finance-based-pricing-advisor
作者 deanpetersfinance-based-pricing-advisor 使用 ARPU、转化率、流失风险、NRR 和 CAC 回本周期来评估定价变更。可用它判断涨价、折扣、新档位或加购项是否应该上线。
这个技能得分 81/100，是一个不错的目录候选。它为定价决策提供了明确触发条件和聚焦的财务工作流，因此如果你的智能体需要围绕定价变更做 go/no-go 分析，而不是泛泛的定价建议，安装它是合理的。
- 触发条件和适用范围清晰：明确用于评估涨价、新档位、加购项、折扣以及定价变更的 go/no-go 决策。
- 工作流具有实操价值：明确列出智能体应使用的核心指标，包括 ARPU/ARPA、转化影响、流失风险、NRR 和 CAC 回本周期。
- 安装决策参考价值高：`SKILL.md` 提供了具体场景，并用通俗语言划清了“这是什么 / 这不是什么”的边界。
- 没有包含支持文件、脚本或参考资料，因此这个技能看起来只依赖文档，分析时可能需要模型自行完成而没有外部工具辅助。
- 它的范围刻意较窄：不覆盖更广泛的定价策略工作，例如基于价值的定价、市场定位或产品打包架构。
finance-based-pricing-advisor 技能概览
finance-based-pricing-advisor 技能可帮助你判断一项定价变更在财务上值不值得上线。它面向产品经理、创始人、财务合作伙伴和收入团队，适合在涨价、打折、新增套餐层级、加购项或打包方式调整时，快速给出一个可执行的 go/no-go 结论。
如果你已经有了具体的定价动作，只想量化 ARPU 提升与转化率下降、流失率上升、NRR 受影响以及 CAC 回本变慢之间的取舍，这个 finance-based-pricing-advisor skill 就很合适。它尤其适用于临近发布、需要一次严谨财务核查的 finance-based-pricing-advisor for Pricing Strategy 决策，而不是用来做大而全的定价战略工作坊。
这个 skill 最擅长什么
它关注的是某一个具体定价变更带来的财务影响，而不是从零设计一套定价模型。输出应当帮助你回答：这件事该不该发、可能会哪里出问题、还需要哪些数据才能让决策更稳妥？
它的区别在哪里
finance-based-pricing-advisor 的核心价值在于，它把定价决策和收入机制直接挂钩，而不是给出泛泛的建议。它会使用 ARPU/ARPA、转化率、流失风险、NRR 和回本周期等指标，把建议牢牢建立在业务结果上。
什么情况下它不合适
不要把这个 skill 用在市场调研、支付意愿研究、竞品定位或整体变现系统重构上。如果你需要的是定价架构设计或定性探索，那就需要比这个 finance-based-pricing-advisor skill 更完整的定价流程。
如何使用 finance-based-pricing-advisor skill
安装并找到 skill 文件
先通过你的 skills manager 执行 finance-based-pricing-advisor install 流程，然后优先打开 skills/finance-based-pricing-advisor/SKILL.md。在这个 repo 里，这个文件就是主要事实来源；没有什么辅助脚本或参考目录需要你再去追着找。
提供足够让它直接做决策的输入
好的 finance-based-pricing-advisor usage 要从一个明确的定价提案和足够用于建模下行风险的数据开始。请提供当前价格、目标价格、受影响的客户细分、当前转化或留存基线、预期上线范围，以及任何已知的约束条件，比如最低回本周期或流失阈值。
把模糊问题改写成可用的 prompt
弱一点的 prompt 会说：“我们该涨价吗？” 更强的 prompt 会说：“请评估面向新 SMB 客户、月付方案涨价 12% 的方案，使用我们当前的试用转付费转化率、估算的流失敏感度和 12 个月回本目标。请给出上线、测试或拒绝的建议，并说明财务风险。”
按正确顺序阅读 skill
先看 SKILL.md 里的目的和关键概念，再快速扫一遍定价影响和变更类型相关部分。这样在你让它建模之前，就能先理解这个 skill 是怎么框定取舍的。
finance-based-pricing-advisor skill 常见问题
这是完整的定价战略框架吗？
不是。finance-based-pricing-advisor skill 适合评估一个已经提出的价格变动，不适合从调研一路做到套餐设计的完整定价战略。它比完整的战略咨询更窄，也更快。
使用它一定要有完美数据吗？
不需要，但建议质量取决于你给它的输入。如果你只知道价格变动，别的信息都没有，这个 skill 仍然能帮你梳理风险；但只要补上基线转化、流失假设和细分规模，finance-based-pricing-advisor usage 的效果就会明显更强。
这个 skill 适合新手吗？
适合，只要你能清楚描述这次定价变更。新手把它当作决策清单来用，并要求把假设明确写出来，通常能获得最大价值。
什么时候应该避免使用它？
当你要决定是否进入新市场、重新设计 packaging，或者做关于支付意愿的用户研究时，不要用它。这些问题需要比财务优先的定价 advisor 更宽的分析范围。
如何改进 finance-based-pricing-advisor skill
先提供变更前的基线
最重要的升级，是先把当前状态的指标给齐：当前价格、活跃用户基数、转化率、流失率、ARPU 或 ARPA，以及 CAC 回本周期。没有这些基线，模型最多只能给出区间判断，无法输出可直接用于决策的估算。
先把决策规则说清楚
直接告诉 skill，对你的业务来说“够好”是什么意思。比如：最低收入提升幅度、可接受的流失增加幅度、要求的回本周期，或者现有客户与新客户之间的无悔阈值。
把客户分层和上线路径分开
当你明确区分新客、老客、年付方案和企业客户时，finance-based-pricing-advisor 的效果会更好。把不同细分混在一起，会掩盖定价动作到底在哪些地方有帮助、在哪些地方有伤害。
用情景区间反复迭代，不要只赌一个数字
如果第一次输出的不确定性太高，就用乐观、基准和保守三组转化与流失假设重新跑一遍。这样通常比要求一个单点精确预测，更容易得到有用的 finance-based-pricing-advisor guide 输出。