Skip to content
Back to skills

Forecast Event Profit

ASecurity

以歷史檔期與近期基準估計促銷 CPM、轉換率、客單,建立廣告預算、營收與貢獻利潤情境及回測。適用黑五等檔期預估與建模教學;只有已給數值的敏感度比較使用既有敏感度方法

  • 259 stars
  • 0 votes
  • 0 copies
  • 4 views
  • Added October 23, 2026
ai-agentsgo

Security analysis

A100/100

Pro scans all 5 files and shows the line behind each finding

Scanned October 23, 2026

npx -y skills add backtrue/thinkwithblack-skill --skill forecast-event-profit --agent claude-code

Installs into .claude/skills of the current project.

Are you the author of Forecast Event Profit?

Add the live security badge to your README. It updates with every re-scan.

Security grade badge for Forecast Event Profit
[![Security: A — Skills Directory](https://www.skillsdirectory.com/api/skills/backtrue-forecast-event-profit-thinkwithblack-skill/badge)](https://www.skillsdirectory.com/skills/backtrue-forecast-event-profit-thinkwithblack-skill)

More formats (shields.io, HTML) on the badges page. Keep it an A: scan every change in CI with Pro.

Download with Pro
SKILL.md
---
name: forecast-event-profit
description: 以歷史檔期與近期基準估計促銷 CPM、轉換率、客單,建立廣告預算、營收與貢獻利潤情境及回測。適用黑五等檔期預估與建模教學;只有已給數值的敏感度比較使用既有敏感度方法
---

# 檔期預算與獲利預估

一般對話請上傳 `packs/forecast-event-profit.md`,其中已包含共用規則、本文及必要參考

## 必要資料

請上傳歷史檔期、當時活動前及近期基準的曝光、廣告費、外連點擊、工作階段、付款訂單、淨收入與成本,附期間、商品/優惠及幣別。另提供候選預算、目標利潤、庫存/出貨能力及可承擔上限;教學問題可先用明示假設交表格

以講義的成本、損平與流量×轉換率×客單為主體,接上歷史比較、驅動因素、回測及實績更新。來源與方法衍生關係見 [sources.md](references/sources.md)

## 先交付符合問題的成果

詢問如何建模時,直接交可填的工作表欄位、公式、選值方式、案例來源及判讀方法;示範數字標成假設。要求替本店算金額時才依缺少的資料留下待填位置。保留使用者的期間、營收與利潤要求

## 1. 固定口徑

每筆資料記錄來源、擷取日期、活動窗、比較窗、平台、市場、幣別、目標、商品/優惠、歸因及退款成熟時間。不同窗應對齊活動相對日、星期與長度;差異逐項記錄,不能直接視為相同條件

用加總後分子除以分母,避免平均每日比率:CPM=廣告費÷曝光×1000;外連點擊率=外連點擊÷曝光;到站係數=對應工作階段÷外連點擊;CVR=對應付款訂單÷工作階段;AOV=同批訂單淨收入÷訂單數。到站係數可能因工作階段定義大於1,先核對追蹤與觀察窗

分母為零或缺漏時留下原因,不填0。平台回報購買與站內訂單若口徑不同,分開試算;跨渠道營收以去重後訂單分配,避免加總各平台自行歸因的全部營收

## 2. 取得未來指標的估計

先列近期可比基準,再為每個可比歷史活動建立一組「該年活動值÷該年活動前基準值」倍率,保留原始分子、分母與事件年。對 CPM、CVR、AOV 各算一次;基準為零時不用倍率法

把同一年三個倍率一起套到近期三個基準,形成一組歷史類比預估。歷史組合分列,不獨立挑最低 CPM、最高 CVR、最高 AOV 拼成貌似真實的最佳年。只有一組可比歷史時,交一組類比及另外明示的壓力假設,不稱為統計區間或給情境機率

多組歷史時,以預先記錄的可比條件選主情境,其他完整組合呈現結果範圍。資料少且無明確優先條件時並列,避免靠想要的利潤反選輸入。這是可回測的歷史類比基準;新增預算、受眾或競價結構改變時,另列變更假設與證據

CVR 按必要渠道或新舊客群拆算,再用預估流量加權;沒有未來流量占比就列占比情境。AOV 若商品或優惠已改,按代表訂單組合的折後淨收入與預估訂單占比重算,另計每種組合變動費;占比由歷史或已知訂單支持,未知占比明示為假設。組合占比加總為1;不能拿商品單價平均當客單。已重算的優惠效果不再重複乘歷史優惠倍率

沒有可比歷史時,交假設敏感度、取得資料的位置與更新方式;若引用市場資料,保留其期間、市場與樣本,將差異列入判讀,不能稱為本店預測。CPM 是否上漲由估計結果判定,不沿用問句的預設

## 3. 檢查歷史預測能力

有多期歷史時按時間留出後一期,用當時已可取得的前期資料及活動前基準,依完全相同規則預估留出期。保留預估生成日期或可取得時間,未來實績不得進入倍率選擇、組合權重或基準

營收回測連同事前預算、外連點擊率及到站係數一起鎖定;若事後用實際廣告費重算,另列為固定實際投入下的條件比較,原事前預測保留。兩種結果分開計誤差

同時比較「直接沿用近期基準」與歷史類比,逐期交 CPM、CVR、AOV 及營收的預估、實際、帶方向誤差和絕對誤差。實際為0時不計百分比誤差,仍交絕對誤差。CVR 另交百分點差,避免把相對變化與百分點混用

只有一個活動且無更早活動可訓練時,記錄尚無留出回測;樣本內吻合不是驗證。若類比方法未優於基準,交比較結果並採較有證據的基準或並列情境,不宣稱預測改善

## 4. 把預估接到預算與利潤

每一情境使用完整鏈:曝光=預算÷CPM×1000;外連點擊=曝光×外連點擊率;工作階段=點擊×到站係數;訂單=工作階段×CVR;營收=訂單×AOV。缺點擊率或到站係數時,CPM 不能直接換算成交;列出缺件,或在已具備同口徑 CPC 時使用點擊=預算÷CPC 的分支

CPM/CPC 為零時除法未定義,停止該分支。CVR 為零時前向訂單為零;AOV 尚未定義時保留待填,不以零補值。廣告費為零時 ROAS 未定義,直接交營收與費用明細。預算、CPM/CPC、點擊率、到站係數、CVR 出現負值時先回查資料與口徑;負淨收入另查退款歸屬,不能拿它作正常正客單的目標反推。試算表不得用 IFERROR(...,0) 把缺件或未定義公式轉成零

逐訂單貢獻=淨收入−商品、金流、物流、包材、通路等尚未扣除的變動費。廣告費獨立列示時,其他變動費不含廣告費;折扣、退款、稅與運費每項依口徑計一次

檔期貢獻=各群訂單貢獻總和−廣告費;扣除本期固定費後才稱為此成本範圍的利潤。營收÷廣告費稱 ROAS;要呈現 ROI 先明定投入與收益口徑,不能把 ROAS 寫成 ROI

列損平 ROAS 時標明包含哪些費用。廣告前貢獻率為 m、廣告費為 B、其他固定費為 F,且 m、B 都大於 0 時:只覆蓋廣告費的門檻=1÷m;包含本期固定費的門檻=(F+B)÷(m×B)。使用已提供的成本定義;需要比較其他成本假設時另列情境,原題的結果保持原口徑

固定廣告預算 B、其他固定費 F、廣告前貢獻率 m、目標利潤 P 下,所需營收=(F+B+P)÷m,m須大於0;再用 AOV、CVR 反推訂單及工作階段,與前向預估對照。差額交代來自哪個指標,不把目標當成預測

正營收目標反推須有正 AOV、正 CVR;為零時記目前條件無法達標,缺值則補來源。實際整數訂單目標向上取整後,按該整數重算所需工作階段並向上取整,預期值與整數執行目標分列

比較使用者可承擔範圍內的候選預算,呈現每組輸入與利潤,不把固定效率線性外推稱為最佳預算。超出歷史投放範圍的候選保留擴量假設;結合可用庫存、出貨能力與承擔虧損上限判讀,缺上限時交條件式選擇

## 5. 交付與更新

交一份工作簿或等價可複製表格:歷史原始資料、口徑與假設、估計及回測、預算/營收/利潤情境。每個結果可回到公式及來源。一般對話交可複製表格;使用者可自行放入 Excel 或 Google Sheets

使用者問他人做法時,實際讀取原留言,交自述使用流程與直接連結,區分有公開試算表與只有敘述的案例。Q044 的兩則來源見 sources.md

最後列可先做的預算決策、待填資料及對應格位。使用者再次上傳同口徑實績時,更新剩餘期間預估並保留前版及變更原因;尚未成熟的退款或歸因數值列為暫估。交付後等待下一題

Files in this skill

  • SKILL.md7.6 KB
  • THIRD_PARTY_NOTICES.md1 KB
  • assets/check-context.py14.6 KB
  • assets/context-contract.json17.4 KB
  • references/sources.md1.5 KB

Attribution

Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.

View all in ai-agents →

Comments

Loading comments…

Newsletter

Get the weekly list of safe new skills, and the ones we pulled.