Menu
商业计划书：强调市场机会、产品与商业模式、竞争、团队、财务与风险，形成可评审BP。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
文档创作年度报告：主要借助 `aily-doc` 获取用户年度文档信息（数量、点赞、评论、PV、UV 等），并基于这些指标与代表性文档产出年度总结型飞书云文档。
季度/年度业务汇报：围绕指标达成、业务进展、问题与对策输出结构化业务汇报。
公司调研：基于官方与公开信息输出公司概况、业务结构、竞争位置、经营与风险的结构化研究。
竞品分析：通过统一维度对比产品与市场信息，形成结构化对比结论与机会点。
概念解释：由浅入深讲清概念的定义、原理与本质，面向不同知识背景的读者。
基于飞书群聊的**智能摘要与洞察**生成能力。从指定群聊/时间范围的消息中提取关键信息，识别决策、行动项、风险，生成**飞书云文档结构化摘要**。
| name | aily-doc-business-plan |
| label | 商业计划书 |
| description | 商业计划书：强调市场机会、产品与商业模式、竞争、团队、财务与风险，形成可评审BP。 |
商业计划书：强调市场机会、产品与商业模式、竞争、团队、财务与风险，形成可评审BP。覆盖从市场规模验证（TAM/SAM/SOM）、竞品对比矩阵、商业模式画布到财务预测与融资需求的全链路分析，输出结构化的飞书云文档商业计划书。
task（subagent_type: writer）委托 Writer Agent 创建飞书云文档。feishu-use-skills-map 并按其指引调用对应技能get_skills 获取对应飞书技能说明feishu-use-skills-map 并调用对应技能| 工具 | 用途 | 适用场景 |
|---|---|---|
web_search | 广泛检索公开信息 | 市场规模、竞品动态、融资新闻、行业报告 |
fetch | 获取特定网页/文档全文 | 深入阅读招股书、研究报告、白皮书 |
aily-doc | 飞书文档操作 | 检索/创建飞书云文档 |
knowledge_answer | 检索内部知识库 | 公司内部产品资料、历史分析、团队信息 |
file | 将素材写入 draft.md（append 模式） | 每个数据步骤完成后 |
主 Agent 收到商业计划书请求后，使用 todo_write 分解任务：
{
"todos": [
{"content": "明确项目定位：确认产品、目标市场、融资阶段与受众", "status": "in_progress"},
{"content": "【市场调研】市场机会与规模验证：TAM/SAM/SOM、增长率、用户画像", "status": "pending"},
{"content": "【竞争分析】竞争格局调研：竞品对比矩阵、市场份额、差异化壁垒", "status": "pending"},
{"content": "【内部资料】产品/团队/财务信息收集：knowledge_answer + aily-doc", "status": "pending"},
{"content": "【结构化分析】商业模式画布 + 财务模型 + SWOT 分析", "status": "pending"},
{"content": "调用 writer agent 生成商业计划书云文档", "status": "pending"}
]
}
核心原则：多维度、多来源、多视角收集信息，确保 BP 核心论点均有数据支撑。
web_search 查询（多角度覆盖）：
- "{市场} 市场规模 TAM SAM SOM"
- "{行业} 增长率 CAGR 预测 2024 2025"
- "{行业} 市场报告 艾瑞 IDC Frost Sullivan"
- "{目标用户} 痛点 需求 调研"
- "{行业} 渗透率 天花板 增长驱动"
- "{行业} market size forecast global"
fetch 深度阅读：
fetch(
url: "https://example.com/industry-market-report-2024.pdf",
prompt: "提取该行业的市场规模、增速、TAM/SAM/SOM、细分领域占比、增长驱动因素"
)
数据交叉验证：
写入 draft.md（使用 file(path: "/home/workspace/draft.md", mode: "append")）：
## 市场机会调研
### 市场规模
| 指标 | 数值 | 来源 | 年份 |
|------|------|------|------|
| TAM（潜在总市场） | 5,000 亿元 | 艾瑞咨询 | 2024 |
| SAM（可服务市场） | 800 亿元 | IDC | 2024 |
| SOM（可获得市场） | 50 亿元 | 团队估算 | 2025E |
### 增长预测
- CAGR: 25.6%（Frost & Sullivan，2024-2029 预测区间）
- 驱动因素：政策推动、技术成熟、需求爆发
- 渗透率：当前 12%，预计 2027 年达到 35%
### 目标用户痛点
| 痛点 | 严重程度 | 现有解决方案 | 不足之处 |
|------|---------|-------------|---------|
| 人工操作效率低 | 高 | 传统 ERP 系统 | 定制成本高、部署周期长 |
| 数据孤岛严重 | 高 | 手动导出/汇总 | 实时性差、错误率高 |
| 决策缺乏数据支撑 | 中 | BI 工具 | 门槛高、覆盖场景有限 |
web_search 查询：
- "{行业} 竞争格局 市场份额 排名"
- "{竞品A} vs {竞品B} 产品对比"
- "{行业} 创业公司 融资 独角兽"
- "{竞品A} 营收 用户量 增长率"
- "{行业} competitive landscape market share"
- "{竞品A} 产品定价 商业模式"
fetch 深度调研：
fetch(
url: "https://competitor-a.com/about",
prompt: "提取该公司的产品定位、核心功能、定价策略、客户案例、融资历程"
)
写入 draft.md（使用 file(path: "/home/workspace/draft.md", mode: "append")）：
## 竞争格局调研
### 竞争态势总览
- 市场阶段：成长期，竞争格局尚未固化
- 主要玩家类型：传统厂商转型、垂直 SaaS 创业公司、互联网巨头跨界
### 主要竞品信息
| 竞品 | 成立时间 | 最新融资 | 估值 | 核心产品 | 客户数 |
|------|---------|---------|------|---------|--------|
| 竞品 A | 2018 | B 轮 2 亿元 | 15 亿元 | 智能分析平台 | 500+ |
| 竞品 B | 2016 | C 轮 5 亿元 | 40 亿元 | 一站式解决方案 | 2,000+ |
| 竞品 C | 2020 | A 轮 5,000 万 | 3 亿元 | 垂直场景工具 | 200+ |
| 传统厂商 D | 2005 | 已上市 | 市值 200 亿 | 传统 ERP + 新模块 | 10,000+ |
### 竞品产品对比
| 维度 | 我方 | 竞品 A | 竞品 B | 竞品 C |
|------|------|--------|--------|--------|
| 核心功能 | AI 驱动自动化 | 数据分析 | 全链路管理 | 单点工具 |
| 部署方式 | SaaS + 私有化 | 纯 SaaS | 混合部署 | 纯 SaaS |
| 客单价 | 10-50 万/年 | 5-20 万/年 | 20-100 万/年 | 1-5 万/年 |
| 技术壁垒 | 自研大模型 | 开源模型 | 平台集成 | 规则引擎 |
| 实施周期 | 2-4 周 | 1-2 周 | 4-12 周 | 即开即用 |
knowledge_answer 查询：
knowledge_answer(
query_list: [
"我们的产品核心功能和技术架构",
"目前的客户案例和使用效果数据",
"团队核心成员背景和履历",
"现有的财务数据和经营指标",
"已有的行业分析和市场调研"
],
explanation: "收集商业计划书所需的内部信息"
)
aily-doc 查询：
feishu_doc_search(
query: "产品介绍 商业模式 融资 团队",
filters: { doc_type: "docx" }
)
写入 draft.md（使用 file(path: "/home/workspace/draft.md", mode: "append")）：
## 内部资料
### 产品信息
- 核心产品：基于大模型的企业智能决策平台
- 技术架构：自研行业大模型 + RAG 知识库 + 多 Agent 协作框架
- 核心功能：智能数据分析、自动报告生成、决策推荐引擎
- 专利/知识产权：已申请发明专利 12 项，软著 8 项
### 经营现状
| 指标 | 2023 年 | 2024 年 | 同比增长 |
|------|---------|---------|---------|
| 签约客户数 | 30 | 85 | 183% |
| ARR（年经常性收入） | 600 万元 | 2,100 万元 | 250% |
| 平均客单价 | 20 万元 | 25 万元 | 25% |
| NDR（净收入留存率） | 110% | 125% | +15pp |
### 团队核心成员
| 姓名 | 职位 | 背景 |
|------|------|------|
| 张三 | CEO | 前某大厂 VP，15 年行业经验 |
| 李四 | CTO | 前某 AI 实验室负责人，博士，发表顶会论文 20+ |
| 王五 | COO | 前某咨询公司合伙人，10 年企服经验 |
### 内部已有分析
- [产品白皮书](飞书链接)：核心技术与产品详述
- [2024 年度复盘](飞书链接)：经营数据与客户反馈
web_search 查询：
- "{行业} SaaS 公司 营收 估值倍数"
- "{行业} 创业公司 融资轮次 估值"
- "{可比公司} 财报 营收 利润率 ARR"
- "{行业} unit economics LTV CAC"
- "SaaS 公司 财务模型 关键指标 benchmark"
- "{行业} 上市公司 PS 倍数 估值"
fetch 深度阅读：
fetch(
url: "https://example.com/saas-benchmark-report-2024.pdf",
prompt: "提取 SaaS 行业关键财务指标：ARR 增速中位数、毛利率、NDR、LTV/CAC、PS 估值倍数"
)
写入 draft.md（使用 file(path: "/home/workspace/draft.md", mode: "append")）：
## 财务基准与可比公司
### 行业财务基准（SaaS 行业）
| 指标 | 行业中位数 | 优秀水平（Top 25%） | 来源 |
|------|-----------|-------------------|------|
| ARR 增速 | 35% | 80%+ | SaaS Capital, 2024 |
| 毛利率 | 70% | 80%+ | KeyBanc SaaS Survey |
| NDR | 110% | 130%+ | Bessemer Cloud Index |
| LTV/CAC | 3.0x | 5.0x+ | OpenView SaaS Benchmarks |
| PS 倍数 | 8x | 15x+ | 公开市场数据 |
### 可比融资案例
| 公司 | 轮次 | 金额 | 估值 | 时间 | 投资方 |
|------|------|------|------|------|--------|
| 可比公司 A | B 轮 | 3 亿元 | 20 亿元 | 2024.03 | 红杉、高瓴 |
| 可比公司 B | C 轮 | 8 亿元 | 60 亿元 | 2024.06 | 腾讯、IDG |
| 可比公司 C | A 轮 | 8,000 万 | 5 亿元 | 2024.09 | 经纬、源码 |
核心原则：用框架驱动分析，形成投资逻辑而非堆砌数据。
## 市场验证分析
### 自上而下估算
- TAM = {行业整体 IT 支出} = 5,000 亿元（来源：IDC, 2024）
- SAM = TAM x {细分领域占比 16%} = 800 亿元
- SOM = SAM x {目标客户渗透率 6.25%} = 50 亿元（5 年目标）
### 自下而上验算
- 目标客户总数：50,000 家中大型企业
- 预期渗透率（5 年）：10%
- 平均客单价：100 万元/年
- SOM = 50,000 x 10% x 100 万 = 50 亿元
### 交叉验证结论
- 两种方法结果一致（50 亿元），市场空间充足
- 即使仅获取 SOM 的 5%（2.5 亿 ARR），也已是一家优质 SaaS 公司
## 竞品对比矩阵
| 对比维度 | 权重 | 我方 | 竞品 A | 竞品 B | 竞品 C |
|---------|------|------|--------|--------|--------|
| 产品功能完整度 | 25% | 8/10 | 6/10 | 9/10 | 4/10 |
| AI 技术深度 | 20% | 9/10 | 5/10 | 6/10 | 3/10 |
| 客户体验/易用性 | 15% | 8/10 | 7/10 | 5/10 | 8/10 |
| 定价竞争力 | 15% | 7/10 | 8/10 | 5/10 | 9/10 |
| 品牌与渠道 | 10% | 4/10 | 6/10 | 8/10 | 3/10 |
| 团队与融资 | 10% | 7/10 | 6/10 | 8/10 | 5/10 |
| 生态与集成 | 5% | 6/10 | 5/10 | 7/10 | 4/10 |
| **加权总分** | 100% | **7.6** | **6.1** | **6.8** | **4.8** |
### 核心差异化
- **我方核心壁垒**：自研行业大模型，准确率领先竞品 15-20 个百分点
- **竞品 A 优势**：价格低、部署快，适合中小客户
- **竞品 B 优势**：品牌强、客户基数大，但技术迭代慢
## 商业模式画布
### 价值主张（Value Proposition）
- 为中大型企业提供 AI 驱动的智能决策平台，将数据分析效率提升 10 倍
- 核心价值：降本（减少 60% 人工分析工作）、增效（决策响应时间从天级降至分钟级）
### 客户细分（Customer Segments）
- 主力客户：年营收 1-50 亿的中大型企业
- 行业聚焦：金融、零售、制造（3 个垂直行业优先突破）
- 决策者：CTO/CDO/数据部门负责人
### 渠道（Channels）
- 直销团队（占比 70%）：聚焦头部大客户
- 渠道合作（占比 20%）：与咨询公司、集成商合作
- 产品导流（占比 10%）：免费版 → 付费转化
### 收入模式（Revenue Streams）
- SaaS 订阅费：按模块 + 用量计费，年均客单价 10-50 万
- 实施服务费：首年实施 + 定制开发，一次性收入
- 增值服务：培训、高级数据分析、专家咨询
### 成本结构（Cost Structure）
| 成本项 | 占比 | 说明 |
|--------|------|------|
| 研发人员 | 45% | 算法、工程、产品团队 |
| 销售与市场 | 25% | 直销团队、渠道费用、市场推广 |
| 云计算与基础设施 | 15% | GPU 算力、云服务器、带宽 |
| 管理与行政 | 10% | 办公、人事、财务 |
| 其他 | 5% | 法务、知识产权、差旅 |
### 核心资源（Key Resources）
- 自研大模型与算法能力
- 行业 Know-How 与数据积累
- 核心技术团队
### 关键合作（Key Partners）
- 云服务商（算力支持）
- 行业头部客户（联合创新、标杆案例）
- 咨询/集成商（渠道覆盖）
## 财务模型框架
### 收入预测
| 指标 | 2024A | 2025E | 2026E | 2027E | 2028E |
|------|-------|-------|-------|-------|-------|
| 新增客户数 | 55 | 120 | 250 | 400 | 550 |
| 累计客户数 | 85 | 195 | 425 | 780 | 1,230 |
| 平均客单价（万元） | 25 | 30 | 35 | 38 | 40 |
| ARR（万元） | 2,100 | 5,850 | 14,875 | 29,640 | 49,200 |
| 服务收入（万元） | 500 | 1,000 | 2,000 | 3,500 | 5,000 |
| **总收入（万元）** | **2,600** | **6,850** | **16,875** | **33,140** | **54,200** |
| YoY 增速 | 250% | 163% | 146% | 96% | 64% |
### 盈利预测
| 指标 | 2024A | 2025E | 2026E | 2027E | 2028E |
|------|-------|-------|-------|-------|-------|
| 毛利率 | 68% | 72% | 75% | 78% | 80% |
| 研发费用率 | 85% | 55% | 40% | 30% | 25% |
| 销售费用率 | 50% | 40% | 32% | 25% | 22% |
| 管理费用率 | 20% | 15% | 12% | 10% | 8% |
| **净利率** | **-87%** | **-38%** | **-9%** | **13%** | **25%** |
| 盈亏平衡预计 | - | - | 2026Q4 | - | - |
### 单位经济模型
| 指标 | 当前 | 目标（2026E） | 行业优秀 |
|------|------|-------------|---------|
| CAC（获客成本） | 15 万 | 10 万 | 8 万 |
| LTV（客户生命周期价值） | 45 万 | 75 万 | 100 万+ |
| LTV/CAC | 3.0x | 7.5x | 5.0x+ |
| 回收期 | 18 个月 | 10 个月 | 12 个月 |
| 月流失率 | 2.5% | 1.0% | <1.5% |
## SWOT 分析
| | 正面 | 负面 |
|---|------|------|
| **内部** | **S（优势）**<br>1. 自研大模型，技术壁垒高<br>2. 团队具备行业 + AI 双重背景<br>3. NDR 125%，产品粘性强<br>4. 已有标杆客户背书 | **W（劣势）**<br>1. 品牌知名度低，市场认知不足<br>2. 销售团队规模小，覆盖有限<br>3. 现金流尚未转正，依赖融资<br>4. 产品功能仍在快速迭代中 |
| **外部** | **O（机会）**<br>1. 企业数字化转型加速，AI 采购预算增长<br>2. 政策鼓励国产替代和 AI 应用<br>3. 竞品技术迭代慢，窗口期存在<br>4. 大客户需求从工具向平台升级 | **T（威胁）**<br>1. 互联网巨头可能切入赛道<br>2. 开源大模型降低技术门槛<br>3. 经济下行导致企业 IT 预算缩减<br>4. 数据安全法规趋严增加合规成本 |
### 战略应对
- **SO 策略**：利用技术优势抢占政策红利窗口，快速签约标杆客户
- **WO 策略**：借助融资扩大销售团队，利用市场机会提升品牌
- **ST 策略**：深耕垂直行业 Know-How，构建巨头难以复制的壁垒
- **WT 策略**：控制烧钱速度，确保在融资关闭前达到盈亏平衡
主 Agent 完成数据收集和分析后，调用 task 工具分发给 writer agent：
{
"description": "生成商业计划书云文档",
"prompt": "基于 /home/workspace/draft.md 中的商业计划书素材，生成一份结构完整的飞书云文档商业计划书。\n\n要求：\n1. 严格按照商业计划书模板结构组织内容\n2. 执行摘要放在最前面，投资人 3 分钟能看懂核心逻辑\n3. 所有数据标注来源和年份\n4. 市场规模必须包含 TAM/SAM/SOM 三级拆解\n5. 竞品对比必须使用表格，维度统一\n6. 财务预测必须包含 3-5 年收入与盈利预测\n7. 融资需求与资金用途必须明确拆分\n8. 报告篇幅：20-40 页\n\n报告模板见下方。",
"subagent_type": "writer"
}
Writer Agent 接到任务后，严格按以下顺序执行：
| 步骤 | 工具 | 动作 |
|---|---|---|
| 1 | file_read | 读取 /home/workspace/draft.md，获取全部调研素材 |
| 2 | outline_generator | 基于素材与模板生成商业计划书大纲 |
| 3 | feishu_doc_create | 按大纲生成飞书云文档商业计划书 |
| 4 | end | 返回飞书文档链接，结束任务 |
outline_generator 调用示例：
{
"title": "{项目名称} 商业计划书",
"sections": [
"执行摘要",
"市场机会：市场规模、用户画像、痛点需求",
"产品与方案：核心产品、技术壁垒、产品路线图",
"商业模式：收入模式、成本结构、客户获取",
"竞争分析：竞争格局、竞品矩阵、核心壁垒",
"运营与增长：GTM策略、增长飞轮、关键里程碑",
"团队与组织：核心团队、顾问、组织规划",
"财务与融资：财务预测、融资需求、资金用途",
"风险与对策：风险矩阵、应对措施",
"附录"
]
}
feishu_doc_create 调用示例：
{
"title": "{项目名称} 商业计划书",
"content": "（基于大纲和 draft.md 素材生成的完整 markdown 内容）"
}
# {项目名称} 商业计划书
> 融资阶段：{A 轮} | 融资金额：{5,000 万元人民币}
> 生成时间：YYYY-MM-DD
---
## 执行摘要
### 一句话定位
基于自研行业大模型，为中大型企业提供 AI 驱动的智能决策平台，将数据分析效率提升 10 倍。
### 核心亮点
1. **市场机会**：TAM 5,000 亿元，SOM 50 亿元，CAGR 25.6%
2. **产品验证**：已服务 85 家客户，ARR 2,100 万元，NDR 125%
3. **技术壁垒**：自研行业大模型，准确率领先竞品 15-20pp
4. **团队实力**：核心团队来自头部科技公司与 AI 实验室
5. **融资需求**：A 轮融资 5,000 万元，用于产品研发与市场扩张
### 关键指标速览
| 指标 | 数值 |
|------|------|
| 2024 ARR | 2,100 万元 |
| ARR 增速（YoY） | 250% |
| NDR | 125% |
| LTV/CAC | 3.0x |
| 累计客户数 | 85 家 |
| 预计盈亏平衡 | 2026Q4 |
---
## 一、市场机会
### 1.1 市场规模
| 层级 | 定义 | 规模 | 来源 |
|------|------|------|------|
| TAM（潜在总市场） | 全球企业智能决策软件市场 | 5,000 亿元 | IDC, 2024 |
| SAM（可服务市场） | 中国中大型企业 AI 分析平台 | 800 亿元 | 艾瑞咨询, 2024 |
| SOM（可获得市场） | 3 个垂直行业重点客群 | 50 亿元 | 团队估算 |
**增长预测**：
- 全球 CAGR：22.3%（Gartner, 2024-2029）
- 中国 CAGR：25.6%（艾瑞咨询, 2024-2029）
- 增长驱动：数字化转型加速、AI 技术成熟、政策推动
### 1.2 目标用户画像
| 维度 | 描述 |
|------|------|
| 企业规模 | 年营收 1-50 亿元的中大型企业 |
| 行业 | 金融、零售、制造（优先）；医疗、物流（扩展） |
| 决策者 | CTO、CDO、数据部门负责人 |
| 预算 | 年 IT 预算 500 万元以上，AI 预算占比 10-20% |
| 核心诉求 | 降低分析人力成本、提升决策速度、数据驱动经营 |
### 1.3 市场痛点与需求
**核心痛点**：
1. **效率痛点**：80% 的企业数据分析仍依赖 Excel + 人工，平均一份分析报告需要 3-5 天
2. **质量痛点**：人工分析错误率高达 15-20%，且缺乏一致性
3. **时效痛点**：管理层需要实时数据洞察，但现有流程响应时间以天/周为单位
4. **成本痛点**：雇佣数据分析师团队成本高（人均 40-60 万/年），且人才稀缺
**需求验证**：
- 已与 200+ 家目标企业进行需求调研
- 85 家企业已签约使用，续约率 92%
- NPS 评分 62 分（行业平均 35 分）
---
## 二、产品与方案
### 2.1 核心产品
**产品架构**：
- **底层**：自研行业大模型（基于千亿参数基座 + 垂直行业数据微调）
- **中间层**：RAG 企业知识库 + 多 Agent 协作引擎
- **应用层**：智能分析、自动报告、决策推荐三大核心模块
**核心功能**：
| 功能模块 | 描述 | 用户价值 |
|---------|------|---------|
| 智能数据分析 | 自然语言提问，自动生成分析结果 | 分析效率提升 10 倍 |
| 自动报告生成 | 基于数据自动生成各类经营报告 | 节省 80% 报告撰写时间 |
| 决策推荐引擎 | 基于历史数据与行业模型给出决策建议 | 决策准确率提升 30% |
| 数据治理平台 | 自动打通数据孤岛，统一数据口径 | 数据可用率从 40% 提升至 90% |
### 2.2 技术壁垒
1. **自研行业大模型**：基于千亿参数基座模型，在金融、零售、制造三个行业的 Benchmark 上准确率分别达到 92%、89%、87%，领先通用大模型 15-20 个百分点
2. **数据飞轮效应**：每新增一个客户，模型会学习该客户的业务逻辑，持续提升全局准确率
3. **行业 Know-How 积累**：核心团队合计 50+ 年的行业经验沉淀为标准化知识图谱
4. **工程化能力**：模型推理速度优化至毫秒级，支持千人并发
### 2.3 产品路线图
| 阶段 | 时间 | 目标 | 关键里程碑 |
|------|------|------|-----------|
| V1.0 已完成 | 2023H2 | MVP 验证 | 核心分析功能上线，首批 30 家客户 |
| V2.0 当前 | 2024 | 产品成熟 | 三大模块完整，85 家客户，NDR 125% |
| V3.0 规划 | 2025H1 | 平台化 | 开放 API/SDK，支持二次开发和生态接入 |
| V4.0 规划 | 2025H2-2026 | 行业深化 | 新增医疗、物流行业模型，客户突破 400 家 |
---
## 三、商业模式
### 3.1 收入模式
| 收入类型 | 占比 | 定价方式 | 说明 |
|---------|------|---------|------|
| SaaS 订阅（核心） | 70% | 按模块 + 用量，10-50 万/年 | 年付，按年递增 |
| 实施与定制 | 20% | 按项目，5-30 万/项 | 首年一次性收入 |
| 增值服务 | 10% | 按需，2-10 万/年 | 培训、咨询、高级支持 |
**定价策略**：
- 基础版：10 万/年（3 个模块，50 用户）
- 专业版：30 万/年（全模块，200 用户，API 接口）
- 企业版：50 万+/年（私有化部署，无限用户，专属模型）
### 3.2 成本结构
| 成本项 | 2024A 占比 | 2026E 占比 | 优化路径 |
|--------|-----------|-----------|---------|
| 研发人员 | 45% | 35% | 规模效应，人效提升 |
| 销售与市场 | 25% | 28% | 前期投入扩张，后期渠道占比提升 |
| 云计算/GPU | 15% | 18% | 用量增长，但单位成本下降 |
| 管理与行政 | 10% | 8% | 规模效应 |
| 其他 | 5% | 3% | 标准化降低边际成本 |
### 3.3 客户获取策略（GTM）
**三层漏斗模型**：
1. **获客层（Awareness）**：
- 内容营销（行业白皮书、案例分享）
- 行业峰会与展会
- SEO/SEM + 社交媒体
2. **转化层（Conversion）**：
- 免费试用（14 天全功能体验）
- 解决方案演示 + POC（概念验证）
- 标杆客户背书与转介绍
3. **扩展层（Expansion）**：
- CSM（客户成功）团队持续跟进
- 模块交叉销售、用量升级
- 年度价值回顾与续约
---
## 四、竞争分析
### 4.1 竞争格局
**市场参与者类型**：
| 类型 | 代表公司 | 优势 | 劣势 |
|------|---------|------|------|
| 垂直 AI 创业公司 | 竞品 A、竞品 C | 技术创新快、专注度高 | 规模小、品牌弱 |
| 综合 SaaS 平台 | 竞品 B | 功能全、客户基础大 | AI 能力弱、迭代慢 |
| 传统 IT 厂商 | 厂商 D | 客户关系深、渠道广 | 产品老旧、转型困难 |
| 互联网巨头 | 某云、某智 | 资源雄厚、品牌强 | 不够聚焦、通用化 |
### 4.2 竞品对比矩阵
| 维度 | 我方 | 竞品 A | 竞品 B | 竞品 C | 传统厂商 D |
|------|------|--------|--------|--------|-----------|
| AI 准确率 | 92% | 75% | 70% | 68% | 55% |
| 产品完整度 | 8/10 | 6/10 | 9/10 | 4/10 | 7/10 |
| 部署灵活性 | SaaS+私有化 | 纯 SaaS | 混合 | 纯 SaaS | 纯私有化 |
| 客单价 | 10-50 万 | 5-20 万 | 20-100 万 | 1-5 万 | 50-200 万 |
| 实施周期 | 2-4 周 | 1-2 周 | 4-12 周 | 即开即用 | 3-6 个月 |
| 客户评价 | NPS 62 | NPS 45 | NPS 38 | NPS 50 | NPS 25 |
### 4.3 核心壁垒
1. **技术壁垒**：自研行业大模型需要 18-24 个月积累，竞品短期难以复制
2. **数据壁垒**：已积累 85 家客户的脱敏行业数据，模型持续优化
3. **场景壁垒**：深耕 3 个垂直行业的标准化方案，Know-How 不可复制
4. **切换成本**：客户一旦接入，数据与流程深度绑定，迁移成本高
---
## 五、运营与增长
### 增长飞轮
1. **产品驱动**：高 NPS → 口碑传播 → 低成本获客
2. **数据驱动**：更多客户 → 更多数据 → 更好模型 → 更多客户
3. **生态驱动**：开放 API → 合作伙伴集成 → 更多场景覆盖
### 关键里程碑
| 时间 | 里程碑 | KPI |
|------|--------|-----|
| 2025Q1 | A 轮融资完成 | 融资 5,000 万元 |
| 2025Q2 | 销售团队扩张完成 | 销售人数从 10 人扩至 30 人 |
| 2025H2 | V3.0 平台版发布 | API/SDK 上线，首批 10 家生态伙伴接入 |
| 2026Q2 | 客户突破 400 家 | ARR 突破 1.5 亿元 |
| 2026Q4 | 实现盈亏平衡 | 单月正现金流 |
| 2027 | B 轮融资 / 冲刺规模化 | ARR 3 亿元，启动新行业扩展 |
---
## 六、团队与组织
### 核心团队
| 姓名 | 职位 | 核心背景 |
|------|------|---------|
| 张三 | CEO/创始人 | 前某大厂 VP，15 年企业服务经验，成功带领上一家公司从 0 到 3 亿 ARR |
| 李四 | CTO/联合创始人 | 前某 AI 实验室技术负责人，博士，顶会论文 20+，主导过亿级参数模型训练 |
| 王五 | COO | 前某咨询公司合伙人，10 年企服运营经验，管理过 200+ 人团队 |
| 赵六 | VP Sales | 前某上市 SaaS 公司销售总监，累计签约超 5 亿元 |
| 孙七 | VP Product | 前某头部互联网公司产品总监，主导过 DAU 千万级产品 |
### 团队规模与规划
| 部门 | 当前（2024） | 计划（2025） | 计划（2026） |
|------|-------------|-------------|-------------|
| 研发 | 35 人 | 55 人 | 70 人 |
| 销售 | 10 人 | 30 人 | 50 人 |
| 客户成功 | 5 人 | 15 人 | 25 人 |
| 产品 | 5 人 | 8 人 | 12 人 |
| 职能 | 5 人 | 7 人 | 10 人 |
| **合计** | **60 人** | **115 人** | **167 人** |
### 顾问委员会
| 姓名 | 身份 | 价值 |
|------|------|------|
| 顾问 A | 某行业协会会长 | 行业资源与政策解读 |
| 顾问 B | 某知名 VC 合伙人 | 融资与战略指导 |
| 顾问 C | 某头部企业前 CTO | 技术方向与大客户引荐 |
---
## 七、财务与融资
### 7.1 财务预测
| 指标 | 2024A | 2025E | 2026E | 2027E | 2028E |
|------|-------|-------|-------|-------|-------|
| 总收入（万元） | 2,600 | 6,850 | 16,875 | 33,140 | 54,200 |
| YoY 增速 | 250% | 163% | 146% | 96% | 64% |
| 毛利（万元） | 1,768 | 4,932 | 12,656 | 25,849 | 43,360 |
| 毛利率 | 68% | 72% | 75% | 78% | 80% |
| 运营利润（万元） | -2,262 | -2,603 | -1,519 | 4,308 | 13,550 |
| 净利率 | -87% | -38% | -9% | 13% | 25% |
### 7.2 融资需求
| 项目 | 详情 |
|------|------|
| 融资轮次 | A 轮 |
| 融资金额 | 5,000 万元人民币 |
| 估值预期 | 3-4 亿元（Pre-money），对应 2025E PS 约 5-6x |
| 资金用途周期 | 18-24 个月（覆盖至 2026Q4 盈亏平衡） |
| 目标投资人 | 专注企业服务/AI 赛道的头部 VC |
### 7.3 资金用途
| 用途 | 金额（万元） | 占比 | 说明 |
|------|-------------|------|------|
| 产品研发 | 2,000 | 40% | 大模型迭代、V3.0 平台版开发、新行业模型 |
| 销售扩张 | 1,500 | 30% | 销售团队从 10→30 人，渠道建设 |
| 市场推广 | 500 | 10% | 品牌建设、行业峰会、内容营销 |
| 客户成功 | 500 | 10% | CSM 团队扩建，提升续约率 |
| 运营储备 | 500 | 10% | 日常运营、不可预见支出 |
### 投资回报预期
- A 轮估值：3.5 亿元
- 预计 B 轮（2027）估值：15-20 亿元，回报 4-6x
- 退出路径：2028-2029 年 IPO 或并购
---
## 八、风险与对策
| 风险类型 | 风险描述 | 影响程度 | 发生概率 | 应对措施 |
|---------|---------|---------|---------|---------|
| 市场风险 | 经济下行导致企业缩减 IT 预算 | 高 | 中 | 推出轻量版降低客户采购门槛；强调 ROI 价值 |
| 竞争风险 | 互联网巨头携流量和资本入局 | 高 | 中 | 深耕垂直行业壁垒，做巨头做不深的场景 |
| 技术风险 | 开源大模型快速进步缩小技术差距 | 中 | 高 | 持续投入行业 Know-How，技术+场景双壁垒 |
| 人才风险 | AI 人才争夺激烈，核心成员流失 | 高 | 低 | 股权激励覆盖核心团队，建设良好技术文化 |
| 融资风险 | 资本市场遇冷，融资节奏延迟 | 高 | 中 | 严控现金流，确保现有资金覆盖 12 个月运营 |
| 政策风险 | AI 监管政策变化影响产品合规 | 中 | 中 | 提前布局合规能力，持续跟踪政策动态 |
---
## 附录
- A. 数据来源索引（所有引用数据的出处列表）
- B. 核心客户案例（2-3 个标杆客户的使用效果）
- C. 产品截图与演示（关键功能界面展示）
- D. 团队完整履历（核心成员详细背景）
- E. 财务模型详细假设（收入、成本、人员规划的详细假设）
- F. 术语表
用户: "帮我写一份 XX 的商业计划书"
|
v
+-------------------------------------------------------------+
| 主 Agent 执行 |
+-------------------------------------------------------------+
| 1. todo_write: 分解任务（6 步） |
| |
| 【资料收集】 |
| 2. web_search x N: 市场机会调研 |
| - "{市场} 市场规模 TAM SAM SOM" |
| - "{行业} CAGR 增长率 预测" |
| - "{目标用户} 痛点 需求" |
| 3. web_search x N: 竞争格局调研 |
| - "{行业} 竞争格局 市场份额" |
| - "{竞品} 融资 营收 产品" |
| 4. fetch: 深度阅读行业报告/招股书 |
| 5. knowledge_answer: 内部产品/团队/财务资料 |
| 6. aily-doc: 检索飞书内部已有分析 |
| 7. web_search x N: 财务基准与可比公司 |
| - "SaaS benchmark 估值倍数" |
| - "{行业} 融资案例" |
| |
| 【结构化分析】 |
| 8. TAM/SAM/SOM 市场验证（自上而下 + 自下而上） |
| 9. 竞品对比矩阵（加权评分） |
| 10. 商业模式画布 |
| 11. 财务模型框架（收入预测 + 盈利预测 + 单位经济） |
| 12. SWOT 分析 → 全部写入 draft.md |
| |
| 13. task(writer): 分发写作任务 |
+-------------------------------------------------------------+
|
v
+-------------------------------------------------------------+
| Writer Agent 执行 |
+-------------------------------------------------------------+
| 1. file_read: 读取 /home/workspace/draft.md |
| 2. outline_generator: 生成商业计划书大纲 |
| 3. feishu_doc_create: 生成飞书云文档商业计划书 |
| 4. end: 返回飞书文档链接 |
+-------------------------------------------------------------+
|
v
飞书云文档商业计划书
(可直接发送给投资人评审)
| 失败模式 | 原因 | 修复方法 |
|---|---|---|
| 市场规模缺乏说服力 | 仅用单一来源或仅有 TAM 无 SOM 拆解 | 必须包含 TAM/SAM/SOM 三级拆解，至少 2 个独立来源交叉验证，同时做自上而下+自下而上双向估算 |
| 竞品分析浮于表面 | 仅列出竞品名称，缺乏定量对比 | 建立加权评分矩阵，每个维度给出评分依据；用 fetch 深度阅读竞品官网和评测 |
| 商业模式不清晰 | 收入模式描述模糊，未区分收入类型 | 严格按商业模式画布填写，收入拆分为订阅/服务/增值，给出定价区间和占比预期 |
| 财务预测不可信 | 增长假设过于激进或缺乏依据 | 对标行业 benchmark，增速假设逐年递减符合 S 曲线，注明关键假设和敏感性 |
| 团队信息单薄 | 仅列出姓名和职位 | 必须包含核心背景（前公司+职级+关键成就），体现"为什么这个团队能做成" |
| 风险章节走过场 | 风险描述笼统，对策空洞 | 风险矩阵必须包含影响程度+发生概率+具体对策，对策需可执行而非口号式 |