商业分析框架
演语科技
2026年9月
产品与商业模式概述 — 分开分析，再看合并口径
liblibAI
国内为主
AI 绘图社区 + 模型市场。50 万原创模型，日均生成 500 万张图，社区飞轮是核心壁垒。
核心用户：创作者 · 设计师 · AIGC 爱好者
Lovart
海外为主
AI 设计工具，对标 Canva AI / Adobe Firefly。美元计价，需与国内产品完全拆开追踪。
核心用户：专业设计师 · 内容创作者
libTV
国内为主
AI 视频生成。算力成本远高于图片，毛利结构需单独核算，不可与图片业务混同。
核心用户：短剧 · 电商 · 视频内容生产
通用货币化逻辑
用户以会员包（月/季/年 × 标准/进阶/高级/豪华/至尊五档）或积分单购的方式获取积分，消耗积分驱动生成任务，消耗速率取决于背后调用的模型和任务复杂度。
一
一
收入结构
公司靠什么赚钱？收入结构是否健康？
1.1 收入结构拆解
  • 各产品收入占比（liblibAI / Lovart / libTV），判断收入来源是否过度集中
  • 每款产品内部：订阅收入 vs. 积分单购收入的比例——订阅收入具备可预测性（MRR/ARR 口径），单购收入是一次性流量型收入
  • Lovart 国际收入单独拆出：美元计价、不同地区分布
1.2 积分体系的实际变现逻辑
  • 各会员档位的积分含量与定价 → 单积分收入（不同档位差异显著）
  • 单购积分的单价 vs. 会员包折算单价 → 定价梯度是否合理
  • 积分有效期设置 → 影响递延收入确认和用户行为
判断标准
订阅收入占比越高，收入质量越好；Lovart 美元收入占比提升是正向信号；单购占比过高说明用户粘性弱或付费意愿不稳定。
二
二
增长质量
增长是否健康可持续？
2.1 用户增长质量
  • 注册用户数、付费用户数、付费率（分产品）
  • MAU / DAU：仅统计有生成行为的活跃用户，不含纯浏览
  • 新用户 vs. 老用户的收入贡献比例：如果增长主要靠新用户，一旦获客放缓收入会快速下滑；老用户收入占比提升才是健康信号
2.2 留存与复购
  • Cohort 留存情况（按注册月分组），分产品追踪
  • 付费金额留存率（Revenue Retention）vs. 用户数留存率：前者更重要，反映用户是否在加大付费
  • 分产品留存情况
2.3 使用场景分布
  • 按使用场景拆分 GMV（电商 / 短剧 / 设计 / 个人娱乐等），判断当前主力用户是谁
  • 哪些场景在增长、哪些在萎缩 → 为后续分析付费行为和增长路径打基础
判断标准
Cohort 留存曲线趋于平稳、老用户收入占比稳定提升、高付费场景（电商/设计专业客户）占比扩大，说明增长有质量。
三
三
单位经济
在当前定价和成本结构下，每一笔交易是否能赚钱？
3.1 单积分 UE — 核心分析单元

由于用户购买的是积分而非具体服务，积分是公司最自然的 UE 分析单元，需分产品、分档位计算。

指标计算方式（各产品各档位）
单积分收入各档位定价 ÷ 积分数量（分档位分析）
单积分模型成本Σ(各模型调用量占比 × 该模型采购单价)
积分消耗率 ⭐实际消耗积分 ÷ 售出积分（分档位）
有效单积分成本模型成本 ÷ 消耗率（未消耗积分成本为零，100% 毛利）
单积分毛利单积分收入 − 有效单积分成本
单积分 CAC 摊销CAC ÷ 生命周期内预计消耗积分数
单积分 Contribution Profit单积分毛利 − 单积分 CAC 摊销
关键洞察：未消耗积分 = 100% 毛利
积分有效期内未消耗的积分对应的收入是 100% 毛利，因此实际毛利率高于表面成本率。消耗率越低的档位，实际盈利越好——但也可能意味着用户对该档位价值感知不足，需结合留存综合判断。
3.2 CAC 与 LTV
  • CAC：分渠道（自然流量 / 付费投放 / 内容社区引流），分产品
  • LTV：基于 cohort 留存曲线和 ARPU 估算
  • LTV / CAC 目标区间（健康水平 >3x，SaaS 追求 >5x）
  • Payback Period：CAC 多少个月收回？这比 LTV/CAC 绝对值更直接影响现金流
3.3 毛利结构（分产品）
🖼 liblibAI
  • 图片生成算力成本相对低
  • 社区内容几乎无边际成本
  • 毛利率应较高，是整体利润基础
🎬 libTV
  • 视频算力成本比图片高出数倍
  • 毛利率压力可能更大，需单独核算
  • 持续低毛利需评估战略价值
🎨 Lovart（海外）
  • 海外定价通常高于国内
  • 但 App Store 抽成 + 海外投放成本也更高
  • 净毛利需单独测算，不能与国内混报
📊 合并口径参考
  • 整体毛利率 >50% 为合格线
  • >70% 说明平台效应开始体现
  • libTV <30% 需关注可持续性
四
四
结构性风险
这个商业模式有哪些系统性脆弱点？
⚠️
4.1 模型供应商依赖（最大风险）
核心盈利逻辑是「高价卖积分 − 低价买算力 = 赚差价」，直接暴露于供应商风险。需搞清楚：主要供应商集中度如何？某核心供应商提价 20% 后毛利率变化多少，定价能否联动上调？有没有替代模型可以切换，切换成本（工程适配 + 用户感知质量变化）多高？公司是否有自研模型能力或微调能力作为对冲？
🥊
4.2 竞争格局
liblibAI、libTV 和 Lovart 在海内外分别对标哪些产品？差异化护城河是社区生态还是模型质量？长期思考：大模型公司直接做设计工具/Agent，我们的壁垒是什么？
⚖️
4.3 监管与合规
国内 AI 生成内容监管政策（备案、水印、审核）的合规成本；海外业务的数据合规（GDPR、美国 AI 相关立法）；版权风险——生成内容的版权归属问题在多个司法管辖区仍不明确，是潜在尾部风险。
五
五
战略杠杆
长期护城河是什么？下一步增长从哪里来？
5.1 社区飞轮

通过 liblibAI 和 libTV 建立的社区，是区别于「纯 API 转卖者」的关键壁垒，需要持续监测健康度：

  • 模型创作者数量和月活创作者比例（供给侧活跃度）
  • 热门模型集中度：前 1% 的模型贡献多少调用量？过度集中意味着生态脆弱
  • 用户行为分布：纯消费用户 vs. 有上传/调整模型行为的用户（后者粘性更高）
  • 新模型上传速度和社区互动（评论、收藏、引用）趋势
5.2 Lovart 国际化空间
  • 当前 Lovart 的主要用户来自哪些地区？增速最快的市场在哪里？
  • 与国内产品相比，Lovart 的 ARPU 和留存是否更高？（验证海外高付费能力的假设）
  • 本地化投入：UI/UX、支付方式、客服语言覆盖情况
5.3 B 端延伸潜力
  • 当前 B 端（企业客户）收入占比是多少？
  • 电商、短剧、营销等场景的企业客户 ARPU 是否显著高于 C 端？
  • 是否有 API 开放能力支持企业自建工作流？
P
P
数据获取
先拿哪些数据？优先级排序
优先级数据项用途
P0 各产品 MRR / ARR 及收入拆分（订阅 vs. 单购） 判断收入质量
P0 积分消耗率（分产品档位） UE 核心输入
P0 模型采购成本结构和供应商集中度 毛利和风险评估
P1 Cohort 留存曲线（付费用户，按月） 增长质量判断
P1 CAC（分渠道分产品） LTV/CAC 计算
P1 Lovart 地区收入分布 国际化进展
P2 剩余其他 护城河评估
演语科技商业分析框架 · 2026年9月 · 战略投资部