market-sizing-analysis

market-sizing-analysisスキルの概要

market-sizing-analysisスキルでできること

market-sizing-analysis スキルは、スタートアップや新規プロダクトの機会に対して、TAM・SAM・SOMを構造化して見積もるためのスキルです。単に「この市場ってどれくらい大きいのか？」にざっくり答えるのではなく、説明可能な市場規模の算定アプローチ、明示された前提条件、そして創業者・事業責任者・投資家がレビューできる方法論まで含めて整理したい場面に向いています。

market-sizing-analysisを使うべき人

この market-sizing-analysis skill が特に向いているのは、次のような人です。

• 新規市場の妥当性を見極めたい創業者
• 資金調達資料を準備しているスタートアップの事業担当者
• 迅速に、ただし筋の通った機会分析をしたいコンサルタント
• Data Analysis向けに再現性のある市場規模算定フローを持ちたいアナリスト

ロジックが明確な初期版の市場モデルを作りたいなら、かなり相性の良いスキルです。一方で、監査済みの調査や、規制の厳しい業界における高精度な予測が必要な場合は、最終的な根拠資料ではなく、あくまで出発点として使うべきです。

実際に片づけたい仕事は何か

多くのユーザーが欲しいのは、TAM / SAM / SOMの定義そのものではありません。たとえば「中堅小売向けのAIソフトウェア」のような粗いアイデアを、次の形まで落とし込むことです。

• 範囲が定義されたターゲット市場
• セグメント別の前提条件
• 1つ以上の市場規模算定手法
• 現実的な3〜5年の獲得可能シェアのロジック
• 事業計画やピッチに使えるストーリー

この点で、market-sizing-analysis は汎用的なプロンプトより実務向きです。

普通のプロンプトとの主な違い

market-sizing-analysis の大きな価値は、エージェントに対して次の3つの補完的アプローチを取りにいくよう促す点にあります。

• 業界レポートを起点にしたトップダウン算定
• 顧客数と価格から積み上げるボトムアップ算定
• 支払い意思額を起点にしたバリュー理論ベースの算定

市場規模算定は、1つの見方だけに頼ると崩れやすくなります。このスキルは、見栄えのよいが脆い単一の数字を出すのではなく、意思決定に使いやすい構造を与え、クロスチェックを促してくれます。

インストール前にいちばん重要なこと

導入判断で本当に重要なのは、「TAMを計算できるか」ではなく、「当てずっぽうを減らせるか」です。このスキルの場合、次の情報を渡せるなら、多くのケースで答えはYesです。

• 定義されたプロダクトまたはサービス
• 想定顧客の特徴
• 対象地域
• おおよその価格帯または契約単価
• 時間軸とGo-to-Market上の制約

これらの入力がないと、出力はすぐに一般論寄りになります。

market-sizing-analysisスキルの使い方

market-sizing-analysisのインストール前提

リポジトリ抜粋を見る限り、SKILL.md 内には組み込みのインストールコマンドは明示されていません。そのため通常は、親のskillsリポジトリを追加したうえで、エージェント環境からスキル名で呼び出す形になります。環境がSkills形式のインストールに対応しているなら、よくあるパターンは次のとおりです。

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

インストール後は、エージェントが startup-business-analyst のプラグイン配下でこのスキルを認識できているか確認してください。

最初に読むべきファイル

実用的な market-sizing-analysis の使い方を把握するには、まず次を読むのがおすすめです。

• 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

読む順番はこの流れがわかりやすいです。

1. ワークフローと手法の選び方をつかむために SKILL.md
2. 良い出力の形を確認するために examples/saas-market-sizing.md
3. 前提条件の根拠をどこから取るべきかを見るために references/data-sources.md

スキルをうまく機能させるために必要な入力

market-sizing-analysis をしっかり機能させるには、エージェントに短くても実務に使えるブリーフを渡すのが重要です。

• プロダクトの説明
• 購買者のタイプ
• 業界またはユースケース
• 対象地域
• 価格モデル
• 想定期間
• 既知の競合
• 現時点のプロダクトで実際に対応できる範囲の制約

弱い入力例：
“Size the market for AI legal software.”

より良い入力例：
“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.”

粗いアイデアを完成度の高いプロンプトに変える方法

market-sizing-analysis for Data Analysis を活用するなら、呼び出し用プロンプトでは、手法・前提・出力形式を1回で指定するのが効果的です。たとえば次のように依頼できます。

“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.”

これは単に “estimate the market size” と言うより優れています。曖昧さを減らせるポイントが明確だからです。

• ターゲットセグメント
• 優先する方法論
• 出力フォーマット
• 確からしさと留意点

まず適切な手法を選ぶ

速そうに見えるからといって、何でもトップダウンに寄せるのは避けるべきです。このスキルが最も信頼しやすいのは、市場に合わせて手法を選んだときです。

• 顧客セグメント、価格、座席数などが見えているなら bottom-up
• 既に公開されたカテゴリ別市場推計があるなら top-down
• 標準的なカテゴリ価格ではなく、生み出す経済価値に価格が連動するなら value theory

スタートアップ文脈では、ボード資料やピッチで説明しやすいため、主手法としては bottom-up が最も使いやすいことが多いです。

実務でのおすすめワークフロー

market-sizing-analysis を使うときの実務フローは、たとえば次のようになります。

1. 提供価値と購買者を正確に定義する
2. 地域とセグメントの制約を絞る
3. 主となる算定手法を選ぶ
4. 不確実性が高い場合は、最終数値の前に前提条件の整理をエージェントに求める
5. 2つ目の手法でクロスチェックする
6. プロダクト範囲、GTM能力、競争環境を踏まえてSAMとSOMを調整する
7. 結果をメモ、ピッチスライド、計画資料に展開する

この順番にすると、TAMだけが大きくても、実際に作れて売れる事業と結びついていないという典型的な失敗を防ぎやすくなります。

exampleファイルを品質基準として使う

examples/saas-market-sizing.md は特に参考になります。なぜなら、「十分に完成している出力」がどういうものかを具体的に示しているからです。

• 明確なセグメント基準
• 件数ベースのボトムアップロジック
• 明示されたACV前提
• 数式
• 現実的な獲得可能性の整理

出力にこれらの要素が入っていないなら、説明文だけの回答で終わらせず、エージェントに修正を求めた方がよいです。

結果の精度を大きく左右するデータソース

references/data-sources.md は、このスキルの中でも特に実用性が高い部分です。ここでは、たとえば次のような情報源が案内されています。

• Gartner、Forrester、IDC のような有料アナリストファーム
• Statista のような比較的アクセスしやすい情報源
• CB Insights や PitchBook のようなスタートアップ・プライベート市場向けツール
• McKinsey insights のような広めの戦略系ソース

実務上は、公開された市場推計ソースを1つと、件数ベースで裏取りできるソースを1つ組み合わせるのが有効です。例：

• Statista によるカテゴリ市場推計
• Census、プラットフォームのエコシステム件数、LinkedInフィルターなどによる買い手数の確認

業界レポートを1本だけ引用するより、通常はこちらの方が信頼しやすいです。

良い出力に含まれているべき要素

質の高い market-sizing-analysis guide の出力には、少なくとも次が含まれているべきです。

• 自社ケースに当てはめたTAM・SAM・SOMの定義
• 数式または計算ロジック
• セグメント前提
• 時間軸
• 価格前提
• 主な不確実性
• 獲得可能シェアの根拠

市場規模の数字だけが整っていて、どう作られたかが見えない場合は、前提を開示したうえで再計算するよう依頼してください。

よくある制約とトレードオフ

このスキルは便利ですが、市場規模算定そのものの限界を消してくれるわけではありません。

• 公開データのカテゴリ定義が、自社プロダクトと一致しないことがある
• 顧客件数が古い、あるいはソース間で不整合なことがある
• 価値ベースの算定は、すぐに推測色が強くなりやすい
• SOMは市場計算というより、GTMの現実性に左右されることが多い

精密さを装うためではなく、判断を構造化するために使うのが正しい使い方です。

market-sizing-analysisスキルのFAQ

market-sizing-analysisは初心者にも向いている？

はい。特に、市場規模算定の正式な手法よりも、自社のプロダクトや顧客理解の方が深い人には向いています。ゼロからプロンプトを書くより追いやすいフレームワークがあるためです。ただし初心者でも、前提条件の見直しは丁寧に行う必要があります。スコープ設定を誤ると、数字もそのまま崩れます。

market-sizing-analysisが向かないのはどんなとき？

market-sizing-analysis があまり向かないのは、次のようなケースです。

• 監査済みの市場調査が必要
• 買い手像を説明できないほど市場定義が曖昧
• 価格が不明で、しかも推定も難しい
• 本当の課題が市場規模ではなく需要検証にある

また、公開セグメントデータが極端に少なく、ドメイン専門家の知見が不可欠な高度技術分野でも、相性はよくありません。

普通のAIプロンプトと何が違う？

通常のプロンプトでも、もっともらしいTAM / SAM / SOMの文章は返ってくるかもしれません。ただし、難しい部分であるセグメンテーション、手法選定、説明可能な前提条件が抜け落ちがちです。market-sizing-analysis skill は、その場限りの回答ではなく、繰り返し使えるワークフローが欲しいときに向いています。

investor deckにmarket-sizing-analysisを使える？

使えます。ただし、最初の出力をそのままピッチデックに貼るのは避けるべきです。このスキルでまず追跡可能なモデルを作り、そのうえでソースを精査し、ストーリーを簡潔に整え、SAMとSOMが実際の立ち上げ範囲やGTM能力を反映しているか確認してください。

SaaS専用のスキル？

いいえ。付属の例はSaaS寄りですが、このフレームワーク自体はサービス、マーケットプレイス、fintech、healthtech、その他のスタートアップ領域にも応用できます。顧客数、支出水準、あるいは生み出す経済価値を見積もれる領域で特に機能しやすいです。

market-sizing-analysisスキルを改善する方法

市場定義をもっと絞る

market-sizing-analysis の出力を最も手早く改善する方法は、市場定義を狭めることです。具体的には次を明示してください。

• 正確な買い手
• 企業規模またはユーザープロファイル
• 対象地域
• 提供形態
• 現在のプロダクト範囲

“Healthcare AI” では広すぎます。“AI prior-authorization automation for U.S. regional health insurers” の方がはるかに使えます。

価格とパッケージ前提を渡す

ボトムアップ算定は、次のいずれかを渡すだけでもかなり強くなります。

• 年間契約単価
• 月額サブスクリプションのレンジ
• seat-based pricing
• transaction take rate
• 平均案件単価

価格情報がないと、モデルは弱い代理変数を作らざるを得ないことが多くなります。

1つの数字ではなく、クロスチェックを求める

強いプロンプトは、エージェントに次の出力を求めます。

• 主手法
• 二次的な検証手法
• 両者に差が出た場合の説明

これにより信頼度が上がります。トップダウンとボトムアップの差が大きいときこそ、カテゴリ定義のズレや、非現実的な価格前提が見えてくることが多いからです。

TAM・SAM・SOMのロジックを分けて出させる

よくある失敗は、理由を説明しないまま単純な割合カットで済ませてしまうことです。結果を改善したいなら、次のようにロジックを分離して求めてください。

• TAM は総潜在支出ベース
• SAM は現行プロダクトと地域制約ベース
• SOM は現実的な獲得能力と競争環境ベース

こうすることで、market-sizing-analysis guide は実務で使える度合いが上がります。

ソース品質と不確実性メモを付けさせる

エージェントには、前提条件を次のようにラベル付けするよう指示してください。

• sourced
• inferred
• placeholder

さらに、主要な入力ごとに confidence note も求めると有効です。特に、数値の一部がどうしても方向感ベースになりやすいアーリーステージ戦略では役立ちます。

初稿のあとに必ず反復する

最初の出力を完成版として扱わないでください。改善しやすい見直しループは次のとおりです。

1. 買い手と地域の誤りを修正する
2. 弱い前提を実データで置き換える
3. 価格前提を詰める
4. SOMの現実性を問い直す
5. 追加でもう1つソースを使ってクロスチェックする

余計な文章量を足すより、この反復の方がたいてい品質向上に効きます。

自分のドメインでもexample構成を流用する

最初の結果が散らかっているなら、examples/saas-market-sizing.md の構成をなぞるようエージェントに指示してください。

• セグメント表
• 数式セクション
• 計算ウォークスルー
• 要点サマリー

このファイルは、市場がSaaSでない場合でも、フォーマットの見本として有用です。

よくある失敗パターンに注意する

market-sizing-analysis でよく起きる品質問題は、主に次のとおりです。

• TAMのカテゴリ膨張
• 曖昧なセグメント件数
• 根拠の薄い価格前提
• GTM能力ではなく願望ベースのSOM
• ユーザー数・企業数・売上を、変換ロジックなしに混在させること

こうした兆候が見えたら、推論の筋道をその箇所から組み直すよう依頼してください。

Data Analysisワークフロー向けに出力を改善する

market-sizing-analysis for Data Analysis では、前提条件を構造化して返すようエージェントに指示すると便利です。

• segment
• count
• pricing metric
• annual revenue assumption
• source
• confidence

この形にしておくと、スプレッドシート、notebook、BIツール、後続の予測モデルへ移しやすくなります。