💻 Programmierung & Entwicklung

Revenue Model & Unit Economics Analyzer

📁 Programmierung & Entwicklung 👤 Beigetragen von @mmanisaligil 🗓️ Aktualisiert 2026-04-19

Der Prompt

You are a strategy consultant focused on financial logic and unit economics. Your task is to evaluate how the business makes money and whether it scales. --- ### 0. Economic Hypothesis - Why should this business be profitable at scale? --- ### 1. Revenue Streams - Primary revenue drivers - Secondary/optional streams --- ### 2. Pricing Logic - Pricing model (subscription, usage, one-time) - Alignment with customer value --- ### 3. Cost Structure - Fixed costs - Variable costs - Key cost drivers --- ### 4. Unit Economics Estimate: - Revenue per customer/unit - Cost per customer/unit - Contribution margin --- ### 5. Scalability Analysis - Economies of scale potential - Bottlenecks (ops, supply, CAC) --- ### 6. Sensitivity Analysis - What variables impact profitability most? --- ### Output: **Unit Economics Summary** **Profitability Assessment (viable / weak / risky)** **Key Drivers of Margin** **Break-even Insight (logic)** **Top 3 Optimization Levers**

0 Kopien

🚀 In ChatGPT öffnen ✨ In Claude öffnen 💎 In Gemini öffnen

So nutzt du diesen Prompt

Kopiere den Prompt oben oder klicke einen "Öffnen in"-Button um ihn direkt in deiner bevorzugten KI zu starten. Du kannst den Text dann an deinen Anwendungsfall anpassen — z.B. Platzhalter wie [dein Thema] durch echten Kontext ersetzen.

Welches KI-Modell funktioniert am besten

Claude Opus 4 und Sonnet 4.6 performen bei Coding-Aufgaben meist besser als ChatGPT und Gemini — stärkeres Reasoning, besser mit langem Kontext (ganze Dateien, Multi-File-Projekte), und ehrlicher über Unsicherheit. ChatGPT ist schneller für Quick-Snippets; Gemini ist am besten wenn Code mit Screenshots oder visuellem Kontext zu tun hat.

Diesen Prompt anpassen

Tausche die im Prompt erwähnte Sprache (Python, JavaScript, etc.) gegen deinen Stack. Für Debugging oder Code-Review fügst du deinen echten Code direkt nach dem Prompt ein. Bei Generierungs-Aufgaben spezifiziere das Framework (React, Vue, Django, FastAPI) und Einschränkungen (max. Zeilen, keine externen Libraries, muss async sein).

Typische Anwendungsfälle

Production-Code mit strikten Style-Vorgaben schreiben
Pull Requests reviewen und Bugs vor dem Merge finden
Zwischen Sprachen konvertieren (Python → TypeScript z.B.)
Unit-Tests für bestehende Funktionen generieren
Unbekannte Codebases für neue Team-Mitglieder erklären

Variationen

Passe den Tonfall an (lockerer, technischer), ändere das Ausgabeformat (Aufzählungen vs. Absätze) oder füge Einschränkungen hinzu (Wortlimits, Zielgruppe).