market-sizing-analysis

Überblick über den market-sizing-analysis Skill

Was der market-sizing-analysis Skill leistet

Der market-sizing-analysis Skill unterstützt einen AI-Agenten dabei, strukturierte TAM-, SAM- und SOM-Schätzungen für Startup- und Produktchancen zu erstellen. Er ist für Marktpotenzial-Analysen gedacht, bei denen eine lose Antwort auf „Wie groß ist dieser Markt?“ nicht ausreicht: Sie brauchen einen belastbaren Sizing-Ansatz, explizite Annahmen und eine Methodik, die sich von Foundern, Operators oder Investoren nachvollziehen und prüfen lässt.

Für wen sich market-sizing-analysis eignet

Dieser market-sizing-analysis skill eignet sich besonders für:

• Founder, die einen neuen Markt validieren
• Startup-Operatoren, die Fundraising-Material vorbereiten
• Consultants, die eine schnelle, aber strukturierte Opportunity-Analyse brauchen
• Analysten, die einen wiederholbaren Market-Sizing-Workflow für Data Analysis wollen

Wenn Sie ein erstes Marktmodell mit klarer Logik benötigen, passt der Skill sehr gut. Wenn Sie auditierte Research-Daten oder Prognosen für stark regulierte Branchen brauchen, sollte er als Ausgangsrahmen dienen, nicht als finale Wahrheitsquelle.

Die eigentliche Aufgabe, die gelöst werden soll

Die meisten Nutzer wollen nicht einfach nur Definitionen von TAM/SAM/SOM. Sie wollen eine grobe Idee wie „AI-Software für Mid-Market-Einzelhändler“ in Folgendes übersetzen:

• einen klar abgegrenzten Zielmarkt
• Annahmen auf Segmentebene
• eine oder mehrere Sizing-Methoden
• realistische Logik für den in 3–5 Jahren erreichbaren Marktanteil
• eine Darstellung, die sich für Planung oder Pitching eignet

Genau hier ist market-sizing-analysis nützlicher als ein generischer Prompt.

Zentrale Unterschiede gegenüber normalem Prompting

Der Hauptwert von market-sizing-analysis liegt darin, dass der Agent zu drei sich ergänzenden Ansätzen geführt wird:

• Top-down-Sizing auf Basis von Branchenreports
• Bottom-up-Sizing auf Basis von Kundenzahlen und Pricing
• Value-Theory-Sizing auf Basis der Zahlungsbereitschaft

Das ist wichtig, weil Market Sizing scheitert, wenn ein Modell sich nur auf eine Perspektive stützt. Dieser Skill liefert eine deutlich entscheidungsnähere Struktur und fördert Cross-Checks, statt eine einzelne beeindruckende, aber fragile Zahl zu präsentieren.

Was vor der Installation am wichtigsten ist

Die wichtigste Frage für die Einführung ist nicht „Kann der Skill TAM berechnen?“, sondern „Reduziert er das Rätselraten?“. Bei diesem Skill lautet die Antwort meist ja, wenn Sie Folgendes liefern können:

• ein klar definiertes Produkt oder eine klar definierte Dienstleistung
• Merkmale der Zielkunden
• Geografie
• grobes Pricing oder Vertragswert
• Zeitrahmen und Go-to-Market-Beschränkungen

Ohne diese Inputs werden die Ergebnisse schnell generisch.

So nutzen Sie den market-sizing-analysis Skill

market-sizing-analysis Installationskontext

Der Repository-Ausschnitt zeigt keinen eingebauten Installationsbefehl in SKILL.md, daher fügen Nutzer in der Regel das übergeordnete Skills-Repository hinzu und rufen den Skill dann in ihrer Agent-Umgebung per Namen auf. Wenn Ihr Setup Skills-artige Installationen unterstützt, ist das gängige Muster:

npx skills add https://github.com/wshobson/agents --skill market-sizing-analysis

Prüfen Sie nach der Installation, ob Ihr Agent den Skill unter dem Plugin-Pfad startup-business-analyst sehen kann.

Diese Dateien sollten Sie zuerst lesen

Für die praktische market-sizing-analysis-Nutzung starten Sie mit:

• plugins/startup-business-analyst/skills/market-sizing-analysis/SKILL.md
• plugins/startup-business-analyst/skills/market-sizing-analysis/examples/saas-market-sizing.md
• plugins/startup-business-analyst/skills/market-sizing-analysis/references/data-sources.md

Diese Lesereihenfolge funktioniert gut:

1. SKILL.md für Workflow und Methodenauswahl
2. examples/saas-market-sizing.md für die Struktur eines guten Outputs
3. references/data-sources.md dafür, woher Annahmen kommen sollten

Welche Eingaben der Skill für gute Ergebnisse braucht

Für eine starke market-sizing-analysis-Nutzung geben Sie dem Agenten ein kompaktes Operating Brief mit:

• Produktbeschreibung
• Käufertyp
• Branche oder Use Case
• Geografie
• Pricing-Modell
• Zeithorizont
• bekannte Wettbewerber
• Einschränkungen dessen, was das Produkt heute tatsächlich bedienen kann

Ein schwacher Input ist: „Size the market for AI legal software.“

Ein stärkerer Input ist: „Size the 3-5 year market for AI contract review software for U.S. mid-market legal teams at companies with 200-5000 employees. Assume annual pricing of $18k-$60k depending on seat count and a direct sales motion.“

So wird aus einer groben Idee ein vollständiger Prompt

Ein guter Aufruf-Prompt für market-sizing-analysis for Data Analysis sollte Methode, Annahmen und Ausgabeformat in einer einzigen Anfrage abdecken. Zum Beispiel:

“Use the market-sizing-analysis skill to estimate TAM, SAM, and SOM for an AI-powered email marketing platform for North American e-commerce companies with $1M+ revenue. Use bottom-up as the primary method, top-down as a cross-check, and state all assumptions. Include segment counts, ACV ranges, 3-5 year obtainable share logic, and a short risk section on uncertainty in the source data.”

Das funktioniert besser als „estimate the market size“, weil es Unklarheiten reduziert bei:

• Zielsegment
• bevorzugter Methodik
• Ausgabeformat
• Sicherheit und Einschränkungen

Wählen Sie zuerst die passende Methodik

Setzen Sie nicht automatisch auf Top-down, nur weil es schneller wirkt. Dieser Skill ist am glaubwürdigsten, wenn die Methode zum Markt passt:

• Nutzen Sie bottom-up, wenn Sie Kundensegmente, Pricing oder Seat Counts kennen.
• Nutzen Sie top-down, wenn es bereits veröffentlichte Marktschätzungen für die Kategorie gibt.
• Nutzen Sie value theory, wenn das Pricing vom geschaffenen ökonomischen Wert abhängt und nicht von üblichen Kategoriepreisen.

Für Startup-Arbeit ist bottom-up oft die beste primäre Methode, weil sie sich in einem Board-Deck oder Pitch besser verteidigen lässt.

Empfohlener Workflow in der Praxis

Ein guter Workflow mit market-sizing-analysis sieht so aus:

1. Definieren Sie das genaue Angebot und den Buyer.
2. Grenzen Sie Geografie und Segmentkriterien ein.
3. Wählen Sie eine primäre Sizing-Methode.
4. Lassen Sie den Agenten bei hoher Unsicherheit zuerst die Annahmen ausarbeiten, bevor finale Zahlen erzeugt werden.
5. Führen Sie mit einer zweiten Methode einen Cross-Check durch.
6. Passen Sie SAM und SOM an Produktscope, GTM-Kapazität und Wettbewerb an.
7. Überführen Sie das Ergebnis in ein Memo, eine Pitch-Folie oder ein Planning-Dokument.

Diese Reihenfolge verhindert den häufigen Fehler, dass TAM groß wirkt, aber nichts mit dem Geschäft zu tun hat, das Sie realistisch tatsächlich aufbauen können.

Nutzen Sie die Beispieldatei als Qualitätsmaßstab

examples/saas-market-sizing.md ist besonders hilfreich, weil die Datei zeigt, was „vollständig genug“ bedeutet:

• klare Segmentkriterien
• zählbasierte Bottom-up-Logik
• explizite ACV-Annahmen
• Formeln
• realistische Einordnung der Erreichbarkeit

Wenn Ihr Output diese Bestandteile nicht enthält, lassen Sie den Agenten überarbeiten, statt eine rein narrative Antwort zu akzeptieren.

Datenquellen, die die Ergebnisse spürbar verbessern

Die Datei references/data-sources.md ist einer der stärksten Teile dieses Skills. Sie verweist Nutzer auf:

• Premium-Analysehäuser wie Gartner, Forrester und IDC
• zugängliche Quellen wie Statista
• Startup- und Private-Market-Tools wie CB Insights und PitchBook
• breitere strategische Quellen wie McKinsey insights

Für die praktische Nutzung kombinieren Sie idealerweise eine veröffentlichte Marktquelle mit einer zählbasierten Validierungsquelle. Beispiel:

• veröffentlichte Kategorieschätzung von Statista
• Abgleich der Käuferzahl über Census, Plattform-Ökosystem-Zahlen oder LinkedIn-Filter

Das ist in der Regel belastbarer, als sich auf einen einzelnen Branchenreport zu stützen.

Was ein guter Output enthalten sollte

Ein hochwertiger market-sizing-analysis guide-Output sollte enthalten:

• auf Ihren Fall angewendete TAM-, SAM- und SOM-Definitionen
• Formeln oder Berechnungslogik
• Segmentannahmen
• Zeithorizont
• Pricing-Annahmen
• zentrale Unsicherheiten
• Begründung für den erreichbaren Marktanteil

Wenn der Output saubere Marktzahlen liefert, aber nicht zeigt, wie sie entstanden sind, fordern Sie eine Neuberechnung mit offengelegten Annahmen an.

Typische Einschränkungen und Trade-offs

Dieser Skill ist nützlich, beseitigt aber die grundlegenden Grenzen von Market Sizing nicht:

• öffentliche Quelldaten verwenden oft Kategoriedefinitionen, die nicht zu Ihrem Produkt passen
• Kundenzahlen können veraltet sein oder sich je nach Quelle widersprechen
• value-based sizing wird schnell spekulativ
• SOM-Schätzungen hängen oft stärker von GTM-Realismus ab als von Marktmathematik

Nutzen Sie den Skill, um Urteilsvermögen zu strukturieren, nicht um Scheingenauigkeit zu erzeugen.

market-sizing-analysis Skill FAQ

Ist market-sizing-analysis für Einsteiger geeignet?

Ja, besonders dann, wenn Sie Ihr Produkt und Ihren Kunden besser verstehen als formale Market-Sizing-Methoden. Der Skill gibt Ihnen einen Rahmen, der deutlich leichter zu nutzen ist, als mit einem leeren Prompt zu beginnen. Einsteiger müssen Annahmen trotzdem sorgfältig prüfen, weil eine schlechte Scope-Definition zu schlechten Zahlen führt.

Wann ist market-sizing-analysis keine gute Wahl?

market-sizing-analysis passt schlecht, wenn:

• Sie auditierte Marktforschung benötigen
• der Markt so unscharf ist, dass sich kein Buyer beschreiben lässt
• Pricing unbekannt und nicht einmal grob schätzbar ist
• das eigentliche Problem Demand Validation und nicht Market Sizing ist

Auch für hoch technische Kategorien mit sehr dünner öffentlicher Segmentdatenlage und Bedarf an Domain-Experten ist der Skill nur bedingt geeignet.

Worin unterscheidet sich das von einem normalen AI-Prompt?

Ein normaler Prompt kann plausible TAM/SAM/SOM-Sprache erzeugen, lässt aber die schwierigen Teile oft aus: Segmentierung, Methodenauswahl und belastbare Annahmen. Der market-sizing-analysis skill ist besser, wenn Sie einen wiederholbaren Workflow statt einer einmaligen Antwort brauchen.

Kann ich market-sizing-analysis für Investor-Decks verwenden?

Ja, aber übernehmen Sie den ersten Output nicht unverändert in ein Pitch Deck. Nutzen Sie den Skill, um ein nachvollziehbares Modell zu erstellen, schärfen Sie dann die Quellen nach, vereinfachen Sie die Darstellung und stellen Sie sicher, dass SAM und SOM zu Ihrem tatsächlichen Launch-Scope und Ihrer GTM-Kapazität passen.

Funktioniert das nur für SaaS?

Nein. Das enthaltene Beispiel ist stark auf SaaS ausgerichtet, aber das Framework funktioniert ebenso für Services, Marktplätze, Fintech, Healthtech und andere Startup-Kategorien. Am besten funktioniert es dort, wo sich Kundenzahlen, Ausgabenniveaus oder der geschaffene ökonomische Wert sinnvoll schätzen lassen.

So verbessern Sie den market-sizing-analysis Skill

Definieren Sie den Markt enger

Der schnellste Weg zu besserem market-sizing-analysis-Output ist eine engere Marktdefinition. Geben Sie an:

• den genauen Buyer
• Unternehmensgröße oder Nutzerprofil
• Geografie
• Deployment-Modell
• aktuellen Produktscope

„Healthcare AI“ ist zu breit. „AI prior-authorization automation for U.S. regional health insurers“ ist deutlich besser nutzbar.

Liefern Sie Pricing- und Packaging-Annahmen mit

Bottom-up-Sizing wird deutlich stärker, wenn Sie mindestens eines davon vorgeben:

• annual contract value
• monthly subscription range
• seat-based pricing
• transaction take rate
• average deal size

Ohne Pricing muss das Modell oft auf schwache Proxys ausweichen.

Fordern Sie Cross-Checks statt nur einer Zahl an

Ein starker Prompt fordert den Agenten auf, Folgendes zu liefern:

• primäre Methode
• sekundäre Validierungsmethode
• Erklärung für etwaige Abweichungen zwischen beiden

Das erhöht das Vertrauen in die Ergebnisse. Große Unterschiede zwischen Top-down- und Bottom-up-Schätzungen sind oft die wertvollste Erkenntnis, weil sie Probleme bei der Kategoriedefinition oder unrealistische Pricing-Annahmen sichtbar machen.

Zwingen Sie den Agenten, TAM-, SAM- und SOM-Logik zu trennen

Ein häufiger Fehler ist, dass das Modell einfach prozentuale Abschläge ansetzt, ohne die Begründung offenzulegen. Verbessern Sie die Ergebnisse, indem Sie nach getrennter Logik verlangen:

• TAM auf Basis des gesamten potenziellen Spendings
• SAM auf Basis des aktuellen Produktscopes und geografischer Einschränkungen
• SOM auf Basis realistischer Akquisitionskapazität und Wettbewerb

So wird der market-sizing-analysis guide operativ deutlich nützlicher.

Fordern Sie Hinweise zu Quellenqualität und Unsicherheit an

Bitten Sie den Agenten, Annahmen wie folgt zu kennzeichnen:

• sourced
• inferred
• placeholder

Fordern Sie zusätzlich eine Confidence-Notiz für jeden wesentlichen Input an. Das ist besonders hilfreich, wenn Sie den Skill in der Frühphasen-Strategie einsetzen, wo manche Zahlen zwangsläufig eher Richtwerte sind.

Iterieren Sie nach dem ersten Entwurf

Behandeln Sie den ersten Durchlauf nicht als final. Ein guter Revisionszyklus ist:

1. Fehler bei Buyer und Geografie korrigieren
2. schwache Annahmen durch echte Inputs ersetzen
3. Pricing schärfen
4. SOM-Realismus hinterfragen
5. mit einer weiteren Quelle für den Cross-Check neu laufen lassen

Das verbessert die Output-Qualität meist stärker, als einfach mehr Prosa hinzuzufügen.

Nutzen Sie die Beispielstruktur für Ihre eigene Domäne

Wenn das erste Ergebnis unübersichtlich ist, weisen Sie den Agenten an, die Struktur aus examples/saas-market-sizing.md zu spiegeln:

• Segmenttabelle
• Formelabschnitt
• Berechnungsdurchgang
• kurze Zusammenfassung der Kernaussagen

Diese Datei ist ein nützliches Formatvorbild, auch wenn Ihr Markt nicht SaaS ist.

Achten Sie auf diese typischen Fehlerbilder

Die häufigsten Qualitätsprobleme bei market-sizing-analysis sind:

• aufgeblähte Kategorien im TAM
• vage Segmentzahlen
• unbegründete Pricing-Annahmen
• SOM auf Basis von Hoffnung statt GTM-Kapazität
• Vermischung von Nutzerzahlen, Unternehmenszahlen und Umsatz ohne klare Konversionslogik

Wenn Sie eines dieser Muster sehen, lassen Sie sich die genaue Argumentations- und Berechnungslinie neu aufbauen.

Verbessern Sie Outputs für Data-Analysis-Workflows

Für market-sizing-analysis for Data Analysis lassen Sie den Agenten Annahmen in strukturierter Form zurückgeben:

• Segment
• Anzahl
• Pricing-Metrik
• jährliche Umsatzannahme
• Quelle
• Confidence

So lassen sich die Ergebnisse deutlich einfacher in Spreadsheets, Notebooks, BI-Tools oder nachgelagerte Forecasting-Modelle übernehmen.