market-sizing-analysis

Visão geral da skill market-sizing-analysis

O que a skill market-sizing-analysis faz

A market-sizing-analysis ajuda um agente de IA a produzir estimativas estruturadas de TAM, SAM e SOM para oportunidades de startup e produto. Ela foi feita para trabalhos de análise de oportunidade de mercado em que você precisa de mais do que uma resposta solta para “qual é o tamanho desse mercado?”: você precisa de uma abordagem defensável de sizing, premissas explícitas e uma metodologia que possa ser revisada por founders, operadores ou investidores.

Para quem a market-sizing-analysis é indicada

A market-sizing-analysis skill é mais indicada para:

• founders validando um novo mercado
• operadores de startup preparando materiais para captação
• consultores fazendo análises rápidas, mas estruturadas, de oportunidade
• analistas que querem um fluxo repetível de market sizing para Data Analysis

Se você precisa de um primeiro modelo de mercado com lógica clara, ela é uma ótima opção. Se precisa de pesquisa auditada ou projeções para setores altamente regulados, ela deve ser usada como estrutura inicial, não como fonte final de verdade.

O trabalho real que ela resolve

A maioria dos usuários não quer apenas definições de TAM/SAM/SOM. Quer transformar uma ideia ainda vaga, como “software de IA para varejistas mid-market”, em:

• um mercado-alvo bem delimitado
• premissas por segmento
• um ou mais métodos de sizing
• uma lógica realista de participação capturável em 3 a 5 anos
• uma narrativa adequada para planejamento ou pitch

É aí que a market-sizing-analysis é mais útil do que um prompt genérico.

Diferenciais principais vs. prompting comum

O principal valor da market-sizing-analysis é direcionar o agente para três abordagens complementares:

• sizing top-down a partir de relatórios do setor
• sizing bottom-up a partir de contagem de clientes e pricing
• sizing por value theory com base em disposição a pagar

Isso importa porque market sizing falha quando o modelo se apoia em uma única lente. Essa skill dá ao usuário uma estrutura mais útil para decisão e incentiva validação cruzada, em vez de apresentar um único número impressionante, porém frágil.

O que mais importa antes de instalar

A principal pergunta de adoção não é “ela consegue calcular TAM?”, e sim “ela vai reduzir o chute?”. Para essa skill, a resposta costuma ser sim, desde que você consiga fornecer:

• um produto ou serviço bem definido
• características do cliente-alvo
• geografia
• pricing aproximado ou valor de contrato
• horizonte de tempo e restrições de go-to-market

Sem esses insumos, a saída fica genérica rapidamente.

Como usar a skill market-sizing-analysis

Contexto de instalação da market-sizing-analysis

O trecho do repositório não mostra um comando de instalação embutido em SKILL.md, então normalmente os usuários adicionam o repositório-pai de skills e depois chamam a skill pelo nome no ambiente do agente. Se a sua configuração suporta instalações no estilo Skills, o padrão mais comum é:

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

Depois da instalação, verifique se o seu agente consegue enxergar a skill no caminho do plugin startup-business-analyst.

Leia estes arquivos primeiro

Para um uso prático de market-sizing-analysis, comece por:

• 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

Esta ordem de leitura funciona bem:

1. SKILL.md para entender o workflow e as escolhas de método
2. examples/saas-market-sizing.md para ver o formato de uma boa saída
3. references/data-sources.md para entender de onde as premissas deveriam vir

Quais inputs a skill precisa para funcionar bem

Para obter um bom uso da market-sizing-analysis, entregue ao agente um briefing operacional enxuto:

• descrição do produto
• tipo de comprador
• setor ou caso de uso
• geografia
• modelo de pricing
• horizonte de tempo
• concorrentes conhecidos
• restrições do que o produto de fato consegue atender hoje

Um input fraco seria: “Size the market for AI legal software.”

Um input melhor seria: “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.”

Como transformar uma ideia vaga em um prompt completo

Um bom prompt de invocação para market-sizing-analysis for Data Analysis deve pedir, de uma vez, método, premissas e formato de saída. Por exemplo:

“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.”

Isso funciona melhor do que “estimate the market size” porque reduz a ambiguidade sobre:

• segmento-alvo
• metodologia preferida
• formato de saída
• nível de confiança e ressalvas

Escolha primeiro a metodologia certa

Não vá de top-down por padrão só porque parece mais rápido. Esta skill é mais confiável quando o método combina com o mercado:

• Use bottom-up quando você conhece segmentos de clientes, pricing ou número de seats.
• Use top-down quando o mercado já tem estimativas publicadas de categoria.
• Use value theory quando o pricing depende do valor econômico gerado, e não de preços padronizados da categoria.

Para trabalho de startup, bottom-up costuma ser o melhor método principal, porque é mais fácil de defender em um board deck ou pitch.

Workflow sugerido na prática

Um bom workflow com market-sizing-analysis costuma ser assim:

1. Defina exatamente a oferta e o comprador.
2. Restrinja geografia e critérios de segmento.
3. Escolha um método principal de sizing.
4. Se a incerteza for alta, peça ao agente as premissas antes dos números finais.
5. Faça uma validação cruzada com um segundo método.
6. Ajuste SAM e SOM com base no escopo do produto, capacidade de GTM e concorrência.
7. Exporte o resultado para um memo, slide de pitch ou documento de planejamento.

Essa sequência evita a falha clássica em que o TAM é grande, mas não tem relação com o negócio que você realmente consegue construir.

Use o arquivo de exemplo como referência de qualidade

examples/saas-market-sizing.md é especialmente útil porque mostra o que é “completo o bastante”:

• critérios claros de segmentação
• lógica bottom-up baseada em contagem
• premissas explícitas de ACV
• fórmulas
• enquadramento realista de capturabilidade

Se a sua saída não trouxer esses elementos, peça uma revisão ao agente em vez de aceitar uma resposta só narrativa.

Fontes de dados que melhoram o resultado de forma material

O arquivo references/data-sources.md é uma das partes mais fortes desta skill. Ele aponta o usuário para:

• casas de análise premium como Gartner, Forrester e IDC
• fontes mais acessíveis como Statista
• ferramentas de startup e mercado privado como CB Insights e PitchBook
• fontes estratégicas mais amplas, como insights da McKinsey

No uso prático, combine uma fonte publicada de mercado com uma fonte de validação baseada em contagem. Exemplo:

• estimativa publicada de categoria vinda de Statista
• checagem de contagem de compradores via Census, contagem do ecossistema de plataformas ou filtros do LinkedIn

Isso costuma ser mais confiável do que citar um único relatório do setor.

O que uma boa saída deve incluir

Uma saída de alta qualidade em um market-sizing-analysis guide deve incluir:

• definições de TAM, SAM e SOM aplicadas ao seu caso
• fórmulas ou lógica de cálculo
• premissas por segmento
• horizonte de tempo
• premissas de pricing
• principais incertezas
• justificativa para a participação capturável

Se a saída trouxer números bonitos de mercado sem mostrar como foram construídos, peça um novo cálculo com as premissas expostas.

Restrições e trade-offs mais comuns

Esta skill é útil, mas não elimina limitações centrais de market sizing:

• dados de fontes públicas podem usar definições de categoria que não batem com o seu produto
• contagens de clientes podem estar desatualizadas ou inconsistentes entre fontes
• sizing baseado em valor pode virar especulação rapidamente
• estimativas de SOM muitas vezes têm mais a ver com realismo de GTM do que com matemática de mercado

Use a skill para estruturar julgamento, não para fabricar precisão.

FAQ da skill market-sizing-analysis

A market-sizing-analysis é boa para iniciantes?

Sim, especialmente se você entende melhor seu produto e seu cliente do que métodos formais de market sizing. A skill oferece uma estrutura mais fácil de seguir do que começar de um prompt em branco. Ainda assim, iniciantes precisam revisar as premissas com cuidado, porque um escopo mal definido leva a números ruins.

Quando a market-sizing-analysis não é uma boa escolha?

A market-sizing-analysis não é uma boa opção quando:

• você precisa de pesquisa de mercado auditada
• o mercado é indefinido demais para descrever um comprador
• o pricing é desconhecido e impossível de estimar
• o problema real é validação de demanda, não market sizing

Ela também perde força em categorias altamente técnicas, nas quais há pouquíssimos dados públicos por segmento e especialistas de domínio são necessários.

Em que ela difere de um prompt normal de IA?

Um prompt comum pode gerar uma linguagem plausível de TAM/SAM/SOM, mas pular as partes difíceis: segmentação, escolha de metodologia e premissas defensáveis. A market-sizing-analysis skill é melhor quando você quer um workflow repetível, e não uma resposta pontual.

Posso usar a market-sizing-analysis em decks para investidores?

Sim, mas não jogue a primeira saída no pitch deck sem ajustes. Use a skill para criar um modelo rastreável; depois, refine as fontes, simplifique a narrativa e garanta que SAM e SOM reflitam seu escopo real de lançamento e sua capacidade de GTM.

Ela funciona só para SaaS?

Não. O exemplo incluído é orientado a SaaS, mas a estrutura também funciona para serviços, marketplaces, fintech, healthtech e outras categorias de startup. Ela funciona melhor quando você consegue estimar contagem de clientes, níveis de gasto ou o valor econômico gerado.

Como melhorar a skill market-sizing-analysis

Dê definições de mercado mais estreitas

A forma mais rápida de melhorar a saída da market-sizing-analysis é estreitar a definição de mercado. Especifique:

• comprador exato
• porte da empresa ou perfil do usuário
• geografia
• modelo de deployment
• escopo atual do produto

“Healthcare AI” é amplo demais. “AI prior-authorization automation for U.S. regional health insurers” é muito mais utilizável.

Forneça premissas de pricing e packaging

O sizing bottom-up fica muito mais forte quando você fornece um destes itens:

• annual contract value
• faixa de assinatura mensal
• pricing por seat
• take rate por transação
• ticket médio por negócio

Sem pricing, o modelo geralmente precisa inventar proxies fracos.

Peça validações cruzadas, não apenas um número

Um bom prompt pede ao agente que produza:

• método principal
• método secundário de validação
• explicação para qualquer diferença entre eles

Isso aumenta a confiança. Diferenças grandes entre estimativas top-down e bottom-up costumam ser o insight mais útil, porque revelam problemas na definição da categoria ou premissas irreais de pricing.

Faça o agente separar a lógica de TAM, SAM e SOM

Um modo comum de falha é o modelo apenas aplicar cortes percentuais sem explicar o porquê. Melhore o resultado pedindo lógica distinta para cada camada:

• TAM com base no gasto potencial total
• SAM com base no escopo atual do produto e nas restrições geográficas
• SOM com base na capacidade realista de aquisição e na concorrência

Isso torna o market-sizing-analysis guide mais útil do ponto de vista operacional.

Peça notas sobre qualidade da fonte e incerteza

Diga ao agente para classificar as premissas como:

• sourced
• inferred
• placeholder

Também peça uma nota de confiança para cada input principal. Isso é especialmente útil se você estiver usando a skill em trabalho estratégico de estágio inicial, em que alguns números inevitavelmente serão mais direcionais do que precisos.

Itere depois da primeira versão

Não trate a primeira execução como final. Um bom ciclo de revisão é:

1. corrigir erros de comprador e geografia
2. substituir premissas fracas por inputs reais
3. ajustar o pricing
4. questionar o realismo do SOM
5. rodar novamente com mais uma validação cruzada de fonte

Isso normalmente melhora mais a qualidade da saída do que adicionar mais texto.

Use a estrutura do exemplo no seu próprio domínio

Se o primeiro resultado vier bagunçado, peça ao agente para espelhar a estrutura de examples/saas-market-sizing.md:

• tabela de segmentos
• seção de fórmulas
• walkthrough dos cálculos
• resumo final

Esse arquivo é um bom modelo de formatação mesmo quando seu mercado não é SaaS.

Fique atento a estes modos de falha comuns

Os principais problemas de qualidade na market-sizing-analysis são:

• inflação de categoria no TAM
• contagens vagas de segmento
• premissas de pricing sem fundamento
• SOM baseado em esperança, não em capacidade de GTM
• mistura de contagem de usuários, contagem de empresas e receita sem lógica clara de conversão

Se você identificar qualquer um desses pontos, peça para reconstruir exatamente a linha de raciocínio.

Melhore as saídas para workflows de Data Analysis

Para market-sizing-analysis for Data Analysis, peça ao agente para devolver as premissas em formato estruturado:

• segmento
• contagem
• métrica de pricing
• premissa de receita anual
• source
• confidence

Isso facilita muito levar o resultado para planilhas, notebooks, ferramentas de BI ou modelos de forecast downstream.