startup-metrics-framework

startup-metrics-framework 스킬 개요

startup-metrics-framework가 하는 일

startup-metrics-framework는 초기 단계 기업을 위한 지표 기획·산출 스킬입니다. 단순히 스타트업 숫자를 나열하는 수준이 아니라, 실제로 쓸 수 있는 KPI 프레임워크가 필요할 때 적합합니다. SaaS, 마켓플레이스, 컨슈머, B2B 스타트업을 대상으로 하며, seed부터 Series A까지의 단계에 맞춰 매출, 유닛 이코노믹스, 성장 효율, 현금 관리에 특히 초점을 둡니다.

이 스킬이 잘 맞는 사용자

다음이 필요한 창업자, 운영 리드, 애널리스트, 재무 담당자, 투자 유치 준비팀에 가장 잘 맞습니다.

• 비즈니스 모델과 단계에 맞는 스타트업 지표를 고르기
• 핵심 KPI를 일관된 방식으로 계산하기
• 원시 비즈니스 데이터를 보드, 펀드레이징, 운영 관점의 숫자로 정리하기
• 성장이 건강한지, 아니면 비용만 많이 드는 성장인지 파악하기

실제로 해결하려는 일

대부분의 사용자는 공식만 원하는 것이 아닙니다. 실제로 필요한 것은 아래 같은 질문에 반복 가능하게 답하는 방식입니다.

• 지금 우리 스타트업 모델에서 정말 중요한 지표는 무엇인가?
• CAC, LTV, burn multiple, payback은 어떻게 계산해야 하는가?
• 어떤 벤치마크와 비교해야 하는가?
• 투자자용 또는 리더십용 대시보드에는 무엇이 들어가야 하는가?

startup-metrics-framework는 이런 판단 구조를 빠르게 잡고, 결과를 스타트업 재무에서 통용되는 표준 언어에 맞춰 정리하고 싶을 때 특히 유용합니다.

startup-metrics-framework가 다른 점

이 스킬의 가장 큰 차별점은 범위를 엄격하게 지킨다는 점입니다. 일반적인 데이터 분석 조언을 늘어놓는 대신, 스타트업의 비즈니스 건전성과 투자 유치 관련성을 중심으로 지표를 구성합니다. 다루는 범위는 다음과 같습니다.

• 모든 스타트업에 공통으로 중요한 지표
• 매출 및 성장 지표
• 유닛 이코노믹스
• 효율성과 현금 관련 지표
• 단계별 기대치와 벤치마크 해석

그래서 일반적인 “내 비즈니스 분석해줘” 프롬프트보다 실제 의사결정에 더 직접적으로 도움이 됩니다.

startup-metrics-framework가 잘 맞는 경우

startup-metrics-framework skill은 이미 대략적인 사업 데이터가 있고, 그 숫자를 어떻게 해석할지에 대한 프레임워크가 필요할 때 쓰는 것이 좋습니다. 특히 다음 상황에서 유용합니다.

• 대시보드 구축 전에 지표 정의를 정리할 때
• 투자자 업데이트를 준비할 때
• 보드 미팅용 지표 리뷰를 할 때
• 스타트업 KPI 감사를 할 때
• 유닛 이코노믹스 분석에 빠진 입력값을 찾을 때

startup-metrics-framework가 맞지 않는 경우

이 스킬은 다음을 대신해주지 않습니다.

• 감사 수준의 재무 모델링
• 맞춤형 BI 구현
• SQL 파이프라인 설계
• 원시 이벤트 로그 기반의 고급 코호트 모델링
• 일반적인 스타트업 운영 모델을 벗어난 업종 특화 지표

핵심 니즈가 데이터 엔지니어링, 회계 기준 준수, 세부 가정을 포함한 예측이라면, 이 스킬만으로는 부족합니다.

startup-metrics-framework 스킬 사용 방법

startup-metrics-framework 설치 맥락

리포지토리상 이 스킬의 위치는 다음과 같습니다.

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

이 리포지토리에서 자주 쓰는 설치 방식은 다음과 같습니다.

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

현재 환경에서 다른 skill loader를 사용한다면, 위 GitHub 경로를 기준으로 소스를 찾은 뒤 에이전트 환경에 등록하면 됩니다.

먼저 읽어야 할 파일

다음 파일부터 시작하세요.

• SKILL.md

이 리포지토리 구간에는 이 스킬용 추가 헬퍼 파일, 스크립트, 레퍼런스 폴더가 드러나 있지 않습니다. 따라서 핵심 가치는 대부분 이 단일 파일 안의 지표 정의, 공식, 벤치마크 해석 방식에 있습니다.

startup-metrics-framework에 필요한 입력값

startup-metrics-framework usage의 품질은 제공하는 숫자에 크게 좌우됩니다. 좋은 입력은 보통 다음을 포함합니다.

• 비즈니스 모델: SaaS, marketplace, consumer subscription, B2B services, hybrid
• 회사 단계: pre-seed, seed, Series A
• 가격 모델
• 월별 매출 또는 bookings 데이터
• 고객 수
• churn 또는 retention 데이터
• sales and marketing spend
• gross margin
• cash balance, burn, runway
• CAC를 분석할 경우 acquisition channels

이 정보가 없더라도 에이전트가 프레임워크 자체는 제시할 수 있지만, 신뢰할 만한 지표 평가는 어렵습니다.

거친 목표를 강한 프롬프트로 바꾸기

약한 프롬프트:

• “Analyze my startup metrics.”

더 강한 프롬프트:

• “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.”

더 강한 버전이 잘 작동하는 이유는 다음을 함께 주기 때문입니다.

• 비즈니스 모델 맥락
• 단계 정보
• 계산에 필요한 최소한의 데이터
• 출력 목표의 명확성

첫 사용 시 가장 좋은 workflow

startup-metrics-framework install과 실제 사용을 위한 현실적인 workflow는 다음과 같습니다.

1. 에이전트 환경에 스킬을 설치하거나 등록합니다.
2. SKILL.md를 한 번 읽고 지표 카테고리를 파악합니다.
3. 최신 월별 운영 수치를 모읍니다.
4. 실제로 가진 데이터로 계산 가능한 지표만 계산하도록 에이전트에 요청합니다.
5. 그다음 해석, 벤치마크 비교, 다음 액션 추천을 요청합니다.

이 순서를 따르면 근거 없는 가정이 섞일 가능성을 줄이고, 빠진 데이터가 어디인지도 초기에 드러낼 수 있습니다.

추천 프롬프트 구조

안정적으로 잘 작동하는 프롬프트 템플릿은 다음 요소를 포함합니다.

• 회사 유형과 단계
• 기간
• 이미 신뢰하는 원천 지표
• 적용하고 싶은 공식
• 벤치마크 또는 의사결정 맥락
• 원하는 출력 형식

예시:

• “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-framework가 잘 다루는 범위

소스 기준으로 보면, 이 스킬이 특히 강한 부분은 다음과 같습니다.

• MRR와 ARR 해석
• 성장률 해석
• CAC와 LTV의 기본 계산
• churn과 연결된 유닛 이코노믹스
• burn과 runway 관점의 사고
• 초기 단계 기업을 위한 벤치마크 중심 분석

이 정도면 기획 수준에서 KPI 리뷰, 투자자 자료, 운영 대시보드를 만드는 데 충분히 쓸 수 있습니다.

여전히 사용자가 직접 판단해야 하는 부분

이 스킬은 공식과 벤치마크 논리를 제공하지만, 아래 판단은 여전히 사용자가 내려야 합니다.

• logo churn을 쓸지 revenue churn을 쓸지
• CAC에 일부 간접비를 포함할지
• ARPU를 월 기준으로 볼지 연환산할지
• blended metric이 중요한 세그먼트 차이를 가리고 있지는 않은지

이 선택에 따라 결과가 크게 달라질 수 있습니다. 에이전트에게 가정을 명시적으로 적게 하는 것이 좋습니다.

리포지토리 읽는 순서

이 스킬은 한 파일에 집중되어 있으므로, 효율적인 읽기 순서는 다음과 같습니다.

1. SKILL.md overview
2. universal metrics section
3. unit economics section
4. cash and efficiency sections
5. benchmark references tied to stage

공식 자체뿐 아니라, 그 공식이 운영상 왜 중요한지까지 이해하고 싶다면 이 순서대로 읽는 것이 좋습니다.

출력 품질을 높이는 실전 사용 팁

더 나은 startup-metrics-framework usage 결과를 얻으려면:

• 시간 기준을 하나로 통일하세요. 보통 월 기준이 가장 무난합니다.
• 고객 수가 logos인지, accounts인지, active payers인지 명확히 적으세요.
• gross revenue와 net revenue를 구분하세요.
• churn이 월 기준인지 연 기준인지 밝히세요.
• runway 분석이 필요하면 burn과 현재 cash를 모두 제공하세요.
• 결과 해석 전에 공식을 먼저 보여달라고 요청하세요.

이렇게 하면 지표 정의가 뒤섞이면서 생기는 가장 흔한 실수를 줄일 수 있습니다.

startup-metrics-framework 스킬 FAQ

startup-metrics-framework는 초보자에게도 괜찮은가요?

네, 기본적인 사업 데이터의 형태를 이미 알고 있다면 괜찮습니다. 이 스킬은 표준적인 스타트업 지표를 사용하기 때문에 접근성이 나쁘지 않습니다. 다만 초보자라면 결과를 실행에 옮기기 전에 CAC, ARPU, churn, gross margin 같은 정의를 반드시 다시 확인해야 합니다.

startup-metrics-framework는 SaaS 전용인가요?

아니요. 소스에서 명시적으로 SaaS, marketplace, consumer, B2B 스타트업을 대상으로 합니다. recurring revenue, acquisition cost, retention, burn이 중요한 비즈니스일수록 적합합니다. 반대로 프로젝트성 매출 변동이 매우 크거나 자본 구조가 복잡한 사업에는 도움이 덜할 수 있습니다.

일반 프롬프트 대비 가장 큰 장점은 무엇인가요?

일반 프롬프트는 대개 두루뭉술한 KPI 목록으로 끝나는 경우가 많습니다. startup-metrics-framework는 스타트업 재무 관점에 맞춘 더 구조적인 렌즈를 제공합니다. 즉, 공식, 벤치마크 맥락, 그리고 현재 단계와 비즈니스 모델에 실제로 중요한 지표에 집중합니다. 보통 그래서 프롬프트를 여러 번 주고받는 횟수도 줄어듭니다.

startup-metrics-framework를 투자자 보고용으로 써도 되나요?

네. 오히려 가장 잘 맞는 활용 사례 중 하나입니다. 성장, 유닛 이코노믹스, 현금 효율 측면에서 investor update와 board report에 매우 잘 맞습니다. 다만 입력하는 숫자는 미리 정제되어 있고 내부적으로 일관성이 있어야 합니다.

startup-metrics-framework가 심층 재무 모델링도 해주나요?

아니요. 이것은 프레임워크이자 분석 보조 도구이지, 완전한 운영 모델 빌더는 아닙니다. 중요한 스타트업 지표를 정의하고 계산하는 데는 도움을 주지만, 스프레드시트 기반 계획 수립, 시나리오 모델링, 재무팀 검토를 대체하지는 못합니다.

언제 startup-metrics-framework를 설치하지 않는 편이 좋나요?

주요 목적이 아래와 같다면 설치를 건너뛰는 편이 낫습니다.

• SQL 또는 대시보드 구현
• 회계 수준의 보고
• 이벤트 데이터 기반 고급 코호트 분석
• 초기 단계 스타트업 재무 범위를 벗어난 업종 특화 운영 지표

이런 경우에는 BI, analytics engineering, FP&A 중심 스킬이 더 잘 맞습니다.

startup-metrics-framework 스킬을 더 잘 활용하는 방법

처음부터 지표 정의를 더 깔끔하게 주기

startup-metrics-framework 결과를 가장 빠르게 개선하는 방법은, 결론을 요청하기 전에 애매한 숫자의 정의를 먼저 정해주는 것입니다. 예를 들면:

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

이렇게 해야 잘못된 비교나 부정확한 payback 계산을 피할 수 있습니다.

분석과 가정을 분리해서 요청하기

강한 프롬프트 패턴은 다음과 같습니다.

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

이 순서는 결과를 검토하기 쉽게 만들고, 최종 분석에 대한 신뢰도도 높여줍니다.

blended metric이 핵심을 가릴 때는 세그먼트 데이터를 주기

고객 유형이 여러 개라면 blended average만 주지 마세요. 더 좋은 입력 예시는 다음과 같습니다.

• SMB vs enterprise
• paid vs organic acquisition
• self-serve vs sales-led
• geography 또는 product line별 분리

이 차이는 CAC, LTV, 성장 효율을 해석하는 정확도에 실질적인 영향을 줍니다.

자주 발생하는 실패 패턴을 체크하기

startup-metrics-framework guide 스타일의 결과에서 가장 흔한 문제는 다음과 같습니다.

• 월 값과 연 값을 섞어 쓰는 경우
• revenue churn과 logo churn을 같은 뜻으로 다루는 경우
• 아직 불안정한 초기 churn 데이터로 LTV를 계산하는 경우
• LTV 계산에서 gross margin을 무시하는 경우
• 모든 acquisition channel의 효율이 같다고 보는 경우

첫 답변이 지나치게 매끈해 보인다면, 에이전트에게 이 실패 패턴들을 하나씩 점검해달라고 요청하세요.

startup-metrics-framework for Data Analysis 프롬프트를 더 강하게 만들기

더 나은 startup-metrics-framework for Data Analysis 결과를 원한다면 다음을 요청하세요.

• 계산 테이블
• 사용한 공식의 명시
• 누락 데이터 플래그
• 벤치마크 비교
• 영향도가 클 가능성이 높은 액션 우선순위

예시:

• “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.”

첫 결과 이후에는 이렇게 반복 개선하기

좋은 두 번째 패스 프롬프트는 “다시 해줘”가 아닙니다. 더 구체적이어야 합니다.

• “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.”

이렇게 해야 이 스킬이 단순 공식 설명기를 넘어, 실제 의사결정 지원 도구로 바뀝니다.

이해관계자용 출력 형식을 개선하기

최종 용도가 board update나 fundraising memo라면, 아래 섹션 구조로 출력해달라고 요청하세요.

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

이 형식이 단순한 공식 목록보다 실제 workflow에서 startup-metrics-framework skill을 훨씬 쓸모 있게 만들어줍니다.

운영에 반영하기 전 반드시 검증하기

결과를 대시보드나 투자자 문서에 넣기 전에 다음을 확인하세요.

• 각 지표의 source-of-truth system
• time windows
• inclusion and exclusion rules
• finance 팀과 growth 팀 간의 정의 일관성

이 스킬은 분석 구조를 잡는 데 가장 강하고, 그다음 내부 지표 정의와 대조해 검증할 때 가장 제대로 힘을 발휘합니다.