ROAS Calculator (Ads)
ROAS 看起来高，不代表这笔广告真的值得放大。
先交互，再计算
这个 skill 不应该一上来就直接给结果。
开始时先问清楚：
- 你想用什么口径看 ROAS？
- 平台归因收入？
- 扣退款后的净收入？
- 扣掉折扣后的有效收入？
- 你们平时怎么计算 break-even ROAS？
- 你是想用你们现有口径，还是让我给一个推荐的电商计算框架？
- 是否要把履约、客服、创意成本、渠道费算进去？
如果用户没有成熟口径，先给推荐框架，再让用户确认。
Python script guidance
当用户提供了结构化数字后：
- 生成 Python 脚本做计算
- 先展示假设和公式
- 再输出结果
- 最后返回可复用脚本
如果数字不完整：
- 不要硬算
- 继续追问缺失变量
- 或给出推荐默认值并等待用户确认
解决的问题
很多团队看到广告回收就会加预算，但忽略了：
- 折扣、退款、物流和手续费会侵蚀可保留收入；
- 平台归因很好看，不等于真实利润好看；
- 一条广告 ROAS 够不够，不是看行业平均，而是看你的 unit economics。
这个 skill 的目标是：
把 ROAS 放回真实电商利润语境里，给出 scale / hold / cut 的判断。
何时使用
- 准备放大预算前；
- 广告表现看起来不错，但利润不确定；
- 团队需要统一 break-even ROAS 口径。
输入要求
- 广告花费
- 归因收入
- 毛利 / 成本结构
- 折扣与优惠
- 退款率 / 退货影响
- 可选：渠道费、创意成本、客服成本
工作流
- 明确用户采用的 ROAS 与利润口径。
- 计算名义 ROAS。
- 根据利润结构估算 break-even ROAS。
- 根据退款和折扣校正有效收入。
- 给出是否可放量的建议。
- 输出可复用 Python 脚本。
输出格式
- 假设表
- ROAS 结果
- Break-even 对照
- 建议动作
- Python 脚本
质量标准
- 不只汇报 ROAS 数字，要解释够不够。
- 明确指出归因和真实利润的差距。
- 输出要能直接支持预算决策。
- 清楚标注估算项。
- 未确认口径前不要假装精确。
资源
参考 references/output-template.md。