大多数单位经济表只被它的作者看过一次，之后再也没人翻。董事会想要的是一个故事 —— 发生了什么、为什么、接下来怎么做 —— 不是一堵单元格做的墙。这个流程把数字变成半页叙述，CEO 可以在 90 秒内读完，并在当天做出决定。
一句话总结
- 别贴截图。把工作簿直接传上去，让模型读真实的行，然后逼它为每一个标题数字标出源单元格。
- 读一份多 tab 的财务模型，用 Claude for Excel（Opus 4.7，带单元格级引用）；要从 CSV 算回收期或画图，用 ChatGPT 数据分析（GPT-5.5 会跑 Python）；模型本来就在 Google Sheets 里，用侧栏的 Gemini 3.1 Pro。
- 下面的 prompt 会逼出一个标题、三条 bullet、一段根因（推断的地方标
[假设]），再加一个”待核对”脚注。 - 每个指标都对一个 2026 基准：B2B SaaS 健康的 CAC 回收期在 12 个月以内（中位约 6.8 个月），健康的 LTV:CAC 在 3:1 到 5:1 之间。回收期要和毛利一起看，单独看没意义。
任务
你手上有一份单位经济工作表：按渠道的 CAC、按队列的贡献毛利、用两种方法算出的 LTV、回收期，再加上明早一份要交的 deck 占位。你想让 AI 把数字读完，找出这个季度真正重要的那一两处队列变化，写出”付费社媒 CAC 从 42 涨到 71，回收期从 7 个月拉到 14 个月，其他都是噪声”这样的叙述 —— 而不是把每个单元格都复述一遍。
什么时候适合让 AI 来做
AI 擅长读结构化表格、做期间对比、用你的语气写叙述。它不擅长的是替你决定到底关心哪个指标，也不擅长发现单位错误（毛利混净利、试用转化混总注册）。给它一张干净的表，把指标定义直接写在 prompt 里，发出去之前对照源行核每一个标题数字。表本身乱，模型会忠实地把垃圾叙述出来。
按你手上的文件选对工具
这三个助手在这件事上不能互换。差别（截至 2026 年 6 月）在于”读”工作簿和”对它跑代码”这两件事：
| 工具 | 模型 | 真的读文件吗 | 最适合 | 限制 |
|---|---|---|---|---|
| Claude for Excel | Opus 4.7 / Sonnet 4.6 | 是，带单元格级引用和跨 tab 依赖追溯 | 审一份多 tab 模型、把某个数追到源单元格、叙述一张干净的汇总表 | 单文件 30 MB，每次对话 20 个文件，1M token 上下文 |
| ChatGPT 数据分析 | GPT-5.5 | 是，还会在沙箱里跑 Python | 从原始输入算回收期、画队列曲线、清洗乱 CSV | CSV/XLSX 单文件最大 512 MB |
| Gemini in Sheets | Gemini 3.1 Pro | 是，原生侧栏 | 本来就在 Google Sheets 里的模型，带 Workspace 上下文 | 1M token 上下文 |
经验法则：如果工作簿就是唯一真相、任何数都不能重算，用 Claude for Excel，让它把单元格引出来；如果你需要把某个数算出来（从现金流行算回收期、拟合留存曲线），用 ChatGPT 数据分析，这样 Python 是可见、可核的。别让模型去”目测”它本可以算的算术。
喂给 AI 的内容
- 单位经济表 —— 至少包含按渠道、按队列的 CAC、毛利调整后的 LTV、回收月数
- 两个对比点 —— 上个季度，以及去年同期
- 你的指标定义 —— “这里的 LTV 是 24 个月、毛利加权、流失调整后的”
- 受众 —— 董事会、高管团队还是财务复盘，每个人想要的视角不同
- 这份叙述要支持的决策 —— “我们是否应该砍掉付费社媒预算”
- 已知的一次性事件 —— 假日促销、定价测试、季中暂停的某个 campaign
可直接复制的 prompt
你在阅读一家 SaaS / 消费业务的单位经济工作表。
按下面给定的受众和决策，写一份半页的叙述。
受众：[董事会 / 高管团队 / 财务复盘]
要支持的决策：[一句话]
指标定义（请严格按这个用，不要重新定义）：
CAC：[定义]
LTV：[定义，含窗口期和毛利处理方式]
回收期：[定义]
本季度已知的一次性事件：[列表，或"无"]
数据（本季度 / 上季度 / 去年同期）：
"""
[把表格贴进来，保留列标题]
"""
请输出：
1. 标题（一句话）—— 这个季度最重要的单一变化。
2. 三条 bullet：变了什么、变了多少、在哪个渠道或队列。
按上面的指标定义来写。不要造任何表里没有的数。
3. 一段根因分析 —— 只写数据支持的部分。
任何推断都要标 [假设]。
4. 一段关于决策的内容：数据建议怎么做，
以及看到什么我们就该反向。
5. 一个简短的"待核对"脚注，列出 3-5 个读者发出去前应该回源表
双核的数字。
语气：直接、口语化、不要 MBA 式的对冲。先写绝对值，再写百分比。
不要把 12% 的变化写成"有意义"。补一轮：「把标题改写三个版本 —— 一个给董事会、一个给高管、一个给财务委员会。数字不变，视角换。」
建议输出长什么样
标题： 付费社媒回收期从 7 个月拉到 14 个月，其余指标稳定。
- 付费社媒 CAC：$42 → $71（+69%），Q4 vs Q3，所有队列。
- 付费社媒 LTV：$620 → $585（-6%），由第 3 月留存掉 9% 拉动。
- 回收期：7.2 → 13.8 个月。自然量和合作渠道无变化。
根因： 我们 Q2 之后没刷新的两套主力创意 CPM 走高 [假设 —— 找广告团队确认]。LTV 的跌幅不足以解释回收期的拉长，问题在 CAC。
决策： 把付费社媒投放压到 30% 的下限，等创意刷新。如果 4 周滚动 CAC 回到 $55 以下且留存稳定，可以反向。
每个数发出去前先对基准
叙述里写”回收期 14 个月”是没用的，除非读者知道这到底算好还是坏。把每个标题指标都对一个当前基准，董事会读到的就是结论，不是一个数值。2026 年 6 月的健康区间（B2B SaaS）：
| 指标 | 健康 | 要警惕 | 以谁为准 |
|---|---|---|---|
| CAC 回收期 | 12 个月以内（中位约 6.8） | 12-18 个月 | 你自己的混合、全成本 CAC |
| LTV:CAC | 3:1 到 5:1（中位约 3.2:1） | 低于 3:1 是超支；高于 5:1 是增长投入不足 | 只用毛利调整后的 LTV |
| 毛利 | 70-85% | 低于 70% 会重定价其他所有指标 | 你的 P&L，不是模型 |
| 净收入留存（NRR） | 高于 100% | 低于 100% 说明队列在漏水 | 队列留存表 |
两个容易被忽略的点。其一，B2C 和企业销售读法不同：消费类回收期在 6 个月以内很正常，因为 CAC 低、激活快；企业销售跑到 15-18 个月仍可能健康，前提是毛利过 70%、NRR 高于 100%。其二，LTV:CAC 高于 5:1 不是好事，通常意味着投得太保守、把增长留在了桌上。让模型把比值和对它的判读一起写出来，永远别只给一个光秃秃的数。想搞清楚这些比值为什么会联动，David Skok 的 SaaS Metrics 2.0 至今仍是标准参考。
怎么继续打磨
- 叙述把每个单元格都复述了 —— “只讲那个会影响决策的变化，其他都是脚注。”
- 它造了一个数 —— “只用表里有的数。要引用衍生指标就把算式列出来。”
- 每句话都对冲 —— “去掉’可能”或许”有望’。要么数据支持，要么标 [假设]。”
- 根因写得很虚 —— “点名具体队列或渠道。‘参与度下降’不是根因；‘9 月付费社媒队列的第 3 月留存从 64% 跌到 55%‘才是。“
容易踩的坑
- 跨期混用毛 CAC 和净 CAC，又不标注
- 让 AI 从原始输入算 LTV，而不是读你表里的定义
- 把唯一一处大变化埋在一堆小变化里
- 没有”待核对”脚注就转给老板 —— 一个错数会让你一个季度抬不起头
- 把 4 周的波动当趋势；至少要连续两期同向才能定性
- 引用回收期或 LTV:CAC 时旁边不放毛利
FAQ
Q：AI 算出来的 LTV 能直接拿去做决策吗？ A：不能。让 AI 读两种算法（cohort LTV 和预测 LTV），写出两个值并把差异标成一个区间。决策用的是区间下限，不是 AI 给的某个具体数字。
Q：CAC 涨了到底怎么判断是渠道问题还是市场问题？ A：让 AI 同时读”该渠道 CAC 曲线 + 同期所有渠道 CAC 曲线”。只涨这一个就是渠道问题（创意疲劳、出价、定位），所有渠道一起涨就是市场问题（节日、季节、竞品入场、广告竞价整体走高）。
Q：回收期多长算健康？ A：B2B SaaS 12 个月以内（业内追踪的中位数约 6.8 个月），消费类 6 个月以内，企业销售可以到 18 个月，但前提是 gross margin 过 70%。叙述里永远把”回收期 X 个月”和”gross margin Y%“一起写——单独看回收期没意义。
Q：单位经济和 P&L 不一致怎么办？ A：P&L 是真账，单位经济是模型——以 P&L 为准。如果 AI 写出来的叙述和 P&L 数字差距大，先回头检查单位经济表里的成本分摊口径，不是改 P&L。
Q：到底该用哪个工具？ A：审和叙述已有工作簿用 Claude for Excel（它会引单元格）；从原始数据算回收期或画曲线用 ChatGPT 数据分析；模型本来就在 Google Sheets 里就用 Gemini in Sheets。详见上面的表。
相关
- AI 董事会 deck 叙述 —— 配合 deck 搭建一起用
- AI 财报摘要 —— 相邻的 10-K 摘要流程
- AI 业务数据分析 —— 更广义的业务数据叙述
- AI 定价实验设计 —— 定价测试设计
- AI AB 测试总结 —— 把实验输出转成叙述
- AI 图表表格解读 —— 让底层表格更易读