market-sizing-analysis

market-sizing-analysis 스킬 개요

market-sizing-analysis 스킬이 하는 일

market-sizing-analysis 스킬은 AI 에이전트가 스타트업과 제품 기회에 대해 구조화된 TAM, SAM, SOM 추정치를 만들도록 돕습니다. 단순히 “이 시장이 얼마나 큰가?” 수준의 느슨한 답이 아니라, 방어 가능한 시장 규모 산정 방식, 명시적인 가정, 그리고 창업자·운영팀·투자자가 검토할 수 있는 방법론이 필요한 시장 기회 분석 업무에 맞춰 설계되어 있습니다.

market-sizing-analysis를 써야 하는 사람

이 market-sizing-analysis skill은 다음과 같은 사용자에게 특히 잘 맞습니다.

• 새로운 시장을 검증하려는 창업자
• 투자 유치 자료를 준비하는 스타트업 운영 담당자
• 빠르지만 구조화된 기회 분석이 필요한 컨설턴트
• Data Analysis용으로 반복 가능한 시장 규모 산정 워크플로를 원하는 애널리스트

명확한 논리를 갖춘 1차 시장 모델이 필요하다면 매우 적합합니다. 반대로 감사 가능한 공식 리서치나 규제가 강한 산업의 정밀 예측이 필요하다면, 최종 근거가 아니라 출발점이 되는 프레임워크로 보는 편이 맞습니다.

실제로 해결하려는 핵심 업무

대부분의 사용자는 TAM/SAM/SOM 정의만 원하는 것이 아닙니다. 예를 들어 “중견 유통업체용 AI 소프트웨어” 같은 거친 아이디어를 다음과 같은 형태로 바꾸고 싶어 합니다.

• 범위가 정리된 타깃 시장
• 세그먼트별 가정
• 하나 이상의 시장 산정 방식
• 현실적인 3~5년 내 확보 가능 점유 논리
• 계획 수립이나 피칭에 바로 쓸 수 있는 내러티브

이 지점에서 market-sizing-analysis는 일반적인 프롬프트보다 훨씬 실용적입니다.

일반 프롬프팅과 비교한 핵심 차별점

market-sizing-analysis의 가장 큰 강점은 에이전트를 세 가지 상호보완적 접근으로 유도한다는 점입니다.

• 산업 리포트 기반의 top-down 산정
• 고객 수와 가격 기반의 bottom-up 산정
• 지불 의사 금액 기반의 value-theory 산정

이게 중요한 이유는, 시장 규모 산정이 하나의 시각에만 기대면 쉽게 무너지기 때문입니다. 이 스킬은 의사결정에 더 가까운 구조를 제공하고, 그럴듯하지만 취약한 단일 숫자를 제시하는 대신 교차 검증을 유도합니다.

설치 전에 가장 먼저 따져볼 점

도입 여부를 가르는 핵심 질문은 “TAM을 계산할 수 있나?”가 아니라 “추측을 줄여줄 수 있나?”입니다. 이 스킬은 보통 아래 정보를 제공할 수 있을 때 효과가 좋습니다.

• 정의된 제품 또는 서비스
• 타깃 고객의 특성
• 지역
• 대략적인 가격 또는 계약 금액
• 타임라인과 go-to-market 제약

이 입력이 없으면 결과는 금방 뻔하고 일반적인 수준으로 흐르기 쉽습니다.

market-sizing-analysis 스킬 사용 방법

market-sizing-analysis 설치 맥락

리포지토리 발췌본만 보면 SKILL.md 안에 별도의 내장 설치 명령은 드러나지 않습니다. 그래서 보통은 상위 skills 리포지토리를 추가한 뒤, 에이전트 환경에서 스킬 이름으로 호출하는 방식으로 사용합니다. 사용 중인 환경이 Skills 스타일 설치를 지원한다면 일반적인 패턴은 다음과 같습니다.

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

설치 후에는 에이전트가 startup-business-analyst plugin 경로 아래에서 해당 스킬을 인식하는지 확인하세요.

먼저 읽어야 할 파일

실전적인 market-sizing-analysis usage를 위해서는 다음 파일부터 보는 것이 좋습니다.

• 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

추천하는 읽기 순서는 다음과 같습니다.

1. 워크플로와 방법론 선택을 이해하려면 SKILL.md
2. 좋은 결과물의 형태를 보려면 examples/saas-market-sizing.md
3. 가정의 출처를 확인하려면 references/data-sources.md

스킬이 잘 작동하려면 어떤 입력이 필요한가

강한 market-sizing-analysis usage를 위해서는 에이전트에 짧고 명확한 운영 브리프를 주는 것이 좋습니다.

• 제품 설명
• 구매자 유형
• 산업 또는 사용 사례
• 지역
• 가격 모델
• 시간 범위
• 알려진 경쟁사
• 현재 제품이 실제로 커버할 수 있는 범위의 제약

약한 입력 예시는 다음과 같습니다.
“Size the market for AI legal software.”

더 강한 입력은 이런 형태입니다.
“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.”

거친 아이디어를 완성도 있는 프롬프트로 바꾸는 법

좋은 market-sizing-analysis for Data Analysis 호출 프롬프트는 방법론, 가정, 출력 형식을 한 번에 요청해야 합니다. 예를 들어:

“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.”

이 방식이 단순히 “estimate the market size”라고 하는 것보다 나은 이유는 다음의 모호함을 줄여주기 때문입니다.

• 타깃 세그먼트
• 선호하는 방법론
• 출력 형식
• 신뢰 수준과 단서 조항

먼저 맞는 방법론부터 고르기

빨라 보인다는 이유만으로 top-down을 기본값으로 두지 마세요. 이 스킬은 시장 특성에 맞게 방법을 고를 때 가장 설득력이 높습니다.

• 고객 세그먼트, 가격, seat 수를 알고 있다면 bottom-up
• 이미 공개된 카테고리 추정치가 존재한다면 top-down
• 표준 카테고리 가격이 아니라 창출되는 경제적 가치에 따라 가격이 정해진다면 value theory

스타트업 맥락에서는 board deck이나 피치에서 방어하기 쉬워서 bottom-up이 주된 방법으로 가장 잘 맞는 경우가 많습니다.

실무에서 권장되는 워크플로

market-sizing-analysis를 실무적으로 활용할 때는 다음 순서가 좋습니다.

1. 정확한 제품 제공 범위와 구매자를 정의한다.
2. 지역과 세그먼트 제약을 좁힌다.
3. 주된 시장 산정 방법을 고른다.
4. 불확실성이 크다면 최종 숫자 전에 가정을 먼저 뽑게 한다.
5. 두 번째 방법으로 교차 검증한다.
6. 제품 범위, GTM 역량, 경쟁 상황에 맞춰 SAM과 SOM을 조정한다.
7. 결과를 메모, 피치 슬라이드, 계획 문서로 옮긴다.

이 순서를 따르면 TAM은 커 보이는데 실제로 만들 수 있는 사업과는 무관한 결과가 나오는 흔한 실패를 막을 수 있습니다.

예제 파일을 품질 기준으로 활용하기

examples/saas-market-sizing.md는 “이 정도면 충분히 완성도 있다”는 기준을 보여준다는 점에서 특히 유용합니다.

• 명확한 세그먼트 기준
• 수량 기반 bottom-up 논리
• 명시적인 ACV 가정
• 수식
• 현실적인 확보 가능성 프레이밍

결과물에 이런 요소가 없다면, 서술형 답변만 받아들이지 말고 에이전트에게 수정하도록 요청하는 편이 좋습니다.

결과를 크게 개선하는 데이터 소스

references/data-sources.md는 이 스킬에서 가장 강한 부분 중 하나입니다. 사용자를 다음과 같은 소스로 안내합니다.

• Gartner, Forrester, IDC 같은 유료 애널리스트 기관
• Statista 같은 접근성 좋은 소스
• CB Insights, PitchBook 같은 스타트업·프라이빗 마켓 도구
• McKinsey insights 같은 더 넓은 전략 자료

실무에서는 공개된 시장 자료 1개와 수량 기반 검증 자료 1개를 함께 쓰는 것이 좋습니다. 예를 들면:

• Statista의 공개 카테고리 추정치
• Census, 플랫폼 생태계 수치, 또는 LinkedIn 필터를 이용한 구매자 수 점검

대개 이렇게 하는 편이 단일 산업 보고서 하나만 인용하는 것보다 더 신뢰할 만합니다.

좋은 출력물에 반드시 들어가야 할 것

품질 높은 market-sizing-analysis guide 출력에는 다음이 포함되어야 합니다.

• 현재 사례에 적용된 TAM, SAM, SOM 정의
• 수식 또는 계산 로직
• 세그먼트 가정
• 시간 범위
• 가격 가정
• 주요 불확실성
• 확보 가능한 점유율에 대한 근거

숫자만 깔끔하게 나오고 어떻게 만들었는지가 보이지 않는다면, 가정을 드러내는 형태로 다시 계산해 달라고 요청하세요.

자주 마주치는 제약과 트레이드오프

이 스킬은 유용하지만, 시장 규모 산정의 근본적 한계를 없애주지는 않습니다.

• 공개 소스의 카테고리 정의가 내 제품과 맞지 않을 수 있음
• 고객 수 데이터가 오래되었거나 출처마다 들쭉날쭉할 수 있음
• value-based 산정은 빠르게 추측성으로 흐를 수 있음
• SOM 추정은 시장 수학보다 GTM 현실성의 영향이 더 큰 경우가 많음

정밀함을 꾸며내는 도구가 아니라, 판단을 구조화하는 도구로 활용하는 것이 맞습니다.

market-sizing-analysis 스킬 FAQ

market-sizing-analysis는 입문자에게도 괜찮은가?

네. 특히 제품과 고객에 대해서는 잘 알지만, 정식 시장 규모 산정 방법론에는 익숙하지 않은 사용자에게 좋습니다. 빈 프롬프트에서 시작하는 것보다 따라가기 쉬운 프레임워크를 제공하기 때문입니다. 다만 범위 정의가 잘못되면 숫자도 틀어지므로, 초보자라도 가정 검토는 꼼꼼히 해야 합니다.

market-sizing-analysis가 잘 맞지 않는 경우는 언제인가?

market-sizing-analysis는 다음과 같은 경우에는 적합도가 떨어집니다.

• 감사 가능한 공식 시장조사가 필요한 경우
• 구매자를 설명할 수 없을 만큼 시장 정의가 모호한 경우
• 가격을 모르고 추정도 불가능한 경우
• 진짜 문제는 시장 규모 산정이 아니라 수요 검증인 경우

또한 공개된 세그먼트 데이터가 극히 부족하고 도메인 전문가가 필수인 고도의 기술 카테고리에도 잘 맞지 않습니다.

일반적인 AI 프롬프트와 무엇이 다른가?

일반 프롬프트도 그럴듯한 TAM/SAM/SOM 문구는 만들 수 있지만, 정작 중요한 세그먼트 설계, 방법론 선택, 방어 가능한 가정은 건너뛰기 쉽습니다. market-sizing-analysis skill은 일회성 답변보다 반복 가능한 워크플로가 필요할 때 더 낫습니다.

투자자용 deck에도 market-sizing-analysis를 쓸 수 있나?

네. 다만 첫 결과물을 그대로 pitch deck에 넣어서는 안 됩니다. 먼저 이 스킬로 추적 가능한 모델을 만들고, 그다음 소스를 더 탄탄하게 다듬고, 내러티브를 단순화하고, SAM과 SOM이 실제 출시 범위와 GTM 역량을 반영하는지 점검하세요.

SaaS에만 쓸 수 있나?

아니요. 포함된 예시는 SaaS 중심이지만, 이 프레임워크는 서비스, 마켓플레이스, fintech, healthtech 등 다른 스타트업 카테고리에도 적용할 수 있습니다. 고객 수, 지출 수준, 또는 창출되는 경제적 가치를 추정할 수 있는 시장일수록 잘 맞습니다.

market-sizing-analysis 스킬을 더 잘 활용하는 방법

시장 정의를 더 좁게 잡기

market-sizing-analysis 결과를 가장 빠르게 개선하는 방법은 시장 정의를 좁히는 것입니다. 다음을 구체적으로 명시하세요.

• 정확한 구매자
• 회사 규모 또는 사용자 프로필
• 지역
• 배포 모델
• 현재 제품 범위

“Healthcare AI”는 너무 넓습니다. “AI prior-authorization automation for U.S. regional health insurers”처럼 써야 훨씬 활용도가 높아집니다.

가격과 패키징 가정을 제공하기

bottom-up 산정은 아래 중 하나만 제공해도 훨씬 강해집니다.

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

가격 정보가 없으면 모델은 대체 지표를 억지로 만들어야 하고, 그만큼 가정이 약해집니다.

숫자 하나가 아니라 교차 검증을 요구하기

강한 프롬프트는 에이전트에게 다음을 함께 요구합니다.

• 주된 방법
• 보조 검증 방법
• 둘 사이 차이가 날 경우 그 이유 설명

이렇게 해야 신뢰도가 올라갑니다. top-down과 bottom-up 추정치가 크게 벌어지는 경우는 오히려 가장 유용한 인사이트일 때가 많습니다. 카테고리 정의가 어긋났거나 가격 가정이 비현실적이라는 신호일 수 있기 때문입니다.

에이전트가 TAM, SAM, SOM 논리를 분리하도록 강제하기

흔한 실패 패턴 중 하나는 모델이 이유 설명 없이 단순 비율 컷만 적용하는 것입니다. 결과를 개선하려면 각 항목의 논리를 분리해서 요청하세요.

• TAM은 전체 잠재 지출 기준
• SAM은 현재 제품 범위와 지역 제약 기준
• SOM은 현실적인 고객 획득 역량과 경쟁 기준

이렇게 해야 market-sizing-analysis guide가 운영 관점에서도 더 쓸모 있어집니다.

소스 품질과 불확실성 메모를 요구하기

에이전트에게 가정을 다음처럼 라벨링하라고 지시하세요.

• sourced
• inferred
• placeholder

또한 주요 입력마다 confidence note를 붙이게 하세요. 특히 일부 숫자가 방향성 수준에 그칠 수밖에 없는 초기 전략 업무에서는 이 방식이 매우 도움이 됩니다.

첫 초안 이후 반드시 반복하기

첫 실행 결과를 최종본처럼 취급하지 마세요. 좋은 수정 루프는 다음과 같습니다.

1. 구매자와 지역 관련 오류를 바로잡는다
2. 약한 가정을 실제 입력으로 교체한다
3. 가격 가정을 더 타이트하게 만든다
4. SOM의 현실성을 의심해 본다
5. 소스 하나를 더 추가해 다시 교차 검증한다

대개 장황한 설명을 더 붙이는 것보다 이런 반복이 결과 품질을 훨씬 더 크게 끌어올립니다.

자신의 도메인에도 예제 구조를 그대로 활용하기

첫 결과가 지저분하다면 에이전트에게 examples/saas-market-sizing.md의 구조를 따라 달라고 지시하세요.

• segment table
• formula section
• calculation walkthrough
• takeaway summary

시장 자체가 SaaS가 아니더라도, 이 파일은 형식 모델로 충분히 유용합니다.

이런 흔한 실패 신호를 점검하기

market-sizing-analysis에서 자주 보이는 품질 문제는 다음과 같습니다.

• TAM의 카테고리 부풀리기
• 모호한 세그먼트 수치
• 근거 없는 가격 가정
• GTM 역량이 아니라 희망에 기대는 SOM
• 변환 논리 없이 user 수, company 수, revenue를 섞어 쓰는 경우

이런 문제가 보이면, 정확한 추론 라인을 다시 세우도록 요청하세요.

Data Analysis 워크플로를 위한 출력 개선

market-sizing-analysis for Data Analysis에서는 가정을 구조화된 형식으로 반환하도록 요청하세요.

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

이렇게 하면 결과를 스프레드시트, notebook, BI 도구, 혹은 후속 예측 모델로 옮기기가 훨씬 쉬워집니다.