如何测算市场规模？| 很帅的方法论

大家好，我是很帅的狐狸

今天重发下我的方法论文章（稍微更新了下案例）。

今天狐狸打算继续聊聊方法论，说一说如何测算市场规模。

先回答一个问题——

简单来说，就是算一算一个行业/一家公司能卖多少货/赚多少钱。

这个技能还蛮实用的，简直就是居家旅行必备良方。

我们先来看看具体它有什么用——

Part 1
市场规模测算有啥用

这个技能既可以用在投资决策中（无论是一级市场还是二级市场）——

• 游戏市场总量多少？

• 游戏市场总量是否会增长？

• 预估能帮Apple赚多少？

也可以用在创业或做生意上——

• 全国喝咖啡的人有多少？

• 不喝咖啡人群是否能转化为喝咖啡人群？

• 星巴克占了多少份额？

• 我需要开多少家店？

• 什么时间点市场会饱和？（转型？多元化？）

甚至可以用在找工作中——

当然，有些搜索能力牛X的朋友可能会感到不屑——

没错！实际应用中，如果行业数据是可获取的话，自然不用花功夫去测算。

然而，并不是所有行业的市场规模数据都可以轻松获得——

Part 2
哪些行业的规模需要测算呢

有不少行业的市场规模数据是搜不到的：官方没统计，也不见得有相应的行业报告。

比如下面这三种情形——

情形1

有的行业太新了，之前压根都没有这个业态，自然没有市场规模的统计。

比如共享单车刚起步的阶段，投放速度可不是一般快。

后来死活退不了押金的小黄车ofo，当年还是财大气粗的行业龙头，在一些大城市每天投放几千辆单车。

就算真的有机构愿意去统计，变化也快得统计不过来。

企业或者VC自己内部的测算我们也拿不到，这时候就需要我们自己测算啦。

情形2

有的行业太窄了，从业者不多或是极度分散，没有上市公司可供投资，就算数据统计出来了也没多少人会用，所以没什么人有动力去统计。

部分地方小吃（比如我爱吃的糖葱薄饼）的市场规模便没什么人去统计…

情形3

有的行业太不透明了，研究机构想要获得相关数据几乎是不可能任务。

比如黑色灰色产业（比如刷单市场、假鞋制造等等），你不大可能有精确的统计数据。

稍作总结——

Anyway……

遇到上面这三种情况，无论你穷尽多少资源都不可能搜到一个靠谱的市场规模数据，这时候如果你懂得测算市场规模，那就特别有用了。

Part 3
你要测算的是什么市场

在同一个行业内，有不同层级的市场规模需要你去测算。

根据斯坦福大学兼职教授 Steve Blank （他本身是个连续创业者）在《创业者手册》中的提到的，我们可以把某一行业的市场分层三个层级——

类比一下就是——

开始测算前，先定义好你要测算的范围，不同层级的测算适合不同的方法。

确定完之后，我们来看看今天的主菜——

Part 4

如何测算市场规模

我们先明确一下测算市场规模的大原则：可以把数据很难获得的变量，拆分成多个数据容易获得的变量。

测算市场规模一般有三个常见的方法——

方法1：需求导向

这个方法主要从用户需求的角度出发去考量市场的大小，用来估算TAM是很好的。

直接上栗子

比如说你打算研究猪肉股，投资前我们必须搞清楚一件事——

*注：猪肉消费量数据农业部和统计局是统计过的，在这里只是作为一个栗子。

这个问题可以落实到个人需求上去估算——

每年猪肉消费 = 每天消费肉量 x 猪肉占比 x 全国人口 x 1年天数

人口数是14亿，1年天数是365天，这两个都是已知的。

我们来看看剩下的两个变量：每天消费肉量和猪肉占比。

① 每天消费肉量

我们可以简单地用常识来估算：去西餐厅吃牛扒一般是200~250克一块肉，中餐一般是吃主

食配肉和蔬果，所以肉的份量大概只有一半（大概一顿100克）。

早餐一般吃肉较少可忽略，一天大概进食肉类两顿合计200克。

② 猪肉占比

除了猪肉外，我们还会吃牛羊禽和海鲜，猪肉是大部分人最常使用的肉类，大概占我们消耗所有肉类的50%。

有了这两个数据后，我们不难得出——

每年猪肉消费 = 每天消费肉量 x 猪肉占比 x 全国人口 x 1年天数

= 200克 x 50% x 14亿 x 365 = 5,110 万吨

当然这只是很粗略的一个估算，数量级正确就已经很不容易了。

不过你还可以通过两种途径提高估算的精度——

① 市场调查

每天消费的肉量毕竟只是我按常识的推算，具体我们可以通过问卷调查问问用户大概一顿会吃多少克肉，问问猪肉大概占他们平日肉类消费比例大概多少，然后取个平均值。

② 市场细分

可以把不同的区域进行划分，比如沿海省份可能海鲜消费占比会更高，西北地区可能牛羊肉消费占比会更高。

也可以把不同的信仰考虑进来，小绿们不吃猪肉，拜观音的人群有一部分不吃牛肉（甚至不吃肉）。

甚至把不同年龄层也进行划分，婴儿和老年人啃不动肉，肉类消费量也会更少。

然后可以通过市场调查找到不同客群的消费肉量、猪肉占比，通过统计机构找到每个客群的人口数，都用上面那条式子进行估算，然后再进行加总。

还有一个要注意的点是，有的需求是个人需求，但也有的需求是家庭需求（比如房子的数量、马桶的数量、冰箱的数量等等），遇到家庭需求时，我们要把人数变为户数。

方法2：供给导向

这个方式则是从供给端出发，用来测算SOM会比较合适。

直接上栗子

我N年前在面试麦肯锡时，面试官曾经问过我这么一道问题——

这个是很典型的供给导向出发的问题，我们要评估某个企业或某家店的供给能力。

回到星巴克的问题：要估算星巴克一年大概卖多少杯咖啡，我们需要先找到它供给能力的瓶颈。

假设平均点单+收银的时间是20秒，制作咖啡则需要2分钟（120秒）。

一般星巴克有两台咖啡机，每台咖啡机最多可以做两杯咖啡（以上数据是我胡诌的），所以一家店同时最多只能做4杯咖啡，这个是它产能的极限（每杯咖啡需要至少120÷4=30秒）。

那么在整个链条上，瓶颈就是在「制作咖啡」上——点单点得再快，也得等咖啡师把咖啡做出来。

不过好在星巴克并不总是在排队，我们可以把每天他们的营业时间（比如早上八点到晚上八点）划分为忙时（peak）和闲时（non-peak）。

• 忙时：8-10am 1-3pm 4小时

• 闲时：10-1am 3-8pm 8小时

忙时的产能自然是它产能的极限（每2分钟做4杯，也就是平均每分钟2杯），而闲时的产能利用率可能稍微低一些，我们可以假设为忙时的20%（也就是平均每分钟只会生产0.4杯，要精确的话自然是要去实地调研）。

所以一天的忙时销量为——

2杯/分钟 x 60分钟 x 4小时 =480 杯

一天的闲时销量为——

0.4杯/分钟 x 60分钟 x 8小时 =192 杯

假设咖啡平均30块一杯，那么一天的咖啡销售额就是——

30 x (480 + 192) =20,160 块钱

一年的咖啡销售额则是 20,160 x 365 =736 万块。

当然上面这道问题也可以用方式1「需求导向」进行估算，比如看看附近有多少个办公楼，每个办公楼的平均楼层，每个楼层的平均员工，员工喝咖啡的比例，喝星巴克的比例（也有的人会喜欢速溶咖啡或用公司自带的咖啡机），从需求的角度也可以测算出个大概。

方式3：供需匹配

最后这个方式是供需关系结合起来看。

这里有个强假设——供给和需求满足一定的比例。

直接上栗子

还是我在面试麦肯锡时，面试官问了我这么一道问题——

当时我用的是「以小见大」的方式——

我就读的香港中文大学有差不多10,000个师生，而我们学校有5台ATM机器。

我用了前面提到的强假设——供给和需求满足一定的比例。换句话说，我假设了每台ATM大概可以满足10,000 ÷ 5 = 2,000 人的需求。

所以全香港大概有 700万 ÷ 2,000 = 3,500 台 ATM。

除了「以小见大」，反过来「以大见小」也OK。

比如之前有个群友问到「如何查询某个县级市金融行业从业者的数量」，他在当地的统计机构都没有找到相关数据。

这时候我们可以假设每个金融行业从业者能服务的人口数量是一个固定比例。然后找到全国金融行业从业者的数量（大概是800万），则平均每个金融从业者可以服务 14亿 ÷ 800万 = 175 人。

此时再用全县人口去除以175，则可以得到一个大致的数量。

不过这种估算方式只适合稳定成熟、供需较平衡的市场。

一般来说这通常对应着两种情况——

第一种情况，是终端产品满足TAM ≈ SAM，也就是渗透率已经比较饱和的成熟期阶段。

处于成熟期阶段的行业，供需关系通常有个比较稳定的中枢。比如前面提到的金融行业——无论是ATM数量、或者是从业者数量，都属于是供需关系比较稳定了的。

当然，随着外部环境的变化，这个比例可能也会发生改变。

比如随着电子支付的盛行，取款的需求少了，ATM的数量可能会逐渐减少。或者是因为金融科技的进步，金融机构内部也做了不少流程化和自动化改造，叠加政策层面的金融降薪潮，金融业对从业人员数量的需求也可能会变少。

第二种情况，是行业的产品是中间品或互补品，与另一个行业的产品保持着稳定的匹配关系。

比如咖啡就是很典型的案例——

星巴克里卖的咖啡其实都是意式浓缩咖啡（Espresso）加上水、牛奶和奶泡调制出来的。

一杯中杯咖啡的基底就是一杯意式浓缩咖啡，一杯意式浓缩咖啡对应的用料是15克咖啡豆，而生产这么多咖啡豆则需要90克的咖啡浆果。

所以假设要估算咖啡浆果的市场规模，我们完全可以通过估算每年咖啡的销量，然后再倒推出来。

发展早期的市场，要么供不应求（比如喜茶的大排长龙），要么供过于求（共享单车的过度投放），固定比例关系都不是很适用。

稍微提醒一句——

我们在做市场规模测算时，要牢记自己做这个测算的目的。

比方说，如果我一开始想要了解「某个县级市金融行业从业者的数量」，只是为了证明这个县的金融发展落后于平均水平，那我自然不能用前述的计算方式来进行估算。

最后，照例来个一张图总结——

「Greed is good.」

「很帅的投资客」的所有内容皆仅以传递知识与金融教育为目的，不构成任何投资建议。一切请以最新文章为准。

✍ 图文/@狐狸君raphael，曾供职于麦肯锡金融机构组，也在 Google 和 VC 打过杂。华尔街见闻、36氪、新浪财经、南方周末、Linkedin等媒体专栏作者，著有畅销书《风口上的猪》《无现金时代》。

点个在看支持一下❤️