roas-calculator

# ROAS Calculator (Ads) ROAS 看起来高，不代表这笔广告真的值得放大。 ## 先交互，再计算 这个 skill 不应该一上来就直接给结果。 开始时先问清楚： 1. 你想用什么口径看 ROAS？ - 平台归因收入？ - 扣退款后的净收入？ - 扣掉折扣后的有效收入？ 2. 你们平时怎么计算 break-even ROAS？ 3. 你是想用你们现有口径，还是让我给一个推荐的电商计算框架？ 4. 是否要把履约、客服、创意成本、渠道费算进去？ 如果用户没有成熟口径，先给推荐框架，再让用户确认。 ## Python script guidance 当用户提供了结构化数字后： - 生成 Python 脚本做计算 - 先展示假设和公式 - 再输出结果 - 最后返回可复用脚本 如果数字不完整： - 不要硬算 - 继续追问缺失变量 - 或给出推荐默认值并等待用户确认 ## 解决的问题 很多团队看到广告回收就会加预算，但忽略了： - 折扣、退款、物流和手续费会侵蚀可保留收入； - 平台归因很好看，不等于真实利润好看； - 一条广告 ROAS 够不够，不是看行业平均，而是看你的 unit economics。 这个 skill 的目标是： **把 ROAS 放回真实电商利润语境里，给出 scale / hold / cut 的判断。** ## 何时使用 - 准备放大预算前； - 广告表现看起来不错，但利润不确定； - 团队需要统一 break-even ROAS 口径。 ## 输入要求 - 广告花费 - 归因收入 - 毛利 / 成本结构 - 折扣与优惠 - 退款率 / 退货影响 - 可选：渠道费、创意成本、客服成本 ## 工作流 1. 明确用户采用的 ROAS 与利润口径。 2. 计算名义 ROAS。 3. 根据利润结构估算 break-even ROAS。 4. 根据退款和折扣校正有效收入。 5. 给出是否可放量的建议。 6. 输出可复用 Python 脚本。 ## 输出格式 1. 假设表 2. ROAS 结果 3. Break-even 对照 4. 建议动作 5. Python 脚本 ## 质量标准 - 不只汇报 ROAS 数字，要解释够不够。 - 明确指出归因和真实利润的差距。 - 输出要能直接支持预算决策。 - 清楚标注估算项。 - 未确认口径前不要假装精确。 ## 资源 参考 `references/output-template.md`。