以下三家公司与全部数字均为教学假设,用于演示商业化计算,不代表任何真实企业。
毛利侵蚀不是一次性事件
毛利率下降通常不是某一天突然发生的。它更像一条缓慢下移的线:重试多了一点,长尾客户多了一点,渠道占比高了一点,免费层用量多了一点,人工复核多了一点。每个变化单独看都不大,合在一起就把毛利率从 82.7% 拉到 78%,再从 78% 拉到 73%。
这类变化最难发现,因为它不触发报警。收入还在增长,客户数还在增加,月度报表看起来一切正常。等到毛利率明显下降时,往往已经过了几个季度,客户结构、渠道结构、成本结构都已经改变,追溯起来非常困难。
所以毛利管理不能只靠月度毛利率这个结果指标,还要靠一组先行信号。先行信号的作用不是精确预测,而是在结果恶化之前提示方向。本节给出五个信号,每个信号都对应一个可计算的口径、一个三案例的具体数值,以及一个可以在下周执行的动作。
信号一:有效单次成本上升
第一个信号是有效单次成本。名义单次成本只计算成功调用,但客户实际为失败和重试付费,公司实际也为失败和重试承担成本。有效单次成本的公式是:
有效单次成本 = 名义单次成本 / (1 - 重试率)
三案例的重试率分别是 8%、3%、11%。代入后:
- LumenDesk:0.015 / (1 - 0.08) = 0.0163 美元。
- Verba API:0.0042 / (1 - 0.03) = 0.00433 美元。
- ClausePilot:65 / (1 - 0.11) = 73.03 美元。
把有效成本代回毛利率,会看到名义毛利率与实际毛利率的差距。LumenDesk 的单席位收入是 53.80 美元,按名义成本算,成本是 620 × 0.015 = 9.30 美元,毛利率 82.7%;按有效成本算,成本是 620 × 0.0163 = 10.106 美元,毛利率 81.2%,差 1.5 个百分点。Verba 按有效成本算,毛利率从 47.5% 降到 45.9%,差 1.6 个百分点。ClausePilot 按有效成本算,总成本从 209,950 美元升到 235,886.90 美元,毛利率从 73.3% 降到 70.0%,差 3.3 个百分点。
重试率越高,名义毛利率越不可信。ClausePilot 的重试率 11%,是三者中最高的,所以它的毛利率被高估得最多。这个信号的危险之处在于,重试率通常不会突然翻倍,而是随着模型版本、提示词、网络、限流策略慢慢变化;如果不单独监测,它会被当成「正常的波动」。
动作:把重试率纳入月度成本报表,按产品、按模型、按错误类型拆开。重试率上升 1 个百分点,就按上面的公式重算一次有效成本,不要等到季度结账才发现毛利率对不上。
信号二:P99 负毛利扩大
第二个信号是分位结构。均值毛利率可以保持不变,但 P99 客户的毛利率在恶化。LumenDesk 的 P50 毛利率是 84.0%,P95 是 41.7%,P99 是 −128.1%。P99 客户每多一个,组合毛利率就往下走一截。
这个信号要看三个数:负毛利客户数量、负毛利客户的收入占比、P99 与 P95 的毛利率差。三个数一起看,才能区分「个别异常」和「结构恶化」。
- 负毛利客户数量增加,说明问题在扩散。
- 负毛利客户收入占比上升,说明公司越来越依赖不赚钱的客户。
- P99 与 P95 的毛利率差扩大,说明成本曲线在长尾处变陡,而不是个别客户的偶发问题。
LumenDesk 的超支客户占比是 41%,也就是说超过四成客户用超了额度。超支本身不是问题,超额单价 0.04 美元高于平均成本 0.015 美元,多数超支客户仍然赚钱。问题在于超支客户里的长尾:P99 客户的单次成本 0.120 美元,是超额单价的 3 倍,每多一次对话亏 0.08 美元。这个差值不会因为客户数增加而缩小,只会因为长尾占比上升而放大。
动作:每月输出 P50/P95/P99 的客户毛利率表,按收入加权计算组合毛利率;对负毛利客户建立清单,逐户标注原因是上下文长度、重试、折扣还是人工复核。清单不要只给财务,要给产品和销售,因为修复动作发生在他们手里。
信号三:渠道分成与折扣上升
第三个信号是渠道结构。毛利率是按渠道前收入算的,但公司实际拿到的是渠道后收入。渠道后毛利率的公式是:
渠道后毛利率 = 毛利率 - 渠道收入占比 × 渠道综合费率
三案例的渠道收入占比分别是 40%、50%、15%,渠道综合费率分别是 31%、22.5%、28%。代入后:
- LumenDesk:82.7% - 0.40 × 31% = 82.7% - 12.4% = 70.3%。
- Verba API:47.5% - 0.50 × 22.5% = 47.5% - 11.25% = 36.3%。
- ClausePilot:73.3% - 0.15 × 28% = 73.3% - 4.2% = 69.1%。
渠道前毛利率看起来还不错的三家公司,渠道后毛利率分别少了 12.4、11.25、4.2 个百分点。Verba 的渠道后毛利率只有 36.3%,已经接近很多硬件生意的水平;它的毛利率本来就只有 47.5%,渠道再拿走一半左右,剩下能覆盖固定成本的空间非常薄。
这个信号的危险在于「温水煮青蛙」。渠道占比从 40% 升到 45%,渠道后毛利率下降 1.55 个百分点;从 45% 升到 50%,再下降 1.55 个百分点。每次都不大,但趋势是单向的。如果渠道费率同时上升,两个变化会叠加。
动作:把渠道前毛利率和渠道后毛利率并列展示,不要只报渠道前数字。渠道占比或费率每变化 5 个百分点,就重算一次渠道后毛利率,并检查对应的渠道支持成本是否也被计入。渠道支持成本占渠道收入的比例是 6%、4%、8%,这部分经常被漏算。
信号四:免费层与额度外溢
第四个信号是免费层。免费层不是收入,但它是成本。Verba 有 8,000 个免费账户,免费额度 60 分钟/月,实际平均用量 42 分钟/账户/月。免费层月成本是:
8,000 × 42 × 0.0042 = 1,411.20 美元
这个数占月收入 336,000 美元的 0.4%,看起来很小。但如果免费层实际用量从 42 分钟涨到额度上限 60 分钟,成本会变成 8,000 × 60 × 0.0042 = 2,016 美元,占收入 0.6%。用量只涨了 42.9%,成本涨了 42.9%,占比从 0.4% 升到 0.6%。绝对值仍然不大,但趋势值得关注:免费层用量没有收入对冲,涨多少就亏多少。
更危险的是「额度外溢」:免费账户通过多账号、换邮箱、共享密钥等方式绕过额度限制。这类用量不会出现在「免费账户数」里,只会出现在总用量与总成本的差额里。如果总用量增速持续高于付费收入增速,就要怀疑免费层或额度被滥用。
LumenDesk 的额度外溢表现形式不同:它不是免费层,而是超额单价低于长尾成本。P99 客户的单次成本 0.120 美元,超额单价 0.04 美元,每多一次对话亏 0.08 美元。这不是免费层问题,而是额度设计问题:额度内的价格覆盖不了额度外的成本结构。
动作:把免费层成本单独列一行,按实际用量而不是额度上限计算;每月对比免费层用量增速与付费收入增速,前者持续高于后者就触发审查。对超额产品,单独监测 P99 客户的用量与成本,不要把超额收入当成纯增量。
信号五:成本构成漂移
第五个信号是成本构成。毛利率看的是总量,成本构成看的是结构。总量没变,结构变了,未来的毛利率也会变。
三案例的最大成本项分别是:LumenDesk 模型侧成本占变动成本 80.0%(其中推理 60.0%、检索 13.3%、存储 6.7%),Verba 推理占 83.3%,ClausePilot 人工复核占 53.8%。这三个比例决定了每家公司对什么变化最敏感。
- LumenDesk 对模型单价和上下文长度最敏感。模型侧占 80.0%,模型涨价 10% 会直接把毛利率拉低约 1.4 个百分点(17,856 × 80.0% × 10% = 1,428.48 美元,占收入 1.4%)。
- Verba 对推理单价最敏感。推理占 83.3%,单价上涨会几乎同比例侵蚀毛利,因为它的毛利率只有 47.5%,缓冲很薄。
- ClausePilot 对人工工时最敏感。人工复核占 53.8%,工时从 0.5 小时/案件上升,成本会立刻上升,而模型降价只能影响 33.8% 的部分。
成本构成漂移的典型表现是:总变动成本占收入的比例没变,但其中人工占比上升、推理占比下降。短期毛利率不变,长期风险变了:人工比推理更难规模化,也更难降价。如果只看总成本,会错过这个结构变化。
动作:每月输出成本构成表,按推理、检索、存储、支付、人工五行拆开,计算每行占变动成本的比例和占收入的比例。任何一个占比连续两个月上升,就单独解释原因。不要等到总成本上升才追查。
把五个信号放在一张表里
五个信号不是五个孤立的指标,它们分别对应成本侧、客户侧、渠道侧、免费侧、结构侧。放在一张表里,可以看到每家公司最该盯哪一个。
| 信号 | 口径 | LumenDesk | Verba API | ClausePilot | 首个动作 |
|---|---|---|---|---|---|
| 有效单次成本 | 名义成本 ÷(1 − 重试率) | 0.0163 美元 | 0.00433 美元 | 73.03 美元 | 重试率进月报 |
| P99 负毛利 | P99 客户毛利率 | −128.1% | 47.5% | 67.5% | 负毛利客户清单 |
| 渠道后毛利率 | 毛利率 − 占比 × 费率 | 70.3% | 36.3% | 69.1% | 渠道前后并列 |
| 免费层成本 | 实际用量 × 单位成本 | 0 美元 | 1,411.20 美元 | 0 美元 | 单独列一行 |
| 成本构成 | 最大成本项占比 | 模型侧 80.0% | 推理 83.3% | 人工 53.8% | 五行成本表 |
这张表不是评分卡,不能用「五个信号都正常」来证明毛利健康。它的用途是定位:当毛利率下降时,先看哪一个信号先动,再决定查成本、查客户、查渠道还是查结构。五个信号同时恶化,说明问题已经不是单点,而是商业模式与成本结构不匹配。
用代码把信号算成可比较的基点
下面的代码把重试、渠道、免费层与毛利率统一成基点或整数美分,提供有效单位成本、渠道后毛利率、免费层成本、免费层占比与方向判断五个函数。这样五个信号可以用同一套口径比较,不会出现「一个用百分比、一个用美元、一个用分钟」的混乱。
// file: src/ops/04-3-erosion-signals.ts
// tier: L1
// verify: node --test test/ops/04-3-erosion-signals.test.ts
// 毛利侵蚀信号:把重试、渠道、免费层与成本结构统一折成基点。
import { type Cents } from "../core/money.ts";
import { type Bps, FULL, divide } from "../core/rate.ts";
export type Movement = "eroding" | "flat" | "improving";
/** 有效单位成本 = 名义单位成本 ÷ (1 − 重试率)。 */
export function effectiveUnitCostMicros(unitCostMicros: number, retryBps: Bps): number {
if (retryBps >= FULL) throw new Error("重试率必须低于 100%");
return Math.round((unitCostMicros * FULL) / (FULL - retryBps));
}
/** 毛利率,以基点表示。 */
export function grossMarginBps(revenueCents: Cents, variableCostCents: Cents): Bps {
return divide(revenueCents - variableCostCents, revenueCents);
}
/** 渠道后毛利率 = 毛利率 − 渠道收入占比 × 渠道综合费率。 */
export function channelAdjustedMarginBps(
marginBps: Bps,
channelShareBps: Bps,
channelRateBps: Bps,
): Bps {
return marginBps - Math.round((channelShareBps * channelRateBps) / FULL);
}
/** 免费层月成本,单位美分;用量按实际分钟数,不按额度上限。 */
export function freeTierCostCents(
accounts: number,
minutesPerAccount: number,
costMicrosPerMinute: number,
): Cents {
return Math.round((accounts * minutesPerAccount * costMicrosPerMinute) / FULL);
}
/** 免费层成本占收入的比例,以基点表示。 */
export function freeTierShareBps(freeCostCents: Cents, revenueCents: Cents): Bps {
return divide(freeCostCents, revenueCents);
}
/** 比较前后两期的同一指标,判断侵蚀方向。 */
export function movement(previousBps: Bps, currentBps: Bps): Movement {
if (currentBps < previousBps) return "eroding";
if (currentBps > previousBps) return "improving";
return "flat";
}
export const RETRY_RATES_BPS = {
lumenDesk: 800,
verba: 300,
clausePilot: 1_100,
} as const;
export const EFFECTIVE_COST_TABLE = [
{ name: "LumenDesk", unitCostMicros: 15_000, retryBps: RETRY_RATES_BPS.lumenDesk },
{ name: "Verba API", unitCostMicros: 4_200, retryBps: RETRY_RATES_BPS.verba },
{ name: "ClausePilot", unitCostMicros: 65_000_000, retryBps: RETRY_RATES_BPS.clausePilot },
] as const;
export const CHANNEL_MARGINS = [
{ name: "LumenDesk", marginBps: 8_271, shareBps: 4_000, rateBps: 3_100 },
{ name: "Verba API", marginBps: 4_750, shareBps: 5_000, rateBps: 2_250 },
{ name: "ClausePilot", marginBps: 7_327, shareBps: 1_500, rateBps: 2_800 },
] as const;
测试会验证三组数:有效单位成本分别是 16,304、4,330、73,033,708 微美元;渠道后毛利率分别是 7,031、3,625、6,907 个基点;免费层成本是 141,120 美分,占收入 42 个基点。最后一个数就是 0.42%,正文写成 0.4%,是保留一位小数的结果。
代码里的 8,271 个基点就是 82.71%,与前一张表一致;渠道后毛利率 7,031 个基点就是 70.31%,正文写成 70.3%。实际系统里应统一用未舍入的比率计算,展示时再取一位小数,不要在两处分别舍入。
监测顺序与责任
五个信号不需要同时看,也不应该由同一个团队看。可以按下面的顺序分配:
- 产品团队看有效单次成本与成本构成。 重试率、模型路由、上下文长度、人工工时,这些是产品可以改变的量。产品团队每周看一次,发现异常先查版本与提示词变更。
- 财务团队看毛利率与渠道后毛利率。 收入、渠道分成、支持成本,这些是财务可以核对的量。财务每月结账时输出渠道前后并列的毛利率。
- 销售与客户成功看 P99 负毛利客户。 客户清单、续约时间、修复方案,这些是销售可以推动的量。销售每月更新一次负毛利客户清单。
- 增长团队看免费层成本与用量。 免费账户数、实际用量、转化率,这些是增长可以调节的量。增长每周看一次免费层用量与付费转化的比例。
四个团队的指标最后汇总到一张月度毛利看板,由财务或运营负责人统一解释。看板不追求指标数量,而追求每个指标都有负责人、有动作、有复核时间。没有负责人的指标,最终都会变成「大家都知道,但没人处理」。
看板还要区分「领先指标」和「结果指标」。有效成本、重试率、免费层用量是领先指标,毛利率、毛利额是结果指标。领先指标用来触发动作,结果指标用来验证动作是否有效。两者混在一张表里可以,但解释顺序必须先领先、后结果,否则会议会变成对结果的追责,而不是对原因的排查。
信号与阈值:不要设一个拍脑袋的数字
很多团队会给每个信号设一个阈值,比如「重试率超过 10% 报警」「渠道占比超过 50% 报警」。阈值不是不能设,但要先有基线,再设阈值。没有基线的阈值,只是把某个人的经验变成了制度。
正确的做法是先跑三个月,记录每个信号的分布,再用分位数设定触发点。比如重试率的 P50 是 8%,P95 是 11%,那么触发点可以设在 11%,而不是拍一个 10%。渠道占比同理:先看历史分布,再看业务计划,最后才定阈值。
阈值的作用是减少噪音,不是替代判断。信号触发后,仍然要回答三个问题:变化是结构性的还是临时的、影响的是收入还是成本、修复动作需要多久。三个问题回答完,再决定是否升级为毛利事件。
还要防止「信号互相抵消」造成的假安全。有效成本上升,但渠道占比下降,渠道后毛利率可能看起来没变;P99 负毛利扩大,但新客毛利更高,组合毛利率也可能看起来没变。五个信号要分开看方向,不能只看合总数。合总数不变,可能是两个恶化被一个改善掩盖,也可能是统计口径调整的结果。
小结
- 毛利侵蚀是渐进过程,结果指标之外要有先行信号,否则发现时已经过了几个季度。
- 信号一:有效单次成本 = 名义成本 ÷(1 − 重试率),三案例分别是 0.0163、0.00433、73.03 美元。
- 信号二:P99 负毛利扩大,LumenDesk 的 P99 毛利率是 −128.1%,一个客户就能吃掉 P50 与 P95 的毛利。
- 信号三:渠道后毛利率 = 毛利率 − 渠道占比 × 综合费率,三案例分别降到 70.3%、36.3%、69.1%。
- 信号四:免费层按实际用量算成本,Verba 是 1,411.20 美元、占收入 0.4%,额度外溢比免费层更隐蔽。
- 信号五:成本构成漂移比总量更早提示风险,三案例最大成本项分别是模型侧 80.0%、推理 83.3%、人工 53.8%。
- 五个信号分别由产品、财务、销售、增长负责,汇总到一张月度毛利看板。
- 阈值要先有基线再设,触发后仍要判断结构性、影响面与修复周期。
阅读导航:上一节:4.2 客户级毛利与组合毛利 · 下一节:5.1 模型涨价的传导路径 。
常见错误与边界
- 只盯月度毛利率结果,不设先行信号,等毛利率明显下降时结构已经改变。
- 用名义单次成本算毛利,不把重试率折进有效成本,ClausePilot 会被高估 3.3 个百分点。
- 只看均值毛利率,不看 P99 与负毛利客户清单,长尾亏损被多数客户的利润掩盖。
- 只报渠道前毛利率,不报渠道后毛利率,渠道占比上升时误以为毛利稳定。
- 免费层成本按额度上限而不是实际用量计算,或用免费账户数代替真实用量。
- 只看总变动成本,不看成本构成,人工占比上升被推理降价抵消,风险被推迟;给信号设阈值却没有基线,触发后也没有明确的修复责任人。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。