Skip to content

LuckyOneTwoThree/pm-skill / pm-01-discovery/skills/market-tam-som

market-tam-som

Verified

当需要评估目标市场的TAM/SAM/SOM规模时使用。市场规模自动测算,支持自上而下与自下而上双路径交叉验证,差异>20%时标注并升级人类判断,输出区间估计与置信度评估。关键词:市场规模、TAM、SAM、SOM、市场容量、区间估计、双路径交叉验证、市场有多大、天花板、能做多大。

市场规模自动测算

核心原则

  1. 双路径交叉验证——自上而下与自下而上两条路径独立测算,差异>20%时必须标注并升级人类判断,单一路径结论不可信
  2. 区间优于点估计——所有规模数字输出区间估计(乐观/中性/保守),不输出单一确定值,因为市场规模的确定性是幻觉
  3. 假设显式化——每个测算步骤的假设必须显式列出(assumption/basis/impact_direction),假设变化对结果影响>30%的标注为高敏感
  4. 置信度分层——TAM置信度最高(行业数据支撑),SAM次之(叠加过滤系数),SOM最低(叠加竞争与资源约束),逐层递减是正常的

交互模式

🤖→👤 AI建议人类审批

输入

输入项类型必填来源说明
category_keywordsstring是用户提供品类关键词,如"在线教育""SaaS CRM"
geographic_scopestring是用户提供目标市场地理范围,如"中国大陆""东南亚"
time_rangestring是用户提供测算时间范围,如"2025-2027"

执行步骤

Step 1: TAM测算

采用双路径交叉验证:

自上而下路径:

  • 获取行业总规模数据(统计局/行业协会/第三方研报)
  • 确定目标品类在行业中的占比
  • 计算:TAM = 行业总规模 × 目标品类占比

自下而上路径:

  • 估算目标用户总数(人口基数 × 目标人群渗透率)
  • 获取ARPU(每用户年均收入)参考值
  • 计算:TAM = 目标用户数 × ARPU

输出要求:

  • 区间估计:乐观值 / 中性值 / 保守值
  • 每个估计值标注数据来源
  • 两条路径结果差异>20%时标注需人类判断

Step 2: SAM测算

在TAM基础上逐层过滤:

过滤维度说明
地理范围限制根据geographic_scope裁剪至目标区域市场规模
目标客群过滤排除非目标客群,叠加客群画像过滤系数
服务能力边界扣除自身渠道/技术/合规无法覆盖的部分

计算逻辑: SAM = TAM × 地理系数 × 客群系数 × 服务能力系数

输出要求:

  • 各过滤系数及依据
  • SAM区间估计(乐观/中性/保守)

Step 3: SOM测算

在SAM基础上叠加竞争与资源约束:

约束维度说明
竞争格局现有竞品已占据份额 + 竞品壁垒强度
自身资源约束团队规模 / 资金 / 技术储备 / 渠道资源
获客能力预估预期获客渠道效率 + 转化率 + 留存率

计算逻辑: SOM = SAM × (1 - 竞争约束%) × (1 - 资源约束%) × (1 - 获客约束%)

SOM以SAM为基数,逐层扣除竞争、资源、获客三方面约束后得到可获取市场份额。

输出要求:

  • SOM区间估计(乐观/中性/保守)
  • 可达时间线(6个月/12个月/24个月里程碑)

Step 4: 置信度评估

对整体测算结果进行可信度评估:

评估维度方法
数据来源可靠性对每个数据源评估可靠性评分(0-1),来源包括官方统计、行业协会、第三方研报、专家访谈等
假设敏感度分析对关键假设做±20%变动,观察对最终结果的影响幅度
关键假设标注列出所有核心假设,标注假设内容、依据、对结果影响方向

输出要求:

  • 整体confidence评分(0-1)
  • 关键假设清单及敏感度分析结果
  • 低置信度数据点标注

输出

输出文件:output/pm-discovery/market-tam-som/tam-som.json

输出Schema:

{
  "type": "object",
  "required": ["category_keywords", "geographic_scope", "time_range", "tam", "sam", "som", "confidence"],
  "properties": {
    "category_keywords": {"type": "string", "description": "品类关键词"},
    "geographic_scope": {"type": "string", "description": "目标市场地理范围"},
    "time_range": {"type": "string", "description": "测算时间范围"},
    "tam": {"type": "object", "description": "TAM总可达市场规模测算,含自上而下和自下而上双路径"},
    "sam": {"type": "object", "description": "SAM可服务市场规模测算"},
    "som": {"type": "object", "description": "SOM可获取市场规模测算"},
    "confidence": {"type": "object", "description": "置信度评估,含数据源可靠性和敏感度分析"}
  }
}

输出校验规则:

字段路径类型必填说明
category_keywordsstring是品类关键词,不可为空
geographic_scopestring是目标市场地理范围,不可为空
time_rangestring是测算时间范围,格式如"2025-2027"
tamobject是TAM测算结果,必须包含top_down和bottom_up两个子对象
tam.top_downobject是自上而下测算路径,必须包含industry_total、category_ratio、estimates、data_sources
tam.top_down.industry_totalstring是行业总规模,需带单位
tam.top_down.category_ratiostring是目标品类占比,百分比格式
tam.top_down.estimatesobject是必须包含optimistic、neutral、conservative三个区间值
tam.top_down.data_sourcesarray是数据来源列表,可为空数组但不可缺失
tam.bottom_upobject是自下而上测算路径,必须包含target_users、arpu、estimates、data_sources
tam.bottom_up.target_usersstring是目标用户总数,需带单位
tam.bottom_up.arpustring是每用户年均收入,需带单位
tam.bottom_up.estimatesobject是必须包含optimistic、neutral、conservative三个区间值
tam.bottom_up.data_sourcesarray是数据来源列表,可为空数组但不可缺失
samobject是SAM测算结果
sam.geo_coefficientstring是地理过滤系数,0-1之间
sam.audience_coefficientstring是客群过滤系数,0-1之间
sam.service_coefficientstring是服务能力系数,0-1之间
sam.estimatesobject是必须包含optimistic、neutral、conservative三个区间值
sam.data_sourcesarray是数据来源列表
somobject是SOM测算结果
som.basestring是计算基数,固定为"SAM"
som.competition_constraintstring是竞争约束百分比,0-1之间
som.resource_constraintstring是资源约束百分比,0-1之间
som.acquisition_constraintstring是获客约束百分比,0-1之间
som.calculationstring是计算公式,展示完整乘法过程
som.estimatesobject是必须包含optimistic、neutral、conservative三个区间值
som.timelineobject是可达时间线,必须包含6m、12m、24m三个里程碑
som.data_sourcesarray是数据来源列表
confidenceobject是置信度评估
confidence.overall_scorenumber是整体置信度评分,0-1之间
confidence.data_source_reliabilityarray是各数据源可靠性评分列表
confidence.sensitivity_analysisarray是敏感度分析结果列表
confidence.key_assumptionsarray是关键假设清单,每项必须包含assumption、basis、impact_direction
confidence.key_assumptions[].assumptionstring是假设内容描述
confidence.key_assumptions[].basisstring是假设依据
confidence.key_assumptions[].impact_directionstring是对结果影响方向:正向/负向/双向
confidence.key_assumptions[].sensitivitystring否敏感度标注,影响>30%时标注为"高"
confidence.key_assumptions[].needs_human_validationboolean否是否需要人类验证,高敏感假设默认为true
{
  "category_keywords": "在线教育",
  "geographic_scope": "中国大陆",
  "time_range": "2025-2027",
  "tam": {
    "top_down": {
      "industry_total": "5000亿",
      "category_ratio": "8%",
      "estimates": {
        "optimistic": "400亿",
        "neutral": "300亿",
        "conservative": "200亿"
      },
      "data_sources": []
    },
    "bottom_up": {
      "target_users": "1.2亿",
      "arpu": "3000元/年",
      "estimates": {
        "optimistic": "360亿",
        "neutral": "280亿",
        "conservative": "200亿"
      },
      "data_sources": []
    }
  },
  "sam": {
    "geo_coefficient": "0.85",
    "audience_coefficient": "0.35",
    "service_coefficient": "0.60",
    "estimates": {
      "optimistic": "120亿",
      "neutral": "85亿",
      "conservative": "55亿"
    },
    "data_sources": []
  },
  "som": {
    "base": "SAM",
    "competition_constraint": "0.60",
    "resource_constraint": "0.65",
    "acquisition_constraint": "0.50",
    "calculation": "SAM × (1 - 0.60) × (1 - 0.65) × (1 - 0.50) = SAM × 0.07",
    "estimates": {
      "optimistic": "9亿",
      "neutral": "6亿",
      "conservative": "3亿"
    },
    "timeline": {
      "6m": "完成产品MVP,获取首批1000名付费用户",
      "12m": "产品迭代至v2.0,付费用户突破1万",
      "24m": "建立品牌影响力,付费用户达10万"
    },
    "data_sources": []
  },
  "confidence": {
    "overall_score": 0.0,
    "data_source_reliability": [],
    "sensitivity_analysis": [],
    "key_assumptions": [
      {
        "assumption": "K12在线教育渗透率将持续增长",
        "basis": "教育部推进教育数字化政策",
        "impact_direction": "正向",
        "sensitivity": "高",
        "needs_human_validation": false
      }
    ]
  }
}

决策规则

规则触发条件动作
数据源可靠性低数据来源可靠性评分 < 0.5标注需人类验证,暂停该数据点使用
假设敏感度高关键假设变化对结果影响 > 30%标注为高敏感假设,建议人类确认
双路径差异大自上而下与自下而上结果差异 > 20%标注需人类判断,提供差异分析

质量检查

  • TAM/SAM/SOM三层测算完整
  • 每层均含区间估计(乐观/中性/保守)
  • 关键假设已标注
  • 数据来源已列出
  • 置信度评分已完成
  • 低可靠性数据源已标注需人类验证
  • 高敏感假设已标注

降级策略

当上游文件不存在时,本Skill仍可独立执行:

缺失的上游输入降级方案输出影响
无强依赖本Skill可独立运行,用户提供品类关键词和目标市场即可执行无影响,输出完整
所有上游文件均缺失用户提供品类关键词和目标市场 → 基于AI知识库中的公开数据估算TAM/SAM/SOM数据来源可靠性评分降低,confidence.overall_score可能<0.5,标注"基于AI知识库推算"
若用户未提供category_keywords提示用户提供品类关键词,否则无法执行市场规模测算无法生成输出,流程阻塞
若用户未提供geographic_scope提示用户提供目标市场地理范围,否则默认使用"全球"sam.geo_coefficient默认为1.0(无地理过滤),SAM=TAM,置信度降低
若用户未提供time_range提示用户提供测算时间范围,否则默认使用当前年份起3年time_range字段为推断值,标注"默认值",趋势预测准确性降低

数据获取说明

本Skill需要品类关键词和目标市场信息,请通过以下方式之一提供:

  1. 直接输入品类关键词(如"在线教育""SaaS CRM")和目标市场(如"中国大陆")
  2. 上传市场调研数据文件
  3. 提供数据文件路径
  • AI不负责外部数据采集,仅负责分析

上游变更响应

上游变更影响表

上游文件变更类型影响范围影响说明
pest.json政策法规变化SAM地理系数、SAM客群系数新政策可能扩大或缩小可服务市场范围,需重新评估geo_coefficient和audience_coefficient
pest.json经济指标变化TAM行业总规模GDP/消费支出等指标变化直接影响top_down路径的industry_total
pest.json技术动态变化SAM服务能力系数新技术突破可能提升service_coefficient,扩大可服务边界
competitor-intel.json竞争格局变化SOM竞争约束系数新竞品进入或竞品份额变化直接影响competition_constraint
competitor-intel.json竞品定价策略变化SOM获客约束系数竞品价格战可能提高获客成本,影响acquisition_constraint

下游通知机制表

触发事件通知目标通知内容优先级
TAM中性值变化>20%competitor-reportTAM规模显著变化,建议重新评估市场吸引力与竞争策略高
SAM过滤系数调整>0.1competitor-report可服务市场范围变化,建议更新竞品覆盖分析中
SOM可获取份额变化>30%opportunity-definition可获取市场规模显著变化,建议重新评估机会评分高
关键假设新增或变更所有下游Skill新增/变更关键假设,可能影响依赖本Skill输出的分析结论中
confidence.overall_score降至<0.5所有下游Skill整体置信度低于阈值,下游使用本输出时需附加不确定性说明高
slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack."Stars: 198kUpdated Claude CodeCodexVerifiedInstall
ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read.Stars: 194kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report.Stars: 194kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt.Stars: 194kUpdated Claude CodeCodexVerifiedInstall