Automatisieren Sie Ihren Stripe-MRR-Digest mit einem Telegram-KI-Agenten

Sie prüfen Stripe ohnehin jeden Morgen. Hören Sie auf, das Dashboard zu öffnen.

Wenn Sie ein kleines SaaS betreiben, ist das Erste, was Sie an den meisten Morgen tun, Stripe zu öffnen. Sie schauen sich dieselben drei oder vier Zahlen an. MRR. Neue Abonnements über Nacht. Etwaige Kündigungen. Vielleicht fehlgeschlagene Zahlungen. Dann schließen Sie den Tab und beginnen Ihren Tag.

Die Dashboards, die versprechen, das zu lösen, kosten echtes Geld. Baremetrics Metrics kostet $208 pro Monat für das eigenständige Analyseprodukt. ChartMogul ist unter $10K MRR kostenlos, springt dann aber bei Scale auf $100 pro Monat und schlägt $25 pro Monat für jede weiteren $10K MRR auf, die Sie überschreiten. Beide schicken Ihnen einen Digest per E-Mail oder Slack-Nachricht. Beide geben Ihnen außerdem eine Churn-Kohortenmatrix, ein Prognosemodell, einen Dunning-Workflow und zehn weitere Funktionen, die Sie nicht nutzen.

Wenn das Einzige, was Sie tatsächlich wollen, „was hat sich über Nacht in Stripe geändert, in einer Nachricht, um 9 Uhr" ist, dann zahlen Sie $108 bis $474 pro Monat für das falsche Produkt. Was Sie wollen, ist ein täglicher Bericht, keine Analyse-Suite. Das sind völlig verschiedene Probleme, und das zweite ist an einem Nachmittag lösbar: mit einem Telegram-KI-Agenten, einem schreibgeschützten Stripe-Schlüssel und einer einzigen geplanten Aufgabe.

Was ein wirklich nützlicher Stripe-Digest enthält

Bevor Sie irgendetwas automatisieren, schreiben Sie den Digest auf, mit dem Sie gerne aufwachen würden. Für ein bootstrapped SaaS ist der nützliche Satz klein:

• MRR genau jetzt und das Delta gegenüber vor 24 Stunden. Eine Schlagzeilen-Zahl mit Vorzeichen.
• Neue zahlende Abonnements über Nacht. Tarif, Kunden-E-Mail, MRR-Beitrag.
• Kündigungen über Nacht. Tarif, Kunden-E-Mail, MRR, den Sie gerade verloren haben.
• Tarifwechsel. Upgrades und Downgrades saldieren sich zu Expansion- und Contraction-MRR.
• Fehlgeschlagene Zahlungen, die der Rede wert sind. Alles über $50, alles bei einem Kunden mit mehr als 3 Monaten Bestandsdauer.
• Eine Kontextzeile. „Netto +$47 MRR, Expansion übertraf Churn im Verhältnis 3 zu 1, größte Bewegung war Acme, das auf Pro upgegradet hat" trifft ganz anders als eine Liste von Zahlen.

Das ist eine Nachricht von 10 Zeilen. Sie brauchen kein Dashboard für $208. Sie brauchen einen schreibgeschützten Stripe-Schlüssel, einen Telegram-Chat und einen geplanten Job, der um 9 Uhr Ortszeit läuft.

Das Rezept: Ein Skill, ein täglicher Job, ein schreibgeschützter Schlüssel

Der Trick besteht darin, den Umfang sehr klein zu halten. Sie müssen die MRR nicht aus rohen invoice.payment_succeeded-Events neu berechnen. Sie brauchen keine abfragbare Datenbank. Sie brauchen eine tägliche Zusammenfassung, vom Agenten geschrieben und auf Ihr Smartphone geliefert.

Schritt 1: Erstellen Sie einen schreibgeschützten Stripe-Schlüssel

Dies ist der mit Abstand wichtigste Sicherheitsschritt. Die eingeschränkten API-Schlüssel von Stripe erlauben es Ihnen, Read-Berechtigung für bestimmte Ressourcen und None für alles andere zu vergeben. Für einen MRR-Digest brauchen Sie nur Lesezugriff auf:

• Abonnements
• Kunden
• Rechnungen
• Preise und Produkte

Setzen Sie jede andere Ressource auf None. Der Schlüssel kann keine Zahlungen erstellen, kann nichts erstatten, kann kein Abonnement ändern, kann Ihre Connect-Plattformdaten nicht lesen. Wenn der Schlüssel durchsickert, ist das Schlimmste, was ein Angreifer tun kann, dieselben Zahlen zu sehen, die Sie sehen. Stripe empfiehlt eingeschränkte Schlüssel ausdrücklich gegenüber geheimen Schlüsseln, besonders wenn man den Schlüssel einem KI-Agenten übergibt.

Speichern Sie den Schlüssel in den Secrets Ihres Agenten, niemals im Code, niemals in einem Prompt. Hermes Agent verschlüsselt Secrets im Ruhezustand und gibt sie niemals an das Modell weiter.

Schritt 2: Schreiben Sie einen kleinen stripe-reader-Skill

Der Skill ist ein dünner Wrapper um die Stripe-API, der jeden Morgen ein JSON-Blob zurückgibt:

# skills/stripe-reader/main.py
import stripe, os, datetime as dt

stripe.api_key = os.environ["STRIPE_RESTRICTED_KEY"]
since = int((dt.datetime.now(dt.timezone.utc) - dt.timedelta(hours=24)).timestamp())

# Active MRR right now
active = stripe.Subscription.list(status="active", limit=100, expand=["data.items"])
mrr_now = sum(_monthly_normalize(item) for sub in active.auto_paging_iter() for item in sub["items"]["data"])

# Events in the last 24 hours that affect MRR
new_subs = list(stripe.Subscription.search(query=f"status:'active' AND created>{since}").auto_paging_iter())
canceled = list(stripe.Subscription.search(query=f"canceled_at>{since}").auto_paging_iter())
plan_changes = list(stripe.Event.list(type="customer.subscription.updated", created={"gte": since}).auto_paging_iter())

return {
  "mrr_now_cents": mrr_now,
  "new_subs": [_pluck(s) for s in new_subs],
  "canceled": [_pluck(s) for s in canceled],
  "plan_changes": [_pluck_event(e) for e in plan_changes],
  "failed_payments": _list_recent_failed_invoices(since),
}

Zwei Anmerkungen zur Rechnung. Erstens: Stripes eigene Definition von MRR ist die Summe der monatlich normalisierten Beträge aller aktiven Abonnements, sodass ein jährlicher $290-Tarif $24,17 zur MRR beiträgt, nicht $290 (Stripes MRR-Dokumentation). Zweitens: Eine Kündigung hört erst auf, zur MRR zu zählen, wenn sie ausläuft, nicht in dem Moment, in dem der Kunde auf Kündigen klickt. „Kündigungen über Nacht" in Ihrem Digest sollten also sowohl canceled_at-Events als auch current_period_end-Events umfassen, die in den letzten 24 Stunden eingetreten sind.

Das ist genau die Art von Feinheit, die die Berechnung der MRR aus rohen Stripe-Daten kniffelig macht, wenn Sie versuchen, eine vollständige Analyse-Pipeline aufzubauen. Für einen Digest einmal am Tag können Sie es sich leisten, leicht ungenau zu sein. Die Dashboards, an denen Ihre Augen kalibriert sind, machen dasselbe.

Schritt 3: Ein geplanter Job um 9 Uhr

Geben Sie Ihrem Hermes Agent eine einzige Cron-Zeile in natürlicher Sprache:

every weekday at 9am Madrid time, run the stripe-reader skill
and send me a Telegram digest. Headline: MRR right now and delta
vs yesterday. Then list new subs, cancels, plan changes and
failed payments over $50. End with one line of context about
what dominated the day.

Das ist der gesamte Prompt. Der Agent ruft den Skill auf, erhält das JSON, schreibt die Nachricht und sendet sie an Ihren Telegram-Chat. Mit enabled_toolsets=["stripe-reader","telegram"], auf diesen Job beschränkt, sieht das LLM immer nur die Zahlen, die es braucht, und das Telegram-Sende-Tool. Es kann nicht versehentlich etwas anderes aufrufen. Das ist dasselbe Muster, das wir im Krypto-Digest-Playbook und im allgemeinen Leitfaden für geplante Aufgaben für Hermes Agent verwendet haben.

Warum die Agentenschicht ihr Geld wert ist

Ein einfacher Bericht ließe sich mit einem 50-zeiligen Python-Skript erledigen. Der Grund, einen Agenten davorzuschalten, ist die Kontextzeile am Ende der Nachricht.

Ein nackter Bericht sagt:

MRR $4.217. +$47 gegenüber gestern. 2 neue Abos. 1 Kündigung. 3 Tarifwechsel. 1 fehlgeschlagene Zahlung.

Ein Bericht mit Kontext sagt:

MRR $4.217 (+$47, +1,1 %). Expansion übertraf Churn im Verhältnis 3 zu 1: Acme hat von Starter auf Pro upgegradet ($30 MRR), Beta Co hat einen Platz hinzugefügt ($10). Eine Starter-Kündigung ($19) nannte „Wechsel zu Notion AI" in der Exit-Umfrage. Netto +$47, zweitbester Tag in diesem Monat.

Dieselben Zahlen, eine ganz andere Botschaft. Die erste überfliegen Sie nur. Bei der zweiten werden Sie tätig: Sie könnten die Starter-Kündigung kontaktieren, Acme zum Dank schreiben, prüfen, ob der Grund aus der Exit-Umfrage auch bei anderen Kündigungen auftaucht. Diese Diagnoseschicht ist es, die bei Baremetrics $108 pro Monat kostet, und sie ist es, die ein kleiner KI-Agent Ihnen zum Preis eines günstigen VPS plus Ihrer eigenen Modellnutzung liefert.

Was das kostet

Ehrliche Rechnung für ein bootstrapped SaaS im Bereich von $0 bis $10K MRR:

Sie erhalten keine Kohorten-Retentionskurven, kein öffentliches Dashboard, keinen Dunning-Workflow. Sie erhalten den einen Bericht, den Sie tatsächlich öffnen, und Sie erhalten ihn auf Ihrem Smartphone, bevor Sie sich hinsetzen. Für die meisten bootstrapped Gründer unter $10K MRR ist das die gesamte Aufgabe.

Wenn Sie $10K MRR überschreiten und das Dunning-Teil zu brauchen beginnen, können Sie den Agenten für den täglichen Digest behalten und ChartMogul Launch (unter $10K kostenlos) oder ein fokussiertes Tool für die spezifische Lücke hinzufügen. Der Agent bindet Sie nicht.

Erste Schritte

Das vollständige Setup lautet:

1. Erstellen Sie einen eingeschränkten Stripe-API-Schlüssel mit Lesezugriff auf Abonnements, Kunden, Rechnungen, Preise und Produkte. None für alles andere.
2. Legen Sie den Schlüssel in die Secrets Ihres Hermes Agent.
3. Fügen Sie den stripe-reader-Skill hinzu. Sie können Ihren eigenen schreiben oder das öffentliche Hermes-Skills-Repository forken.
4. Fügen Sie eine Cron-Zeile in natürlicher Sprache hinzu.
5. Überprüfen Sie, dass der erste 9-Uhr-Digest in Ihrem Telegram landet.

Wenn Sie den gesamten Stack gehostet, überwacht und auf einem verwalteten Telegram-Bot haben möchten, starten Sie mit Hermify im Starter-Tarif für $19/Monat. Sie bringen Ihren eigenen Modellschlüssel und Ihren schreibgeschützten Stripe-Schlüssel mit, wir betreiben die Runtime, den Cron und den Bot. Dasselbe Muster funktioniert für Krypto-Digests, Wettbewerbsbeobachtung und den Rest des Automatisierungs-Clusters, den wir im vergangenen Monat ausgeliefert haben.

Das Dashboard, das Sie jeden Morgen öffnen, kostet $108. Das Dashboard, das zu Ihnen kommt, kostet $19.

Quellen

• Calculating MRR in Stripe Billing - Stripe Help & Support
• Impact of subscription cancellations on MRR - Stripe Help & Support
• Common events that affect MRR totals - Stripe Help & Support
• Restricted API keys - Stripe Documentation
• Best practices for managing secret API keys - Stripe Documentation
• ChartMogul vs Baremetrics vs MRR.io pricing - Baremetrics blog
• ChartMogul pricing on G2
• Calculating MRR from raw Stripe data is tricky - Steven Wang on Medium