1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | Commercial Forecaster（合集仓库子技能，收录识别名 commercial-forecaster-alirezarezvani-claude-skills） |
| 作者/维护者 | Alireza Rezvani（个人开发者，HealthTech 领域 CTO） |
| 来源链接 | https://github.com/alirezarezvani/claude-skills/tree/main/commercial/skills/commercial-forecaster |
| 许可证 | MIT（数据来自 GitHub API） |
| GitHub Stars / Forks | 所属合集仓库整体 24,132 / 3,401（数据来自 GitHub API）；不代表本技能自身热度 |
| 最新版本 | 2.9.0（数据来自仓库 marketplace 清单；SKILL.md front matter 标注 2.8.0） |
| 安装方式 | 见第 9 章 |
2. 功能介绍与亮点
Commercial Forecaster 把“季度营收预测”拆成三个确定性计算工具，纪律是每个数字都必须带着它的假设一起出现：
bookings_forecaster.py：产出三档预测数字——commit（高确定性）、best-case（含加权阶段机会）、pipe-only（全量管线）——每档都显式标注所用的转化率、数据窗口（近 4 个季度权重 70% + 近 12 个季度权重 30% 的混合）与滞留阶段降权处理。脚本设计上拒绝在不带假设说明的情况下输出单一数字。cohort_arr_projector.py：按客户获取季度分组计算每个队列的 NRR/GRR 走势，并与队列均值比对，标记出正在恶化但尚未拖累合并数字的“漏水队列”——合并 NRR 通常要再过两到三个季度才会反映这类恶化。funnel_confidence_scorer.py：对销售漏斗每个阶段计算变异系数（标准差/均值），划分 HIGH（<10%）/MEDIUM（10-25%）/LOW（25-50%）/VERY LOW（>50%）四档置信带，并给出该阶段该被当作“可提交”还是“仅供参考”的处理建议。
三脚本均为纯标准库 Python（argparse/json/statistics/dataclasses/pathlib 等），支持 --sample 内置示例与 --profile {saas,api,enterprise-software,marketplace,hardware} 行业基准调参，无需任何外部服务账号或 API key。
3. 适用场景
所属分类：数据分析与可视化（核心产出是对历史管线与队列数据做统计计算——转化率加权预测、队列留存分解、变异系数置信带——落点是统计分析而非文档生成或系统集成）。
适合 CRO、RevOps 负责人与 VP Sales 在准备季度董事会预测、QBR 汇报或验证“合并 NRR 是否掩盖了某个队列正在流失”时使用：先拿到带假设说明的三档预测数字，再看队列层面是否有早期预警信号，最后判断哪些漏斗阶段的数据足够可靠、可以写进提交数字。
4. 跨 Agent 兼容性
- Claude Code：原生支持，SKILL.md
compatible_tools显式列出，插件市场一键安装整个 Commercial 域。 - Codex：原生支持，
compatible_tools显式列出，仓库提供专门的codex-install.sh/codex-install.bat转换安装脚本；三脚本零外部依赖，无 Claude Code 专属特性。 - OpenClaw：需适配，未列入
compatible_tools，需经仓库openclaw-install.sh转换脚本安装，未见专门验证记录。 - Hermes Agent：需适配，需跑仓库
sync-hermes-skills.py同步脚本，标准与本技能一致但未见专门验证记录。
5. 推荐理由
多数团队的季度预测止步于“给董事会一个数字”，那个数字背后用的哪档转化率、哪段历史窗口、是否把停滞 180 天的“口头承诺”算进了 commit，往往说不清楚——直到实际业绩不达预期才追溯发现假设本身就站不住。Commercial Forecaster 把预测拆成三个互相独立又能拼起来的计算：三档数字必须带假设一起出场，队列分解把合并 NRR 会掩盖两三个季度的流失趋势提前挖出来,变异系数把“平均转化率 40%“这种听起来一样、实际稳定性天差地别的漏斗阶段区分开。三脚本都是本地纯计算，不连接任何 CRM 或分析平台，拿现成的管线导出数据即可跑。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 5 | 合集仓库星数不计入单个子技能；专门检索该子技能名的 GitHub Issue 未见独立第三方讨论或采用痕迹 |
| 可用性 | 9 | 三脚本纯标准库零依赖，--sample/--profile 开箱即用；SKILL.md 附完整工作流、示例输出与边界说明；所属域最近一次实质提交约 3 个月前，仓库整体近 4 天内仍有推送；无付费依赖 |
| 安全性 | 9 | 见下方检查清单 |
安全检查清单：①逐一检索三份脚本源码，未见 subprocess/os.system/eval/exec；②未见 urllib/requests/socket/http.client 等外发调用，脚本只读取本地 JSON 输入并输出到标准输出/文件；③不要求任何 API key 或凭据；④通读脚本与 SKILL.md 正文未见可疑指令或隐蔽外发迹象；⑤作者身份公开（2,509 关注者，HealthTech 领域 CTO），仓库有真实版本迭代与商用领域评审记录，无刷星迹象；⑥License 明确（MIT）；⑦所属域最近一次实质提交在近 3 个月内，维护活跃。
综合评分 = (5 + 9 + 9) / 3 = 7.67。
7. 跟同类 Skills 相比的优势
| 竞品 | 定位 | 与 Commercial Forecaster 的差异 |
|---|---|---|
| saas-metrics（claude-office-skills/skills，368 stars） | 通过 MCP 连接 Stripe / Chargebee / Mixpanel，拉取 MRR、ARR、Churn、LTV、CAC 等实际发生的经营指标，产出投资人汇报格式 | 是回溯型实况仪表盘，依赖计费/分析平台的实时连接；Commercial Forecaster 不连接任何平台，是前瞻型的假设驱动预测工具，输入现成的管线/队列导出数据即可，二者一个看“已经发生的”，一个看“接下来会怎样” |
| SaaS Revenue Forecasting Dashboard Template（Coefficient，免费 Google Sheets/Excel 模板） | 电子表格内的营收预测仪表盘，可选接入 Salesforce/HubSpot/NetSuite 等系统自动同步数据，也可手工填写 | 产出是可视化仪表盘，落点在图表与经营指标展示；Commercial Forecaster 不产出图表，产出的是带显式假设的三档预测数字 + 队列预警 + 阶段置信带，服务的是“这个数字能不能站上董事会 PPT”这一决策时刻，而非日常经营看板 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价，专门检索该子技能名的 GitHub Issue 亦未见外部开发者讨论痕迹。
9. 安装使用方式
方式一：Claude Code 插件市场（整包安装，含全部 7 个 Commercial 子技能 + 1 个路由编排器）
/plugin marketplace add alirezarezvani/claude-skills
/plugin install commercial-skills@claude-code-skills方式二：Codex 专用安装脚本
bash <(curl -s https://raw.githubusercontent.com/alirezarezvani/claude-skills/main/scripts/codex-install.sh)方式三：OpenClaw 安装脚本
bash <(curl -s https://raw.githubusercontent.com/alirezarezvani/claude-skills/main/scripts/openclaw-install.sh)方式四：Hermes Agent 同步
python scripts/sync-hermes-skills.py --verbose方式五：手动安装单个技能（适用于任意 Agent，只要 Commercial Forecaster 一个）
git clone https://github.com/alirezarezvani/claude-skills.git
cp -r claude-skills/commercial/skills/commercial-forecaster ~/.claude/skills/commercial-forecaster安装后无需重启。建议先填写 assets/forecast_intake_template.md（约 20 分钟）整理管线与队列历史数据，再依次跑 bookings_forecaster.py（三档预测）→ cohort_arr_projector.py（队列 NRR/GRR）→ funnel_confidence_scorer.py（阶段置信带），或用自然语言描述需求交由对话调度。
10. 注意事项
- 三脚本是确定性计算工具，输出的是预测数字与假设说明，最终提交给董事会的数字仍需人对业务判断负责，不能替代销售预测培训；
- 插件市场安装会一次性装入整个 Commercial 域（含 pricing-strategist、deal-desk 等另外 6 个子技能），只想要 Commercial Forecaster 单个技能须走第 9 章方式五；
- 历史转化率数据窗口越短，预测越容易被单个异常季度带偏，脚本内置的近 4 季度/近 12 季度混合权重是缓解手段，但仍需人工核对是否存在结构性业务变化；
- 所属合集仓库整体星数与该子技能自身热度无关。