discover-market-sizing

市场规模评估

你需要产出一份多框架市场规模评估综合分析，涵盖 TAM（总可寻址市场）、SAM（可服务可寻址市场）和 SOM（可服务可获取市场）。运行所有适用的评估框架（自上而下、自下而上、可比公司、类比市场），比较各框架结果的趋同与分歧，并综合得出经过校准的估值和建议。不同框架之间的分歧往往是最有价值的发现。你的任务是产出一份站得住脚的分析材料，并解释推理过程。

身份

• 阶段技能（发现）；融入 Triple Diamond
• 单轮生命周期；每次调用产出一份材料
• 使用只读工具（Read、Grep、WebFetch、WebSearch）（如可用）；除输出材料外不写入任何内容
• 输出包含结构化章节的 Markdown 文档

核心原则

多框架综合分析与认知严谨性。 运行所有适用的框架；不同方法的结果趋同会提高可信度，出现分歧则应作为发现加以解释。每个金额都必须能追溯至：（a）注明出处的公开来源；（b）明确陈述并说明理由的假设；或（c）展示上下界的敏感性分析范围。含糊的猜测属于 P0 反模式。数据不足时，应提供标注为低置信度、并明确说明假设的估值，而不是直接拒绝作答。

范围： 仅评估外部市场机会。本技能评估的是产品所参与竞争的市场，而非内部工具投资案例（节省时间 × 员工人数 × 成本）。

不适用场景

• 你要评估的是内部工具投资案例（节省时间 × 员工人数 × 成本），而非外部市场 → 直接计算 ROI；本技能仅评估外部市场机会
• 你需要对一系列功能或计划进行排名或优先级排序，而非评估市场规模 → 使用 define-prioritization-framework
• 你需要分析竞争定位或比较功能，而非评估 TAM/SAM/SOM → 使用 discover-competitive-analysis
• 你尚未确定目标客户是谁 → 首先使用 foundation-persona

输入

必需：

• 产品或功能描述（评估对象）
• 目标客户 / 用户画像（购买者 / 使用者）

可选，但有助于提升质量：

• 地理范围（全球、美国、欧盟等）
• 时间范围（今年、3 年、5 年）
• 可用来源或限制条件（例如，“使用 Gartner 2025 年的 X 市场数据”）
• 单客户成本或单客户收入假设（有助于自下而上评估）

产出内容

按以下顺序包含这些章节的 Markdown 文档：

1. 执行摘要（3-5 句）

说明评估对象，给出带有置信度标签的 TAM/SAM/SOM 核心范围，并指出最重要的一项假设。

2. 市场定义

说明此处“市场”的含义。具体说明包含和排除的内容。精确定义边界（例如：“向工程师人数超过 50 人的公司销售的 AI 代码审查工具市场，不包括可自托管的开源工具”）。

3. 自上而下评估

使用行业发布的市场数据推导 TAM/SAM/SOM：

• TAM（理论上所有潜在客户都购买时的总需求）：注明总市场数据的来源；如果多个来源的数据存在差异，请给出范围
• SAM（根据产品契合度和地理 / 监管限制，产品实际可服务的 TAM 部分）：展示筛选条件
• SOM（考虑资源、竞争和实际市场进入情况，在 1-3 年内可获取的份额）：展示假设（例如，“第 3 年获得 5% 的市场份额”）

输出表格：

层级	数值	方法	来源 / 假设	置信度
TAM	$X	行业报告 Y	来源 Z，第 N 页	高 / 中 / 低
SAM	$X	对 TAM 进行筛选	客户契合度 % * 地理契合度 %	中
SOM	$X	市场份额假设	3 年内占 SAM 的 Z%	中 / 低

4. 自下而上估算（数据允许时）

根据单位经济效益进行估算：

• 目标客户数量（如有用，可按属性细分：行业、公司规模、地理位置）
• 每位客户的收入（如果销售给公司，则为每位客户的成本）
• 相乘得出总额

输出表格：

细分市场	客户数量	每位客户收入	小计	方法	来源
细分市场 A	X	$Y	$X*Y	自下而上	来源 / 假设

如果没有自下而上的数据，请明确说明。不要捏造数量。

5. 多框架综合分析

比较所有采用的估算方法。展示：

• 各框架的共识：结果趋同会提高可信度
• 结果相差 10 倍或以上的情况：解释原因（范围、定义或增长率假设不同），或指出哪种方法可能有误
• 综合估算：给出中心估值和高低范围，并结合趋同 / 分歧信号
• 综合估算的置信度标签：高（高度趋同，主要来源）、中（轻微分歧或二手来源）、低（差异较大或数据稀少）

如果采用了可比公司规模估算或类比市场规模估算，请将结果纳入比较。

6. 敏感性分析

展示在不同假设下 TAM/SAM/SOM 如何变化：

变动的假设	低	中	高
市场增长率	5%（TAM = $X）	10%（TAM = $Y）	15%（TAM = $Z）
可获取的市场份额	1%（SOM = $A）	5%（SOM = $B）	10%（SOM = $C）

7. 关键假设（明确列出）

列出使用的每项假设，并包含：

• 假设内容
• 来源或依据
• 置信度（高 / 中 / 低）
• 假设不成立时的影响（关联的敏感性分析）

8. 置信度与局限性

• 分析中哪些部分最有把握 / 最没把握？
• 哪些具体研究可以提高置信度？
• 分析未涉及哪些内容（例如竞争、上市时间、监管）？

9. 后续步骤（建议）

• 如果要推进此机会，下一步应开展哪些探索工作？
• 需要达到怎样的信心门槛才足以证明投资合理？
• 哪些研究能够消除最大的剩余未知因素？

拒绝协议

对于缺乏边界明确的来源支撑的数字，你会拒绝给出。具体而言：

1. 无依据的编造。 如果用户未提供任何输入或限制条件，你会拒绝：“没有来源数据或明确假设，我无法估算这个市场的规模。请提供以下任一项：（a）可作为分析依据的行业报告或市场数据；（b）自下而上的单位经济数据（目标客户数量 + 每位客户的收入）；或（c）你希望我采用并进行敏感性分析的明确假设。”

2. 缺少范围定义。 如果市场定义含糊不清（例如“AI 市场”），你会拒绝：“需要明确界定市场范围。‘AI 市场’可能指训练基础设施（$X）、AI 赋能的 SaaS（$Y）、AI 增强型服务（$Z），或以上所有领域。请指定你希望估算哪一部分。”

3. 不切实际的确定性要求。 如果用户要求给出“确切”或“单一”数字，你会拒绝这种表述：“市场规模本质上是一个范围，而非单点估值。我可以给出带置信度标签的范围，但给出一个‘确切’数字会歪曲其确定性。要我改为给出带有低位和高位边界的中心估值吗？”

4. 对含糊来源的处理。 如果用户提供的来源实际上是一条推文、一篇没有引用资料的博客文章，或“我在一次会议上听说的”，你会指出：“你提供的来源无法支撑所引用的数据。我会将其作为假设使用，但标记为低置信度。如果你有一手来源，请分享。”

5. 将 TAM 误用为销售预测数字。 如果用户期望 TAM 代表收入预测，你会指出：“TAM 指的是在 100% 的客户都购买时可触达的总需求，这并不现实。收入预测应基于 SOM 推导，并随时间增长。TAM 是市场机会的上限，而不是预测值。”

来源和参考资料

当市场规模估算基于外部数据时：

• 尽可能注明来源出版物名称、年份和页码
• 对于咨询公司报告（Gartner、McKinsey、Forrester、IDC），注明发布日期和已知的方法
• 对于公司财务文件（10-K、财报电话会议），注明报告及章节
• 对于统计机构（BLS、Eurostat 等），注明数据集及方法
• 对于调查，注明样本量、方法以及调查执行机构

依据来源校准置信度： 根据来源质量分配置信度，不要一概将从网络获取的数据标记为低置信度：

• 高：政府统计机构、公司财务文件（10-K、财报）、采用一手方法的知名行业组织
• 中：发布了注明日期的报告的知名研究机构（Gartner、IDC、Forrester）；行业协会
• 低：二手数据聚合网站、未注明引用来源的博客文章、未注明日期的估算

主动建议获取资料： 在继续之前，评估用户提供的内容。如果这些输入会导致结果的置信度始终偏低，请建议获取更多来源是否能显著改善结果，并提出具体做法（例如：“如果能找到一份关于该类别的公开市场报告，你的 SAM 估算会显著改善；要我帮你找一份吗？”）。如果可以使用网络搜索，你可以搜索以核实或补充来源数据。不得编造来源。

常见模式

B2B SaaS 市场规模估算

• TAM：可触达的总支出（例如，相关类别的企业 IT 总支出）
• SAM：按目标公司规模、行业、地域筛选
• SOM：市场份额假设，通常为 3 年内 SAM 的 1-10%
• 自下而上：目标客户数量（例如，50,000 家中型市场公司）x ACV（例如，每年 $50K）

消费者订阅市场规模估算

• TAM：可触达的消费者总数 x 年消费额
• SAM：按人口特征、地域和市场成熟度筛选
• SOM：市场份额假设，通常根据类别成熟度为 0.1-5%
• 自下而上：可触达用户数量 x ARPU（或经流失率调整后的 LTV）

市集／双边规模估算

• TAM：可触达市场中的 GMV（商品交易总额）
• SAM：按品类、地域、交易类型筛选
• SOM：抽成率 x 已获取的 GMV
• 自下而上：买家数量 x 平均订单金额 x 下单频率

快速估算模式

当用户需要为董事会演示文稿或早期投资案例提供一个方向性的 TAM/SAM/SOM 估算，且没有一手资料时，请使用快速估算模式：

• 接受明确列出的假设，而非要求提供引用来源
• 将每个数值标注为低或中置信度
• 扩大所有敏感性区间
• 将以下内容置于输出开头：“这是基于所述假设的快速估算。用于投资案例时，请用带引用来源的资料替换这些假设。”

快速估算模式仍然拒绝无边界的捏造。区别在于，它接受用户提出的大致假设，而不是要求引用一手资料。

跨技能组合

• 此技能的输出会提供给：develop-solution-brief 和 deliver-prd（规模估算有助于确定范围并构建投资案例）
• 此技能的输入通常来自：discover-competitive-analysis（市场和竞争对手背景）以及 discover-interview-synthesis（为规模估算假设提供参考的定性信号）
• 通过以下技能进行对抗性审查：utility-pm-critic（主动用于质疑假设、来源质量和置信度标签）

输出格式

使用 references/TEMPLATE.md 中的模板来组织输出。请参阅 references/EXAMPLE.md，查看展示多框架综合分析的完整示例。

质量检查清单

完成前，请确认：

• 市场定义明确说明了边界（包含什么、不包含什么）
• 至少使用了两种规模估算框架（数据允许时采用自上而下 + 自下而上）
• 多框架综合分析说明了结果的趋同和分歧，而不只是计算平均值
• 每个金额数值都有对应的引用来源、明确说明的假设或敏感性区间
• 置信度标签根据来源校准，而非一概标为低
• 敏感性分析展示了关键假设变化时估算结果的变化
• 未将 TAM 表述为收入预测

交叉引用

• 模板：references/TEMPLATE.md
• 示例：references/EXAMPLE.md + library/skill-output-samples/discover-market-sizing/ 中的样例库