| name | thai-market-sizing |
| description | ประเมินขนาดตลาดไทย TAM/SAM/SOM ด้วย source pointer ทางการ (NSO, BOT, DBD, ETDA, NESDC) — ไม่ใช้ Statista global ที่ตัวเลขมั่ว หรือ McKinsey report ที่ data ฝรั่ง |
| when_to_use | ["User mention \"ขนาดตลาด\", \"market size\", \"TAM\", \"SAM\", \"SOM\", \"market opportunity\"","User เตรียม pitch deck / investor presentation","User สงสัยว่ามี demand เท่าไหร่ก่อนเข้าตลาด"] |
| when_not_to_use | ["User ต้องการ competitor breakdown — ใช้ thai-competitor-scan","User ต้องการ customer interview / qual research — ตอบตรงๆ"] |
| version | 0.1.0 |
| last_verified | 2026-05-19T00:00:00.000Z |
| tier | prose |
Thai Market Sizing — สิทธิเข้าถึงข้อมูลฟรี
ที่ปรึกษาส่วนใหญ่ตอบ TAM/SAM/SOM แบบโยน Statista global × % Thailand population ออกมาเป็น "อัตราพร้อมพิมพ์". ปัญหา: ตัวเลขห่างจริง 2-5x.
ประเทศไทยมีข้อมูลทางการเปิด public ฟรีเยอะมาก — แต่ที่ปรึกษาส่วนใหญ่ไม่รู้ว่าอยู่ที่ไหน:
| สิ่งที่จะวัด | แหล่งทางการ | URL |
|---|
| จำนวนครัวเรือน, การใช้จ่ายต่อหัว | สำรวจภาวะเศรษฐกิจสังคมครัวเรือน, NSO | nso.go.th (annual SES report) |
| GDP รายอุตสาหกรรม | สำนักงาน สศช. (NESDC) | nesdc.go.th |
| Online retail GMV | ETDA E-Commerce Statistics | etda.or.th |
| Banking + payment volume | BOT Statistics | bot.or.th/statistics |
| Industry revenue ของบริษัทจดทะเบียน | DBD Data Warehouse | datawarehouse.dbd.go.th |
| Import/Export by HS | Trade Report กระทรวงพาณิชย์ | tradereport.moc.go.th |
| Demographic | Statbureau ทะเบียนราษฎร์ | stat.bora.dopa.go.th |
Skill นี้ทำให้ Claude ไม่เดาตัวเลข — มันต้อง point ไปที่แหล่งทางการเสมอ.
เมื่อ Claude เห็นคำขอแบบนี้
ตลาดเครื่องสำอางออนไลน์ในไทยใหญ่แค่ไหน
TAM/SAM/SOM ของ co-working space ในกรุงเทพ
ขั้นตอน
-
ระบุ category ให้ชัด — ถาม user 2-3 คำถาม
- กลุ่มลูกค้า: B2C / B2B / B2G
- geography: ทั่วประเทศ / Bangkok+ปริมณฑล / regional
- online / offline / blended
- segment ของ category (skincare ≠ makeup ≠ haircare)
-
TAM — ตลาดทั้งหมดของ category ในไทย
- ใช้ NESDC / ETDA / industry association report
- ระบุปี + source ทุกครั้ง (e.g., "ETDA 2025 E-Commerce Report: B2C online retail GMV = 1.04 ล้านล้านบาท")
-
SAM — กลุ่มที่ business นี้ targetable ได้จริง
- filter ด้วย: geography, demographics (age, income), channel
- ใช้ NSO SES filtering
-
SOM — ส่วนที่ realistic ภายใน 12-24 เดือน
- benchmark กับ competitor market share (ถ้ารู้ — ใช้ DBD financial filings)
- rule of thumb: new entrant ปกติ 0.1-2% ของ SAM ภายใน 12 เดือน
-
คืน output
- 3 ตัวเลข + source + confidence
- ข้อสมมุติฐาน 3-5 ข้อ ที่ทำให้เลขเป็นแบบนี้
- ตัวเลขที่เปลี่ยน 10% แล้ว SOM เปลี่ยน >20% (sensitivity)
ตัวอย่าง
Input
ตลาด skincare ออนไลน์ในไทย — เราจะขายผ่าน Shopee + TikTok Shop
target audience: ผู้หญิง 22-40, รายได้ 20k-60k/เดือน
Output (sample)
TAM — Online skincare retail ในไทย
มูลค่า ~ 35,000-42,000 ล้านบาท/ปี (2025)
Sources:
- ETDA E-Commerce Statistics 2025 (`etda.or.th`): Beauty & Personal Care
online ~6.3% ของ B2C GMV = 65,500M฿; ของ skincare ~55% = 36,000M฿
- GroupM Thailand Beauty Industry Report H2 2025 (cross-check): 38-42B฿
Confidence: medium — ตัวเลขใกล้กันสองแหล่ง
SAM — Targetable (ผู้หญิง 22-40, รายได้ 20-60k, urban)
Filter:
- ผู้หญิง 22-40 = 21% ของประชากร (NSO 2024) ≈ 14.6M คน
- รายได้ 20-60k/เดือน = 39% ของ working population (NSO SES 2024) ≈ 5.7M คน
- online shopper ของ beauty category = 73% (ETDA 2025) ≈ 4.2M คน
ค่าใช้จ่าย skincare เฉลี่ย 320฿/เดือน (Kantar Worldpanel 2024)
SAM ≈ 4.2M × 320 × 12 = 16,128M฿/ปี
Confidence: medium-low — Kantar number paywalled, ใช้ค่าเฉลี่ยที่ public
SOM — ภายใน 12-24 เดือน
Rule of thumb new entrant: 0.3% - 1.5% ของ SAM
SOM = 48-242M฿/ปี
Confidence: low — ขึ้นอยู่กับ marketing budget, conversion rate, retention
ข้อสมมุติฐาน
1. Beauty share ของ online B2C ตาม ETDA 2025 ใกล้เคียงปี 2026 (อาจขยับ ±2%)
2. ค่าใช้จ่าย skincare/เดือนของ target segment สูงกว่าค่าเฉลี่ย (ใช้ค่าเฉลี่ย — ตัวจริงอาจ 380-450฿)
3. กลุ่ม age 22-40 มี penetration online beauty 73% เท่ากันทุก segment (จริงน้อยกว่า 22-30)
Sensitivity
- ถ้า penetration online สูงกว่า 73% เป็น 82% (เพิ่ม 12%) → SAM เพิ่ม 12%, SOM เพิ่ม ~15%
- ถ้า ค่าใช้จ่าย/เดือนเพิ่มจาก 320 เป็น 400 (เพิ่ม 25%) → SAM เพิ่ม 25%
แนะนำขั้นถัดไป
- หา exact spend per cohort ที่ Kantar (paid report) หรือสำรวจเอง 50-100 คน
- ดู Shopee Mall + TikTok Shop top-sellers ใน category ปริมาณรายเดือนของ top-50 sellers (Brandtag, Wisesight)
- คุย founder ของ skincare brand ที่ exit ได้ ~50M ใน 18 เดือน
Common mistakes
- Quote "ตลาดเครื่องสำอางไทย 200,000M฿" จาก Statista แล้วใช้เป็น TAM — ตัวเลขนี้รวม offline + import + B2B + cross-border ไม่ใช่ที่ target
- ใช้ Thailand population (66M) × % เป็น addressable — ลืม filter income, channel, age
- claim SOM 5-10% ของ SAM ใน 12 เดือน — ความจริงคือ 0.1-2% สำหรับ new entrant ไม่มี brand
- ไม่ระบุปีของ source — data 2020 ใช้ predict 2026 จะคลาด
ขอบเขต
- ตัวเลขใน demo เป็น synthetic illustration — ถ้าเอาไปใช้กับลูกค้าจริง ต้อง re-verify จาก source ตรง
- ไม่ทำ qualitative market research — เครื่องมือนี้คือ desk research only
- Cross-border (Shopee SG/MY/PH) ไม่อยู่ในขอบเขต — ใช้ Singapore reports แทน
