《订阅制单位经济学、净收入留存与人工智能推理标度律》各章定量结论
订阅制企业靠比率经营,而每个比率都把一个动态过程压缩成一个数字、藏起一个假设。本书把 LTV、NRR、LTV/CAC 与 AI 产品的毛利还原为它们所压缩的过程并实际运行,找出比率在哪里成立、在哪里误导。本书不是投资或财务建议;全部数据为程序生成的合成数据。
DOI 10.5281/zenodo.24090164 · 阅读本章所在专著 · English version
- 第 1 章 · 客户终身价值不是毛利除以流失率
第一章用移位贝塔-几何队列存活取代「LTV = 毛利 / 流失率」:客户异质时,首月流失率最多把折现价值低估 −59%,而不折现、用成熟基数流失率的路演数字高估 +16% 到 +48%;贝塔参数 a ≤ 1 时期望寿命为无穷大。用六个月数据,单一流失率给出的队列价值为 1364,真值为 1966;异质性模型在结构正确时接近、在风险率随使用时长下降时高估 +33%,所以应报告跨模型的区间。 - 第 2 章 · 净收入留存:100% 处的门槛,以及它为何不能持久
第二章把 NRR 写成 dR/dt = A + (e − c)R:获客恒定时,低于 100% 饱和(80% 的天花板为 538),等于 100% 线性,高于 100% 复利——e = c 处是分岔;但扩张有界,一个队列的 NRR 从第一年的 144.1% 降到第五年的 95.7%,一家稳定公司的混合 NRR 随基数老化从 134.6% 降到 100.2%。 - 第 3 章 · 现金低谷:为什么单位经济学很好也会把钱烧光
第三章说明 LTV/CAC 藏起了现金:单位经济学相同,所需资金从不增长时的 912,868 升到月增长 10% 时的 8,320,737;口号比率最好(4.96)的企业需要最多的钱,折现比率却最低(1.80)。 - 第 4 章 · 一个 Token 的成本:预填充、解码与内存墙
第四章从第一性原理计算 token 成本:批量为 1 时 8B 模型的输出为每百万 3.012 美元、输入 0.018;批处理降到 0.072;长上下文拿走批处理;智能体循环重发历史,一百轮对话中输出只占成本的 6.1%,缓存把 0.6137 降到 0.0708。 - 第 5 章 · 重度用户、固定价格与模型路由
第五章说明路由以三分之一到一半的成本买到大模型的大部分准确率;固定价格下决定毛利的是平均用户,对数标准差 2.5 时毛利率为 −36.1%,且轻度用户更快流失使毛利率从 +81.3% 侵蚀到 +77.0%。 - 第 6 章 · 网络效应:n²、n log n,以及用户越多越糟的那一点
第六章比较梅特卡夫的 n² 与 Odlyzko-Tilly 的 n ln n(十倍用户分别带来 100.0 倍与 11.60 倍价值),加入拥堵后价值先升后降,并说明当变现能力每年增长 50% 时,收入对用户的拟合会给出 1.91 的指数而「证实」错误的定律。 - 第 7 章 · 「贪贾三之,廉贾五之」:利润率、周转率与「财币欲其行如流水」
《史记》记载贪贾三之、廉贾五之,并说财币欲其行如流水、无息币。若读作利润率与周转率之间的权衡——这是诠释,不是文本明说的意思——一个简单模型就能重现「三」与「五」:贪贾的加价是廉贾的两倍多,存货周转却只有其四分之一;十年复利把差距拉大到 57.7 倍对 13.8 倍。同样的算术把订阅产品的最佳价格定在流失率的价格敏感度与利润率相平衡之处,低于首年收入最大的价格。 - 第 8 章 · 四步核查与一项预注册的价格检验
第八章给出四步核查与一项预注册价格检验(每组 7,908 位注册用户)。书中以标注框区分已发表的证据、可运行的 Python 计算(16 段程序)、原典与作者的假说。
模型示意算例,非实时报价