channel-economics

channel-economics skill 概覽

channel-economics 適合用來做什麼

channel-economics 是一個商業分析 skill，用來判斷 direct、partner-led、marketplace、reseller、OEM，或類似 go-to-market channels，在納入完整成本後是否真的有利可圖。它最適合 Revenue Operations、Heads of Commercial、VP Sales，以及接近財務職能的營運角色，在準備季度 channel review、partner strategy reset，或 channel-mix investment decision 時使用。

真正要做的事，不是單純「比較 direct vs. partner revenue」。而是回答：把 CAC、partner discounts、MDF、enablement、support load、retention 差異、deal velocity，以及 overhead allocation 都算進去之後，哪一個 channel 真的賺錢？

Revenue Operations 最適合的使用情境

當 CRM 顯示某個 channel 正在成長，但管理層不確定這種成長是否有效率時，就適合使用 channel-economics skill。特別是在 channel-sourced 與 channel-influenced deals 混在一起、partner margin 表面上看起來很漂亮，或 pooled CAC/LTV metrics 掩蓋了表現較弱的 segments 時，這個 skill 會很有幫助。

常見輸出包括 fully loaded cost-to-serve、cash ROI、LTV-adjusted ROI、marginal ROI，channel verdicts 例如 DOUBLE-DOWN、MAINTAIN、DEFUND 或 EXIT，以及在特定限制下建議的 channel mix，例如最低 direct coverage 或最高 partner concentration。

為什麼這個 skill 比一般 prompt 更有用

這個 repository 不只是 prompt instructions，還包含 deterministic Python scripts。cost_to_serve_calculator.py 會計算每個 channel 的 cost-to-serve，channel_roi_analyzer.py 會從多個角度評估 ROI，channel_mix_optimizer.py 則會進行 discrete mix search 並搭配 sensitivity checks。支援參考資料也明確指出常見的 channel anti-patterns，例如把 partner-attached direct deals 當成 partner-sourced wins。

輸入資料薄弱時可能產生的誤導

這個 skill 仰賴清楚一致的定義。如果「channel」在某些列代表 marketing source，在另一些列又代表 sales motion，分析結果就會被污染。如果 retention 是跨 channel 混在一起計算、overhead allocation 會隨 segment 改變，或 partner discounts 被漏掉，輸出可能看起來很精準，卻只是強化了錯誤假設。

如何使用 channel-economics skill

channel-economics 安裝與優先閱讀的檔案

如果你的 skill manager 支援，可用以下方式安裝：

npx skills add alirezarezvani/claude-skills --skill channel-economics

接著查看 source path：

commercial/skills/channel-economics

請先閱讀這些檔案：SKILL.md 了解工作流程，assets/channel_data_template.md 查看 JSON input schema，references/channel_anti_patterns.md 了解常見分類錯誤，以及 scripts/ 裡的三個 scripts，確認每項計算實際需要哪些資料。

產出有用分析前需要準備的輸入

請為每個 channel 準備一份一致的 dataset。至少應包含 deal volume、gross revenue 或 ARR、attributed headcount costs、sales engineering、customer success、support、marketing、partner discount、MDF、enablement time、certification investment、tooling、allocated overhead、retention、average deal size，以及 investment level。

template 明確建議：未知值應保留為 null，或清楚標示為 unknown，不要默默填入 zero。這一點很重要，因為 scripts 會標示缺漏的 hidden-cost categories，而不是假裝這個 channel 的成本比實際更低。

把粗略需求轉成完整 prompt

較弱的 prompt：「Analyze our partner channel。」

較好的 channel-economics 使用 prompt：

“Use the channel-economics skill to compare direct, partner-led EMEA, and marketplace channels for a SaaS company. Treat channel as the sales motion, not the lead source. Use activity-driver overhead allocation consistently. Flag any channel-sourced deals that were internally first-touched. Calculate cost-to-serve, cash ROI, LTV ROI, marginal ROI, and recommend a mix with at least 45% direct pipeline and no partner above 35% concentration. Unknown values should be surfaced, not replaced with zero.”

這個 prompt 會讓輸出更好，因為它定義了 channels、constraints、attribution rules、industry profile，以及真正需要做出的決策。

實務 script 工作流程

先從 assets/channel_data_template.md 開始。針對每個 channel 執行一次 cost_to_serve_calculator.py，用來揭露 loaded cost 與缺漏的 hidden costs。再用這些輸出建立 channel_roi_analyzer.py 所需的 ROI input，最後把可比較的 channel metrics 餵進 channel_mix_optimizer.py。

在使用真實資料前，可用以下 commands 先檢查行為：

python scripts/cost_to_serve_calculator.py --sample

python scripts/channel_roi_analyzer.py --sample

python scripts/channel_mix_optimizer.py --sample

如果希望輸出能直接貼進 planning memo，請使用 --output markdown。

channel-economics skill 常見問題

channel-economics 只適用於 SaaS 嗎？

不是。scripts 包含 saas、api、enterprise-software、marketplace 和 hardware profiles。不同 profile 的 benchmarks 會不同，例如 payback targets、LTV/CAC floors 和 LTV multipliers。SaaS 團隊可能會覺得預設值最熟悉，但只要你的輸入能仔細對應，這套方法並不只限於 SaaS。

這和請 AI 比較 channels 有什麼不同？

一般 prompt 可以整理優缺點。channel-economics skill 則提供更結構化的 operating model：一致的 cost categories、明確的 hidden-cost checks、不同 ROI 觀點、sensitivity tests，以及 mix constraints。它的設計目標，是減少管理層在 partner profitability 討論中的主觀判斷與空泛推論。

初學者可以使用這個 skill 嗎？

可以，前提是能收集到資料。內建的 channel data template 會說明要填什麼，以及為什麼需要這些資料。不過，使用者仍然需要具備一定的 RevOps 或 finance 背景，才能定義 attribution、一致地分配 overhead，並區分 channel-sourced 與 channel-influenced deals。

什麼情況不該使用 channel-economics？

不要把它用於 top-of-funnel marketing attribution、campaign ROI，或缺乏經濟數據的 partner relationship scoring。若管理層尚未對 channel definitions 達成共識、成本完全無法歸因，或決策本質上是純策略考量且刻意忽略短期 economics，也不適合使用。

如何改進 channel-economics skill 的使用效果

用更清楚的定義改善 channel-economics 結果

影響品質最大的槓桿，是嚴格的 channel definition。請使用一致的 go-to-market motions，例如 direct-enterprise、partner-led-EMEA、marketplace 或 reseller-SMB。除非分析本來就需要這樣切分，否則避免把 lead source、region 和 sales motion 混在一起。

也要把「channel-sourced」定義得更嚴謹：partner 原始帶來該 opportunity，且還未被內部 qualification。如果是你的 AE 開發並完成 qualification，partner 只是後期因 procurement 或 fulfillment 加入，那通常是 channel-influenced direct revenue，並且額外增加 partner cost。

提供更好的成本與 retention 假設

在 cost-to-serve 方面，請納入那些不顯眼但很關鍵的項目：partner enablement time、certification、channel manager attribution、support burden、tooling、conflict resolution 和 overhead。這些正是最常被漏掉、也最容易讓 partner-led channels 看起來過度有利可圖的成本。

在 ROI 方面，請使用每個 channel 各自的 retention 與 expansion assumptions。Pooled retention 可能掩蓋一個事實：某個 channel 成交較快但 churn 更嚴重，另一個 channel 回本較慢卻有更強的 LTV。

第一次輸出後持續迭代

請把第一次結果視為診斷，而不是最終的 board answer。檢查哪些 inputs 是 unknown、哪些 hidden costs 被標示出來，以及哪些 channel verdicts 對小幅假設變動特別敏感。接著用修正後的 discounts、CAC increases、retention drops，或更嚴格的 concentration limits 重新執行。

如果 recommended mix 在 retention 下降 3 個百分點，或 partner discount 增加 5 個百分點後就大幅改變，請把決策表述為有條件成立，而不是絕對結論。

常見失敗模式

最常見的失敗模式包括 inconsistent overhead allocation、把 unknowns 填成 zero、誇大 partner sourcing claims，以及在 marginal ROI 已經下降時仍使用 average ROI。當你要求 channel-economics skill 明確揭露這些弱點，而不是只產出一份漂亮建議時，它的價值最高。