のとおりです。

• 汎用的な startup metrics
• 売上と成長に関する指標
• unit economics
• 効率性とキャッシュ関連指標
• ステージを踏まえた期待値とベンチマークの見方

そのため、よくある「自社データを分析して」といった一般的なプロンプトより、意思決定に直結しやすい構成になっています。

startup-metrics-framework が向いている場面

startup-metrics-framework skill は、すでに最低限の事業データはあり、それをどう解釈するかの枠組みが必要なときに向いています。特に有効なのは次の用途です。

• ダッシュボード作成前の指標定義
• 投資家向けアップデートの準備
• 取締役会向け指標レビュー
• startup KPI の監査・棚卸し
• unit economics 分析に足りない入力データの特定

startup-metrics-framework が向いていない場面

このスキルは、次の代替にはなりません。

• 監査対応レベルの財務モデリング
• カスタム BI 実装
• SQL パイプライン設計
• 生のイベントログから行う高度な cohort 分析
• 一般的なスタートアップ運営モデルから外れる業界特化指標

主な課題がデータエンジニアリング、会計コンプライアンス、細かな前提条件を積み上げる予測作成にある場合は、このスキル単体では不十分です。

startup-metrics-framework スキルの使い方

startup-metrics-framework のインストール情報

リポジトリ上では、このスキルは次の場所にあります。

plugins/startup-business-analyst/skills/startup-metrics-framework

このリポジトリでよくあるインストール方法は次のとおりです。

npx skills add https://github.com/wshobson/agents --skill startup-metrics-framework

別の skill loader を使っている場合は、上記の GitHub パスをたどってソースを確認し、自分の agent 環境に登録してください。

最初に読むべきファイル

まず確認したいのは次のファイルです。

• SKILL.md

このスキルには、追加のヘルパーファイル、スクリプト、参照フォルダは公開されていないため、価値の大半はこの単一ファイル内にある指標定義、計算式、ベンチマークの整理を理解することにあります。

startup-metrics-framework に必要な入力

startup-metrics-framework usage の質は、渡す数値の内容に大きく左右されます。入力として強いのは、たとえば次のような情報です。

• 事業モデル: SaaS、marketplace、consumer subscription、B2B services、hybrid
• 会社ステージ: pre-seed、seed、Series A
• 価格モデル
• 月次売上または bookings データ
• 顧客数
• churn または retention データ
• sales and marketing spend
• gross margin
• cash balance、burn、runway
• CAC を分析するなら acquisition channels

これらがなくても、エージェントは枠組み自体は提示できます。ただし、信頼できる指標評価までは行えません。

あいまいな依頼を強いプロンプトに変える

弱いプロンプト:

• “Analyze my startup metrics.”

より良いプロンプト:

• “Use startup-metrics-framework for Data Analysis on a seed-stage B2B SaaS company. We have $120k MRR, 8% monthly logo churn, 78% gross margin, $45k monthly sales and marketing spend, 30 new customers last month, $1.2M cash, and $95k net burn. Calculate CAC, LTV, CAC payback, burn multiple, and identify the top 5 issues to fix before fundraising.”

後者がうまく機能するのは、次の情報が明示されているからです。

• 事業モデルの文脈
• ステージの文脈
• 計算に足るデータ量
• 明確な出力ゴール

startup-metrics-framework を最初に使うときの実践フロー

startup-metrics-framework install と活用を進めるなら、実務上は次の流れがおすすめです。

1. agent 環境にスキルをインストールまたは登録する。
2. SKILL.md を一度読み、指標カテゴリの全体像をつかむ。
3. 最新の月次オペレーション数値を集める。
4. 実際に持っているデータで計算可能な指標だけを、まずエージェントに計算させる。
5. その後に解釈、ベンチマーク比較、次のアクション提案を求める。

この順番にすると、根拠の薄い仮定による hallucination を減らせて、欠損データも早い段階で見えやすくなります。

推奨されるプロンプト構成

信頼しやすいテンプレートは次の要素で組み立てます。

• 会社タイプとステージ
• 対象期間
• すでに信頼できる元データ
• 適用したい計算式
• ベンチマークまたは意思決定の文脈
• 欲しい出力形式

例:

• “Apply startup-metrics-framework to a Series A marketplace startup using the last 6 months of data. Compute revenue growth, CAC, LTV, take rate, burn multiple, and runway. Flag any metric that is directionally weak and separate calculation assumptions from conclusions.”

startup-metrics-framework が得意な範囲

ソースを見る限り、このスキルが特に強いのは次の領域です。

• MRR と ARR の整理
• 成長率の解釈
• CAC と LTV の基本
• churn と結びついた unit economics
• burn と runway の考え方
• 初期フェーズ企業向けのベンチマーク比較

この範囲だけでも、計画レベルの KPI レビュー、投資家向け資料、運営ダッシュボードの土台としては十分役立ちます。

なお自分で判断すべきこと

このスキルは計算式やベンチマークの考え方を示してくれますが、最終的には次の判断が必要です。

• logo churn と revenue churn のどちらを使うか
• CAC に一部の間接費を含めるか
• ARPU を月次で見るか年換算するか
• blended metric が重要なセグメント差を隠していないか

こうした選択は結果を大きく変えます。前提条件を明示するよう、エージェントに依頼するのが安全です。

リポジトリの読み進め方

このスキルは実質的に 1 ファイルへ集約されているため、読む順番もシンプルです。

1. SKILL.md の overview
2. universal metrics section
3. unit economics section
4. cash and efficiency sections
5. stage にひもづく benchmark references

計算式そのものと、それがなぜ運営上重要なのかの両方を理解したいなら、この順番が読みやすいです。

出力品質を上げる実践的な使い方

startup-metrics-framework usage の結果を良くするには、次の点を意識してください。

• 時間軸はひとつにそろえる。通常は月次
• 顧客数が logos、accounts、active payers のどれか明記する
• gross revenue と net revenue を分ける
• churn が月次か年次か明示する
• runway を見たいなら burn と current cash の両方を渡す
• 解釈に入る前に、まず計算式を表示するよう依頼する

これだけで、よくある指標定義の取り違えをかなり防げます。

startup-metrics-framework スキル FAQ

startup-metrics-framework は初心者にも向いていますか？

はい。ただし、自社データの大まかな形をすでに把握していることが前提です。標準的なスタートアップ指標を使うため入口は比較的わかりやすいですが、結果をもとに動く前に、CAC、ARPU、churn、gross margin などの定義は必ず確認してください。

startup-metrics-framework は SaaS 専用ですか？

いいえ。ソース上でも、対象は SaaS、marketplace、consumer、B2B スタートアップと明示されています。特に、継続売上、獲得コスト、retention、burn が重要な事業では相性がよくなります。一方で、案件ごとの売上変動が大きいビジネスや、資本構成が複雑な企業にはあまり向きません。

普通のプロンプトより何が優れていますか？

通常のプロンプトだと、どうしても一般論の KPI 一覧に寄りがちです。startup-metrics-framework では、スタートアップ財務の視点に沿って、計算式、ベンチマーク文脈、ステージや事業モデルに本当に関係する指標へと絞って整理されます。そのため、追加のやり取りが少なくて済むことが多いです。

startup-metrics-framework は投資家向けレポートにも使えますか？

はい。これはかなり相性のよい用途です。特に growth、unit economics、cash efficiency に関する整理が、投資家向けアップデートや board report のニーズと合っています。もちろん前提として、元になる数値がすでにクリーンで、内部的に整合していることは必要です。

startup-metrics-framework で深い財務モデリングまでできますか？

いいえ。これはフレームワーク兼分析補助であり、フル機能の operating model builder ではありません。重要な startup metrics の定義や計算には役立ちますが、スプレッドシートベースの事業計画、シナリオ分析、財務チームのレビューを置き換えるものではありません。

どんな場合は startup-metrics-framework を入れないほうがいいですか？

主なニーズが次のいずれかなら、導入優先度は低めです。

• SQL やダッシュボード実装
• 会計実務レベルのレポーティング
• イベントデータを元にした高度な cohort analytics
• 初期フェーズのスタートアップ財務から外れる業界特化の運営指標

この場合は、BI、analytics engineering、FP&A に特化したスキルのほうが適しています。

startup-metrics-framework スキルを改善する方法

最初に指標定義をきれいにそろえる

startup-metrics-framework の出力を最も手早く改善する方法は、結論を求める前に、あいまいな数値の定義を先に固定しておくことです。たとえば次のように伝えます。

• “CAC includes salaries, paid media, and software, but excludes founder time.”
• “Churn is monthly logo churn.”
• “ARPU is monthly subscription revenue per paying account.”

これにより、比較不可能な数字が混ざったり、payback の計算が崩れたりするのを防げます。

分析とは別に前提条件を出させる

強いプロンプトの型としておすすめなのは次の順番です。

1. “List assumptions needed.”
2. “Show formulas.”
3. “Compute metrics.”
4. “Interpret results.”
5. “Recommend actions.”

この並びにすると、スキルの出力を監査しやすくなり、最終分析への信頼性も上がります。

blended metric で実態が埋もれるなら分割データを渡す

顧客タイプが複数ある場合、blended average だけを渡すのは避けてください。よりよい入力例は次のとおりです。

• SMB vs enterprise
• paid vs organic acquisition
• self-serve vs sales-led
• geography または product line ごとの分割

これだけで、CAC、LTV、成長効率の解釈精度が大きく変わります。

よくある失敗パターンに注意する

startup-metrics-framework guide 風の出力で起きやすい問題は次のとおりです。

• 月次と年次の値を混在させる
• revenue churn と logo churn を同じものとして扱う
• 初期段階で不安定な churn データから LTV を計算する
• LTV で gross margin を無視する
• すべての acquisition channel を同じ効率とみなす

最初の回答がきれいすぎると感じたら、これらの失敗パターンを明示して再チェックさせるとよいです。

startup-metrics-framework for Data Analysis のプロンプトを改善する

より強い startup-metrics-framework for Data Analysis の結果を得るには、次の出力を求めてください。

• 計算テーブル
• 使用した計算式の明示
• 欠損データのフラグ
• ベンチマーク比較
• 影響度ベースのアクション優先順位

例:

• “Use startup-metrics-framework to compute the metrics below in a table, note any assumptions, compare to seed-stage benchmarks, and rank the top 3 operational fixes by likely effect on burn multiple and CAC payback.”

初回出力のあとで反復する

2 回目以降のよいプロンプトは、「やり直して」ではなく、論点を絞った依頼です。

• “Recalculate CAC excluding brand spend.”
• “Show the impact of reducing churn from 8% to 5%.”
• “Separate logo churn from revenue churn.”
• “Reframe this for a board deck.”

こうしたやり取りを通じて、このスキルは単なる計算式の説明役から、意思決定支援ツールへと変わります。

関係者向けに出力形式を整える

最終用途が board update や fundraising memo なら、次のようなセクション構成で出力させると効果的です。

• current metric snapshot
• benchmark comparison
• risks
• actions
• data gaps

この形にすることで、startup-metrics-framework skill は単なる数式一覧より、実務フローの中でずっと使いやすくなります。

実運用に載せる前に検証する

ダッシュボードや投資家向け資料へ反映する前に、次の点は必ず確認してください。

• 各指標の source-of-truth system
• time windows
• inclusion and exclusion rules
• finance チームと growth チームの定義整合性

このスキルは、分析の骨組みを作る段階で最も力を発揮します。その後、自社内の指標定義と照合して検証する前提で使うのが適切です。