| name | market-tam-som |
| description | 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。 |
| metadata | {"module":"产品探索与发现","sub-module":"市场竞品","type":"pipeline","version":"2.1","domain_tags":["互联网","金融","通用"],"trigger_examples":["这个市场有多大","帮我算一下市场规模","我们的天花板在哪"],"interaction_mode":"ai_suggest_human_approve"} |
| execution_depth | {"default":"standard","quick_description":"直接输出市场规模估算","deep_description":"完整估算 + 细分市场拆解 + 增长率预测 + 市场进入优先级"} |
市场规模自动测算
核心原则
- 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
- 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
- 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
- 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_keywords | string | 是 | 用户提供 | 品类关键词，如"在线教育""SaaS CRM" |
| geographic_scope | string | 是 | 用户提供 | 目标市场地理范围，如"中国大陆""东南亚" |
| time_range | string | 是 | 用户提供 | 测算时间范围，如"2025-2027" |
执行步骤
Step 1: TAM测算 [核心]
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 [核心]
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 [核心]
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 [核心]
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
输出深度分级
| 深度级别 | 输出范围 | 说明 |
|---|
| quick | 市场规模估算 | 核心结论 + 最小可行产物 |
| standard | 完整产物（当前默认） | 完整产物，包含全部Step输出 |
| deep | 完整估算 + 细分市场拆解 + 增长率预测 + 市场进入优先级 | 完整产物 + 扩展分析 + 深度推演 |
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_keywords | string | 是 | 品类关键词，不可为空 |
| geographic_scope | string | 是 | 目标市场地理范围，不可为空 |
| time_range | string | 是 | 测算时间范围，格式如"2025-2027" |
| tam | object | 是 | TAM测算结果，必须包含top_down和bottom_up两个子对象 |
| tam.top_down | object | 是 | 自上而下测算路径，必须包含industry_total、category_ratio、estimates、data_sources |
| tam.top_down.industry_total | string | 是 | 行业总规模，需带单位 |
| tam.top_down.category_ratio | string | 是 | 目标品类占比，百分比格式 |
| tam.top_down.estimates | object | 是 | 必须包含optimistic、neutral、conservative三个区间值 |
| tam.top_down.data_sources | array | 是 | 数据来源列表，可为空数组但不可缺失 |
| tam.bottom_up | object | 是 | 自下而上测算路径，必须包含target_users、arpu、estimates、data_sources |
| tam.bottom_up.target_users | string | 是 | 目标用户总数，需带单位 |
| tam.bottom_up.arpu | string | 是 | 每用户年均收入，需带单位 |
| tam.bottom_up.estimates | object | 是 | 必须包含optimistic、neutral、conservative三个区间值 |
| tam.bottom_up.data_sources | array | 是 | 数据来源列表，可为空数组但不可缺失 |
| sam | object | 是 | SAM测算结果 |
| sam.geo_coefficient | string | 是 | 地理过滤系数，0-1之间 |
| sam.audience_coefficient | string | 是 | 客群过滤系数，0-1之间 |
| sam.service_coefficient | string | 是 | 服务能力系数，0-1之间 |
| sam.estimates | object | 是 | 必须包含optimistic、neutral、conservative三个区间值 |
| sam.data_sources | array | 是 | 数据来源列表 |
| som | object | 是 | SOM测算结果 |
| som.base | string | 是 | 计算基数，固定为"SAM" |
| som.competition_constraint | string | 是 | 竞争约束百分比，0-1之间 |
| som.resource_constraint | string | 是 | 资源约束百分比，0-1之间 |
| som.acquisition_constraint | string | 是 | 获客约束百分比，0-1之间 |
| som.calculation | string | 是 | 计算公式，展示完整乘法过程 |
| som.estimates | object | 是 | 必须包含optimistic、neutral、conservative三个区间值 |
| som.timeline | object | 是 | 可达时间线，必须包含6m、12m、24m三个里程碑 |
| som.data_sources | array | 是 | 数据来源列表 |
| confidence | object | 是 | 置信度评估 |
| confidence.overall_score | number | 是 | 整体置信度评分，0-1之间 |
| confidence.data_source_reliability | array | 是 | 各数据源可靠性评分列表 |
| confidence.sensitivity_analysis | array | 是 | 敏感度分析结果列表 |
| confidence.key_assumptions | array | 是 | 关键假设清单，每项必须包含assumption、basis、impact_direction |
| confidence.key_assumptions[].assumption | string | 是 | 假设内容描述 |
| confidence.key_assumptions[].basis | string | 是 | 假设依据 |
| confidence.key_assumptions[].impact_direction | string | 是 | 对结果影响方向：正向/负向/双向 |
| confidence.key_assumptions[].sensitivity | string | 否 | 敏感度标注，影响>30%时标注为"高" |
| confidence.key_assumptions[].needs_human_validation | boolean | 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": 0.65,
"data_source_reliability": [
{
"source": "教育部教育统计年鉴",
"type": "官方统计",
"reliability_score": 0.85
},
{
"source": "中国互联网络发展状况统计报告（CNNIC）",
"type": "官方统计",
"reliability_score": 0.80
},
{
"source": "艾瑞咨询在线教育行业研究报告",
"type": "第三方研报",
"reliability_score": 0.70
}
],
"sensitivity_analysis": [
{
"assumption": "K12在线教育渗透率将持续增长",
"variation": "±20%",
"impact_on_result": "TAM中性值波动范围±24亿，SOM中性值波动范围±1.4亿",
"sensitivity": "高"
},
{
"assumption": "ARPU维持在3000元/年",
"variation": "±20%",
"impact_on_result": "bottom_up路径TAM中性值波动±56亿",
"sensitivity": "中"
}
],
"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": true
}
]
}
}
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
P0 检查（quick/standard/deep 都必须通过）
P1 检查（standard/deep 必须通过）
P2 检查（仅 deep 必须通过）
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 | 数据获取说明 |
|---|
| 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 | 要求用户提供品类关键词和目标市场 |
| 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" | 要求用户提供品类关键词（如"在线教育"）和目标市场（如"中国大陆"） |
| 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 | 要求用户提供品类关键词（如"在线教育""SaaS CRM"） |
| 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 | 要求用户提供目标市场地理范围（如"中国大陆""北美"） |
| 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 | 要求用户提供测算时间范围（如"2024-2026"） |
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：
- 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"）
- 上传市场调研数据文件
- 提供数据文件路径
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-analysis.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-analysis.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% | market-competitor-analysis | TAM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>0.1 | market-competitor-analysis | 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 |
