TAM / SAM / SOM 市场规模测算

每次分析必须同时完成自下而上（bottom-up）和自上而下（top-down）两种方法。两种方法各有用途，最终必须交叉比对。目标是产出有据可查、可防御的测算——而非快速估算。

默认时间基准： 当前为 2026 年。搜索市场数据时默认优先查找 2025 年的实际数据；同时搜索 2026–2028 年（未来 3 年） 的市场预测/CAGR 数据，用于增长预判。如 2025 年数据不可得，可用 2024 年数据并按行业 CAGR 外推至 2025，但必须标注。

何时使用此技能

当用户提示中包含以下关键词时触发：

"TAM"、"SAM"、"SOM"、"市场规模"、"market size"
"X 的市场有多大"、"How big is the market for X"
"总可寻址市场"、"可服务市场"、"可获得市场"
"Market sizing for [product/company]"、"[产品/公司] 的市场测算"
融资 BP / 投资人路演中需要量化市场机会的场景

加载示例

开始计算前，先检查 examples/ 目录中是否有匹配产品品类的文件。加载最接近的示例，以校准数据来源、过滤逻辑和 ACV 锚点。

文件	适用场景
`examples/b2b-saas.md`	面向企业的软件 / AI 工具
`examples/b2c-consumer-brand.md`	消费品、DTC 品牌、订阅制
`examples/b2b-physical.md`	面向企业的实物商品

如无精确匹配，加载最接近的文件并适配调整。

预检：在做任何事之前先分类产品

在搜索或计算之前，必须先沿两个维度对产品进行分类。分类结果直接决定使用哪些数据来源和定价方法。

维度 1 — 商业模式

代码	类型	营收单元	定价锚点
B2B-SaaS	面向企业的软件	年度合同（ACV）	创造经济价值的 10–20%
B2B-实物	面向企业的实物商品	单价 × 年采购量	行业毛利率基准
B2C-品牌	面向消费者的产品（任意品类）	每客户年消费额	均价 × 购买频次
B2C-订阅	面向消费者的订阅制	月/年订阅费	公开定价或竞品锚定
平台/Marketplace	抽取 GMV 佣金	佣金率 × GMV	行业佣金率基准

维度 2 — 市场地理范围

中国全国: 使用国家统计局、工商登记数据、行业协会数据、国民经济行业分类（GB/T 4754）
全球: 使用全球市场报告，再按区域份额拆分（中国占全球 GDP ~18%；亚太 ~38%）
单一城市/区域: 使用城市统计年鉴、常住人口数据 + 品类渗透率

分步工作流（通用）

步骤 0 — 数据收集

准确性和可靠性是本任务的核心。在开始计算之前，必须从可靠来源收集足够的数据。在有证据支撑的前提下，有限的估算是可以接受的；但在计算和输出阶段，任何无证据的数据编造或幻觉都属于造假。

步骤 1 — 定义营收单元

在搜索任何市场数据之前，先锁定产品卖什么、卖给谁、定价多少。

必填项：

买方是谁？（职位 / 消费者画像）
销售单元是什么？（按席位、按 SKU、按公斤、按订阅、按笔）
价格是多少？（已知定价，或通过竞品分析估算）
购买频次？（一次性、月度、年度、持续续费）

If price is unknown: Search "[产品品类] 均价" or "[最接近竞品] 定价" and anchor to the median. For B2B-SaaS, also apply the 10–20% value rule: price = 10–20% of annual economic value the product creates for the customer. 中国市场注意：SaaS 客单价通常低于欧美同类产品 50–70%，需用本土竞品锚定。

步骤 1 输出： 一句话概括 — "营收单元是向 [Y] 销售 [X]，年客单价 [Z] 元。"

步骤 2 — TAM（总可寻址市场）

TAM = 假设所有潜在买家都购买该产品时的最大理论营收。

2A — 自下而上法（所有产品类型的首选方法）

B2B 产品：

查找目标行业的企业数量
- 中国：使用国民经济行业分类（GB/T 4754）对应代码查询 — 搜索 "[行业分类代码] 企业数量" 或 site:stats.gov.cn [行业] 法人单位数；也可使用天眼查/企查查批量统计
- 全球：使用 IBISWorld、Statista 或各国工商登记数据
估算其中真正相关的比例（仅在非常明显时才在此阶段做产品适配过滤——如面向商业客户的 B2B 产品需排除纯住宅类企业）
TAM = 相关企业总数 × ACV

B2C 产品：

查找目标地理区域的消费者总量（国家统计局人口普查数据、城镇/农村常住人口、行业协会消费者调研）
查找目标人群/行为细分的占比
TAM = 细分人群数量 × 人均年消费额

搜索查询模板：

"[行业] 企业数量中国 2025"
"GB/T 4754 [行业代码] 法人单位营收"
"[消费品类] [用户/家庭/车主] 数量中国 2025"
"[品类] 市场规模 2025" （仅作交叉验证，非主要方法）
"[品类] 市场规模预测 2026 2027 2028" （未来 3 年预测）

2B — 自上而下法（辅助交叉验证）

从分析机构报告中查找品类总市场规模（券商研报、艾瑞咨询、前瞻产业研究院、中商产业研究院、头豹研究院、Grand View、IMARC、Mordor、IBISWorld）
按漏斗层层过滤：总市场 → 相关细分 → 产品类型份额 → 地理区域
搜索："[品类] 市场规模 2025" or "[行业] 产业规模中国 2025" + "[品类] CAGR 预测 2026-2028"

规则： 自下而上是主要方法，自上而下是交叉验证。两种结果都必须呈现。如偏差显著（>2×），需说明原因（如：自上而下只统计现有支出；自下而上统计全部潜在需求）。

TAM 输出格式：

单一金额（大市场四舍五入到亿元级别，中型市场到千万级别）
保守区间（低–高）
计算过程必须明确展示：N 家企业 × ¥X ACV = ¥Y 或 N 名消费者 × ¥Z 年消费 = ¥Y

步骤 3 — SAM（可服务市场）

SAM = TAM 中该产品在当前商业模式、地理覆盖、语言和产品适配条件下实际能服务的子集。

通用过滤清单 — 适用的都要加上：

过滤维度	典型缩减幅度	估算方法
地理覆盖	视情况	如仅覆盖一线/新一线城市，按城市 GDP 或人口占比过滤；如全国则保留
产品适配细分	30–60% 缩减	排除产品不服务的细分（如：个体工商户 vs 规上企业；农村 vs 城镇）
技术/渠道就绪度	10–30% 缩减	目标客户的互联网/云服务普及率；中国整体互联网普及率 ~77%，但企业数字化渗透率因行业差异大
政策/准入/牌照	视情况	部分行业需许可证（金融、医疗、教育等），需按持牌机构数量过滤
付费意愿分层	20–40% 缩减	排除价格超出承受范围的细分；中国 B2B 付费意愿通常低于欧美

公式： SAM = TAM × 过滤因子₁ × 过滤因子₂ × ... × 过滤因子ₙ

混合 ACV（适用于 SAM）： 如存在多个客户细分（中小企业 vs 中型企业，或大众 vs 高端），计算加权平均 ACV： 混合 ACV = (细分A_ACV × 权重A) + (细分B_ACV × 权重B)

Search queries for filter data:

"[行业] [规上企业/中小企业/个体户] 占比"
"[行业] 数字化渗透率中国"
"[消费品类] 高端 vs 大众市场份额"

SAM 输出格式：

单一金额 + 保守区间
每个过滤因子列出其缩减百分比和数据来源
混合 ACV（如适用）

步骤 4 — SOM（可获得市场）

SOM = 产品在限定时间内（通常为 3 年，第 1–3 年爬坡期）能实际获取的 SAM 份额。

各产品类型的渗透率基准：

产品类型	第 1 年	第 3 年	基准来源
新 B2B SaaS（无既有品类）	SAM 的 0.1–0.3%	SAM 的 1.5–3%	Andreessen Horowitz、OpenView 基准
新 B2B SaaS（成熟品类）	0.3–0.8%	3–7%	品类先行者早期增长数据
新 B2C 消费品牌（零售渠道）	SAM 的 0.05–0.2%	0.5–2%	尼尔森新品牌上市数据
新 B2C DTC 订阅	0.1–0.5%	1–4%	DTC 同期群基准
新 B2B 实物产品	0.2–0.5%	2–5%	渠道分销爬坡基准

交叉验证方法： 找 2–3 家可比公司（同品类、相似阶段），用其公开的早期 ARR/营收锚定 SOM。搜索： "[类似公司] [A轮 / 早期营收 / ARR] 融资 [年份]" 或查看 36氪、IT桔子、天眼查融资记录

公式：

SOM（第 1 年）= SAM × 第 1 年渗透率
SOM（第 3 年）= SAM × 第 3 年渗透率
客户数 = SOM ÷ 混合 ACV（常识校验——以当前 GTM 能力来看，这个客户数是否可实现？）

SOM 输出格式：

第 1 年和第 3 年 ARR/营收目标
各阶段客户数
指名可比公司验证
使用的渗透率（含理由）

步骤 5 — 对账与标记冲突

两种方法完成后：

如自下而上 TAM > 自上而下 TAM： 通常因为产品创造了新需求（而非仅替代现有支出）。需明确说明。
如自下而上 TAM < 自上而下 TAM： 通常因为产品是大品类中的利基市场。需说明使用的定义。
始终给出区间，而非单一数字。单一数字暗示虚假精度。
标记 3 个最敏感的假设 — 即 ±20% 变化会实质性影响输出的假设。这些假设需要通过一手研究验证。

步骤 6 — 未来 3 年市场预测

在完成当年（2025）基准测算后，必须额外提供未来 3 年（2026–2028）的市场规模预测：

查找行业 CAGR — 从券商研报、咨询报告或研究机构获取该品类的复合年增长率
预测 TAM 增长 — TAM(2026) = TAM(2025) × (1 + CAGR)，逐年递推至 2028
标注增长驱动因素 — 政策利好、技术变革、消费升级、人口结构变化等
标注下行风险 — 监管收紧、经济周期、竞争加剧等

预测输出格式：

指标	2025（基准）	2026E	2027E	2028E	CAGR
TAM	¥XX 亿	¥XX 亿	¥XX 亿	¥XX 亿	XX%
SAM	¥XX 亿	¥XX 亿	¥XX 亿	¥XX 亿	XX%

CAGR 必须引用来源；如多个来源给出不同 CAGR，取中位数并标注区间。

数据来源层级（按优先级从高到低使用，高层级数据可得时不必降级）

Tier 1 — 政府官方统计（最高可信度）

国家统计局（stats.gov.cn）— 经济普查数据、行业法人单位数、从业人员数、营收规模、统计年鉴
海关总署（customs.gov.cn）— 进出口贸易数据、商品编码（HS 编码）对应的进出口额/量
部委行政数据 — 工信部（规上企业数据）、商务部（消费/零售数据）、住建部（房建/基建数据）、交通运输部、农业农村部、市场监管总局等
全国经济普查 / 人口普查数据 — 每 5/10 年一次，是企业数量和人口结构的最权威来源
国民经济行业分类（GB/T 4754） — 中国版 NAICS，用于锁定行业代码和统计口径

Tier 2 — 行业监管与上市公司数据

行业协会数据 — 如中国汽车工业协会（CAAM）、中国连锁经营协会（CCFA）、中国物流与采购联合会（CFLP）、中国互联网络信息中心（CNNIC）等
上市公司财报 / 招股书 — A 股（巨潮资讯 cninfo.com.cn）、港股（HKEX）披露的行业数据、可寻址市场描述、竞争格局分析
监管备案数据 — 证监会、银保监会、药监局等行业准入/持牌机构数据
上市公司年报 / 公告 — 管理层讨论与分析（MD&A）中的市场规模引用；同行业上市公司横向对比

Tier 3 — 券商研报与专业咨询

券商研报 — 中信证券、中金公司、华泰证券、国泰君安、申万宏源等行业深度报告（可通过万得 Wind、同花顺 iFinD、慧博投研获取）
咨询公司报告 — 麦肯锡中国、BCG、贝恩、罗兰贝格、德勤、普华永道行业报告
商业数据库 — 万得（Wind）、同花顺 iFinD、天眼查/企查查（企业工商数据）、IT桔子（融资数据）
用途：行业规模测算、细分市场拆分、CAGR、竞争格局
交叉验证要求：至少引用 2 个独立来源——券商/咨询机构之间常有 20–40% 的偏差

Tier 3b — 行业智库与市场研究机构

权威行业协会 / 学会 / 产业联盟 — 如中国半导体行业协会（CSIA）、中国软件行业协会（CSIA）、各产业联盟白皮书
国际市场研究机构 — IBISWorld、Grand View Research、Mordor Intelligence、IMARC Group、Precedence Research、Euromonitor、Statista
国内市场研究机构 — 艾瑞咨询（iResearch）、前瞻产业研究院、中商产业研究院、头豹研究院、易观分析、QuestMobile
用途：行业规模交叉验证、竞品财务数据、ACV 基准；当 Tier 3 数据不可得时作为替代来源

Tier 4 — 一手信息与软数据

专家访谈 / 渠道访谈 / 企业访谈 — 通过凯盛专家、GLG、AlphaSights 或直接访谈获取的一手判断
媒体报道 — 36氪、虎嗅、钛媒体、经济观察报、第一财经等的行业报道和企业专访
搜索指数 — 百度指数、微信指数、抖音电商罗盘（反映品类热度趋势）
社媒声量 / 自媒体 — 小红书、抖音、知乎等平台的讨论量和品类内容增速，可用作定性佐证
用途：趋势感知、市场情绪、价格区间验证；不可作为核心测算的唯一数据源

ACV / 客单价基准（中国市场）

Product type	Typical ACV/ASP (人民币)	Notes
中小企业 B2B SaaS (1–50 人)	¥5,000–¥50,000/yr	中国 SaaS 客单价显著低于欧美；免费增值模式普遍
中型企业 B2B SaaS (50–500 人)	¥50,000–¥300,000/yr
大型企业 B2B SaaS (500+ 人)	¥300,000–¥3,000,000+/yr	定制化项目制交付占比高
消费者订阅（高级）	¥100–¥600/yr	如视频会员、音乐会员、知识付费
消费品（中高端）	¥50–¥500/单, 4–12×/yr
B2B 实物产品（中小企业）	¥30,000–¥300,000/yr	视行业而定
B2C DTC 品牌（LTV 近似）	2–3× 首单价值

汇率参考： 分析中以人民币为默认货币单位；如需美元对比，按当期汇率折算并标注。

常见错误 — 交付前逐项检查

Error	How to catch it
"占 100 亿市场的 1%" 无依据	必须用 bottom-up 客户数量验证
只做 top-down 没做 bottom-up	两种方法必须都做
用全球 TAM 却只做中国市场	明确标注地理过滤
TAM 包含非目标客户（如把个体户算进企业级产品）	在 TAM 阶段就做产品适配过滤
SOM 渗透率无对标	至少引用 1 家可比公司
ACV 无价值或竞品锚定	必须展示价值计算或竞品参考
直接搬运研报数字不验证口径	检查报告定义是否与你的产品范围一致
只给单一数字不给区间	必须给 low–high range
混用人民币和美元不标注	统一币种，转换处标注汇率
引用过时数据（>3 年前）	优先使用最近 2 年数据；老数据需标注年份并说明局限

行业数据来源速查表（中国市场）

行业	企业数量来源	市场规模来源	核心行业协会/机构
建筑/工程	统计局经济普查、住建部资质企业数据	中国建筑业协会、前瞻研究院	中国建筑业协会
宠物/消费品	天眼查企业统计、统计局	艾瑞、Euromonitor、前瞻研究院	中国宠物行业协会
食品饮料	统计局规上企业数据（GB/T 14）	中商产业研究院、Mintel、尼尔森	中国食品工业协会、中国饮料工业协会
美妆/个护	药监局备案数据、天眼查	Euromonitor、头豹研究院	中国香料香精化妆品工业协会
服装/时尚	统计局纺织服装统计	中国服装协会、Statista	中国服装协会、中国纺织工业联合会
SaaS/软件	IT桔子、天眼查	艾瑞咨询、IDC 中国、Gartner	中国软件行业协会
汽车	中汽协（CAAM）、公安部车辆登记	中汽协、IHS Markit	中国汽车工业协会（CAAM）
新能源	国家能源局、工信部	中国光伏行业协会、BNEF	中国光伏行业协会、中国电动汽车百人会
医疗健康	国家卫健委、药监局	弗若斯特沙利文、艾瑞、动脉网	中国医药企业管理协会
教育/培训	教育部统计数据	艾瑞咨询、多鲸资本	中国民办教育协会

输出格式

输出文件是你的计算工作底稿。收集完必要数据后，在文件中进行逐步分析和计算，最终得出摘要、对比和证据链校验。生成一份结构化 Markdown 文档，包含：

两种方法的完整计算，每种方法依次覆盖 TAM → SAM → SOM。每个步骤包含：标题数字 + 区间、逐行计算过程、关键假设与来源
独立的数据来源与假设汇总表（含来源层级标注）
未来 3 年预测表（2025 基准 → 2026E → 2027E → 2028E）
摘要：TAM / SAM / SOM 对照表（自下而上与自上而下并列）；如两种方法偏差 >2× 则需说明原因
证据链校验 章节：证据链追溯表 + 交叉验证结果 + 证据链完整度等级（A/B/C）+ top 3 待验证数据缺口

以下是你应遵循的输出结构示例（注：示例为美国市场案例，实际使用时请按中国市场规范，使用人民币）：

"""

Market Sizing: BuildFlow AI

AI-powered invoicing automation for HVAC and Electrical subcontractors — United States

Method 1: Bottom-up

TAM

Input	Value	Source
HVAC firms (NAICS 238220)	88,738	siccode.com / US Census
Electrical firms (NAICS 238210)	55,951	siccode.com / US Census
% doing GC-facing commercial work	55%	SBA subcontractor mix data
ACV — HVAC SME tier	$7,500/yr	$1.5M avg. revenue × 0.5%; CFMA 2024
ACV — Electrical SME tier	$10,000/yr	$2.0M avg. revenue × 0.5%; CFMA 2024
ACV — mid-market tier (>$5M rev)	$24,000/yr	Value-based; comp: Siteline pricing

HVAC SME (48,806 × 82%):           40,021 × $7,500  = $300M
HVAC mid-market (48,806 × 18%):     8,785 × $24,000  = $211M
Electrical SME (30,773 × 82%):     25,234 × $10,000  = $252M
Electrical mid-market (30,773×18%): 5,539 × $24,000  = $133M
Value-based ceiling (5% leakage × 10–20% SaaS capture): ~$1.87B

→ TAM: $1.87B (range: $1.5B–$2.2B)

SAM

Filter	Reduction	Remaining	Source
Remove residential-only operators	−40%	47,748 firms	SBA / IBISWorld industry mix
Remove solo / owner-only operators	−35%	31,037 firms	Census nonemployer statistics
Remove cloud / tech-unready firms	−25%	23,278 firms	Construction tech adoption surveys 2024

Blended ACV:
  SME tier (70%):     $7,500  × 0.70 = $5,250
  Mid-market (30%):   $18,000 × 0.30 = $5,400
  Blended:                            = $10,650/yr

23,278 firms × $10,650 + mid-market uplift ≈ $560M

→ SAM: $560M (range: $430M–$690M)

SOM

Year	% of SAM	ARR	Customers
Year 1	0.27%	~$1.5M	~140
Year 2	0.85%	~$4.8M	~450
Year 3	1.5–3.0%	$8.4M–$16.8M	790–1,580

Benchmark: 1.5–3% of SAM by Year 3 — a.H./OpenView SaaS benchmarks for new B2B entrant in established category

Comp	Signal
Payra	Raised $15M (Edison Partners); AP automation for construction subcontractors
Siteline	Raised $18M Series A; subcontractor billing / SOV management, comparable ICP
Adaptive Construction Solutions	Bootstrapped to ~$5M ARR in 3 years; construction AR automation

→ SOM: $1.5M ARR (Year 1) / $8.4M–$16.8M ARR (Year 3), ~790–1,580 customers

Method 2: Top-down

TAM

Global construction accounting software (2025):  $2.64B  [Precedence Research]
× US share (76%):                                 $2.0B
× AP/AR segment (54.4%):                          $1.09B

→ TAM: $1.09B

SAM

Top-down TAM:                        $1.09B
× Specialty trade sub-share (~28%):  $305M
× HVAC + Electrical only (~50%):     $152M

→ SAM: $152M

SOM

SAM (top-down):              $152M
× 3% Year 3 penetration:     $4.6M

→ SOM: $0.4M ARR (Year 1) / $4.6M ARR (Year 3)

Sources

Input	Value assumed	Source
HVAC firms (NAICS 238220)	88,738	siccode.com / US Census
Electrical firms (NAICS 238210)	55,951	siccode.com / US Census
% GC-facing commercial work	55%	SBA subcontractor mix data
Avg. HVAC subcontractor revenue	$1.5M/yr	CFMA 2024 Benchmarker
Avg. Electrical subcontractor revenue	$2.0M/yr	CFMA 2024 Benchmarker
Subcontractor net profit margin	2.2–3.5%	CFMA 2024 Benchmarker
Profit lost to unbilled/errors	~5% of revenue	Industry estimate
Global construction accounting software market	$2.64B (2025)	Precedence Research
AP/AR segment share	54.4%	Precedence Research
Cloud/tech readiness of small construction firms	~75%	Construction tech adoption surveys 2024
SaaS penetration benchmark (Year 3)	1.5–3% of SAM	a.H./OpenView SaaS benchmarks
Comp: Payra raise	$15M	Edison Partners announcement
Comp: Siteline raise	$18M Series A	Public announcement

Summary

	Bottom-up	Top-down
TAM	$1.87B	$1.09B
SAM	$560M	$152M
SOM — Year 1 / Year 3	$1.5M / $8.4M–$16.8M ARR	$0.4M / $4.6M ARR

Bottom-up preferred — top-down counts only existing software spend and misses the large paper/spreadsheet segment. Use top-down as the floor / downside scenario. """

证据链校验（Evidence Chain Verification）

分析完成后，必须执行以下校验步骤，确保数据可靠、逻辑自洽：

1. 证据链追溯表

为所有核心数据编制完整的证据链追溯表，格式如下：

序号	数据项	使用数值	原始来源	来源层级	数据年份	可验证性
1	行业企业总数	XX 万家	国家统计局经济普查	Tier 1	2023	✅ 可公开查证
2	行业市场规模	XX 亿元	艾瑞咨询行业报告	Tier 3	2024	⚠️ 付费报告
3	渗透率假设	XX%	专家访谈	Tier 4	2024	❌ 不可独立验证

2. 交叉验证（Cross-validation）

对每个关键数据点，至少做以下一项交叉验证：

同一数据点，多源比对 — 同一指标从 2+ 个独立来源获取，比较偏差幅度。如偏差 >30%，需说明原因（统计口径不同、时间窗口不同等）
自上而下 vs 自下而上对照 — TAM 的 bottom-up 和 top-down 结果比对，偏差 >2× 需详细解释
常识/量纲校验 — 用简单的逻辑校验数字是否合理（如：算出的人均消费是否符合生活经验？算出的企业数是否与工商登记数据量级一致？）
上市公司锚定 — 用同行业头部上市公司的已知营收反推市场份额，验证 TAM/SAM 数字是否合理（如：行业老大营收 100 亿，市占率 ~15%，则行业规模应在 ~660 亿左右）

3. 数据质量评级

在输出的 Sources 表中，为每个来源标注可信度等级：

等级	含义	对应层级
🟢 高可信	政府统计、上市公司法定披露	Tier 1–2
🟡 中可信	市场研究报告、券商研报（需交叉验证）	Tier 3
🔴 低可信	媒体报道、自媒体、未经验证的访谈	Tier 4

4. 证据链完整度评分

交付前自评：

A 级（强）： >70% 核心数据来自 Tier 1–2，所有关键假设有 2+ 来源交叉验证
B 级（中）： >50% 核心数据来自 Tier 1–3，关键假设至少有 1 个交叉验证
C 级（弱）： 主要依赖 Tier 3–4 数据，多项假设缺乏独立验证

输出中必须在 Summary 之后标注证据链等级，并列出需要进一步验证的 top 3 数据缺口。

market-sizing