一句话抓住全章 市场规模 = 这个行业一年能卖多少钱。 分清“能卖多大（TAM）、现在卖多大（SAM）、我能分多大（SOM）”，再根据你手里有的信息，从需求侧、供给侧或供需比例三个角度把它拆算出来。 |
第一部分 先分清三个概念：TAM / SAM / SOM
三个口径来自斯坦福大学 Steve Blank 的《创业者手册》，麦肯锡等机构也在用。它们回答的是同一个市场的三个不同问题——天花板有多高、现在有多大、我能拿多少。
三个定义（务必记牢） TAM（Total Addressable Market，潜在市场）：这个市场的潜在需求有多大。假设市场已经完全饱和——所有可能的用户都在用、消费量也到顶——此时的年销售额。 SAM（Served Available Market，可服务市场）：现在有多少需求已经被满足了。也就是把当前所有玩家的年销售额加总。 SOM（Served Obtained Market，可获得市场）：某一家公司现在拿下了多少市场。也就是某个具体玩家的年终端销售额。 |
 |
直觉：一块蛋糕的三个问题
●TAM = 装蛋糕的盒子有多大。盒子多大，未来蛋糕最多能做多大。
●SAM = 现在的蛋糕有多大。
●SOM = 作为参与者，你能分到多大一块。
两个关键换算（考点） 渗透率 = SAM ÷ TAM —— 现在的需求已经满足了潜在需求的百分之多少。 市场份额 = SOM ÷ SAM —— 这家公司在“现有市场”里占了多少。 记忆法：由大到小是 TAM → SAM → SOM；每缩一层，就对应一个比率（渗透率、市场份额）。 |
对照表：三口径 × 白酒行业示例
口径 | 含义 | 蛋糕比喻 | 白酒行业示例 |
TAM 潜在市场 | 市场的潜在需求有多大（假设完全饱和） | 装蛋糕的盒子有多大 | 假设所有可能喝白酒的人都在喝、且喝到顶时，全行业的年销售额 |
SAM 可服务市场 | 现在有多少需求已被满足 | 现在的蛋糕有多大 | 目前所有白酒品牌年销售额之和 |
SOM 可获得市场 | 某家公司现在拿下了多少 | 你能分到多大一块 | 以茅台为例，即茅台一年的终端销售额 |
什么阶段看什么口径
行业处在不同的生命周期阶段，需要重点关注的口径不一样。这决定了你该测算哪个数。
发展阶段 | 重点关注 | 为什么 |
导入期 | TAM | 判断天花板够不够高——只有 TAM 足够大，才可能孕育出营收达到上市门槛的公司 |
成长期 | TAM 与 SAM | SAM ÷ TAM ≈ 渗透率；若已很高，说明快到瓶颈，高增速维持不了太久 |
成熟期 | SAM 与 SOM | SOM ÷ SAM = 市场份额；核心逻辑是龙头通过整合提升行业集中度、拿下更多份额 |
为什么规模这么重要 只有行业规模够大，才能孕育出体量大到足以上市的公司。有创投机构明确表示：稳态规模不到百亿元的行业不投。老鹰基金创始人刘小鹰的投资原则之一就是——“细分市场容量看不到 500 亿元的基本不投”。选择往往比努力更重要：路太窄，再努力也走不宽。 |
第二部分 把三个概念判断清楚
下面 15 道题分三组，难度递进。强烈建议先盖住解析、自己判断，再往下看。判断的诀窍只有一句话——
判断口径的三连问 ① 说的是“全行业”还是“一家公司”？ 一家公司 → 一定是 SOM。 ② 如果是全行业，它是“现在实际卖出”的，还是“假设饱和到顶”的？ 实际现在 → SAM；饱和到顶 → TAM。 ③ 看到“÷”号别慌：SAM÷TAM=渗透率，SOM÷SAM=市场份额。 |
第一组 三口径基础辨析（咖啡 · 新能源车）
题 1 星巴克 2023 年在中国的门店总销售额，属于 TAM、SAM 还是 SOM？
答案与解析：SOM。这是“某一家公司拿下了多少市场”。星巴克是现制咖啡市场里的一个玩家，它自己的销售额就是它分到的那块蛋糕。
题 2 假设全中国所有会喝咖啡的人都养成了天天喝的习惯、且人均消费量到顶，此时中国现制咖啡一年能卖出的总金额，属于哪个口径？
答案与解析：TAM。关键词是“所有人都喝、消费到顶”，这是完全饱和假设下的潜在天花板，装蛋糕的盒子有多大。
题 3 2023 年中国现制咖啡行业所有品牌（瑞幸、星巴克、库迪……）销售额加总，属于哪个口径？
答案与解析：SAM。这是“现在有多少需求已经被满足”——把当下所有玩家实际卖出的钱加起来，就是现在的蛋糕有多大。
题 4 某新能源车企去年的整车销售收入，属于哪个口径？
答案与解析：SOM。同样是“一家公司分到多少”。凡是落到某个具体企业头上的销售额，都是 SOM。
题 5 去年国内所有新能源车企的销量金额加总，属于哪个口径？
答案与解析：SAM。全行业现在实际卖出的总额，就是可服务市场。
题 6 假设到 2030 年新能源车完全替代燃油车、渗透率达到饱和后的年销售额，属于哪个口径？
答案与解析：TAM。“完全替代、渗透率饱和”= 到顶的潜在需求 = 盒子的大小 = TAM。
第二组 换算关系与关注点
题 7 SAM ÷ TAM 得到的是什么指标？
答案与解析：渗透率（口径上用销售额而非用户数）。它衡量“现在满足的需求占潜在需求的比例”。
题 8 SOM ÷ SAM 得到的是什么指标？
答案与解析：市场份额。它衡量“这家公司在现有市场里占多少”。
题 9 你发现某行业的 SAM 已经非常接近 TAM，这说明什么？作为投资人该警惕什么？
答案与解析：说明渗透率已经很高、市场接近饱和。该警惕的是：留给成长期的时间不多了，当前的高增速很可能维持不了多久，行业正从成长期走向成熟期。
题 10 你是一级市场投资人，正在看一个刚刚出现的新业态（导入期）。你最该先测算哪个口径？为什么？
答案与解析：先算 TAM。因为一级市场投资最理想的退出是被投企业上市，而上市有营业收入门槛。你要先判断天花板够不够高：用 TAM × 该公司未来可能的市场份额，看未来的 SOM 能否达到上市的最低营收要求。天花板太低，再努力也做不成独角兽。
第三组 进阶易错题（重点）
题 11 你打算加盟一家奶茶店，想知道“这一家店一年大概能挣多少钱”。你要算的是哪个口径？该优先用三种方法里的哪一种？
答案与解析：口径是 SOM（单个店铺/参与者能拿到多少）。方法上优先用 供给导向——先找到这家店供给能力的瓶颈（比如出杯速度），推算它一天最多能卖多少杯，再乘以价格和天数。
题 12 一个成熟行业，你想判断龙头能不能通过整合、拿下更多份额。你最该关注哪两个口径？
答案与解析：SAM 与 SOM。因为 SOM ÷ SAM = 市场份额，成熟期的核心逻辑正是行业集中度提升——龙头把自己的 SOM 在 SAM 中的占比做大。
题 13 （口径由假设决定）原书“北京地毯”案例二假设渗透率稳定在 50% 不再提高，算出 5 亿元；案例三假设渗透率去年 40%、今年升到 50%，算出当年 8 亿元。这两个数字分别更接近哪个口径？
答案与解析：案例二（稳态假设、渗透率到顶）更接近 TAM——它描述的是渗透率饱和后的稳态规模；案例三（渗透率还在爬升、算的是当年实际卖出）更接近 SAM——它描述的是当下这一年实际被满足的需求。核心心法：口径不由公式决定，而由你对“渗透率是否到顶”的假设决定。 同一条公式，假设不同，算出来的就是不同口径。
题 14 （比例会变）“每台 ATM 大约服务 2000 人”这个比例，只有在什么前提下才靠谱？如果电子支付普及了会怎样？
答案与解析：前提是供需比例稳定，通常对应成熟期、TAM≈SAM 的饱和市场（金融业的 ATM、从业者数量就属于这种）。一旦电子支付普及，取款需求下降，每台 ATM 对应的人数会上升、ATM 总量会减少，原来的比例失真，直接套用就会算错。“供需匹配”法必须建立在“比例稳定”这个强假设之上。
题 15 （陷阱 · 目的题）你想用“全国平均每个金融从业者服务 77 人”，去推算某县级市的金融从业者数量。而你的目的是“证明这个县的金融发展落后于全国平均”。这么算行不行？
答案与解析：不行。 因为你用的就是全国平均比例，算出来的必然是“按全国平均水平该有多少从业者”，根本反映不出这个县到底是领先还是落后。做测算前，一定要先想清楚“测算这个数是为了什么”——目的不同，能不能套用某个平均比例，结论完全不同。
这一部分的收获 分清三口径靠的不是背定义，而是那三连问：是不是一家公司（→SOM）、是现在实际还是饱和到顶（→SAM / TAM）。最容易踩的坑是第 13、15 题：口径由假设和目的决定，不由公式决定。 |
第三部分 三种测算法 · 八个案例精讲（含拓展）
这一部分是全章的核心。三种方法各按 “方法逻辑 → 原书案例拆解 → 拓展案例” 三步走。开始前，先记住那条贯穿全章的大原则——
大原则：拆解 把“数据很难获得的变量”，拆成“多个数据容易获得的变量”。 金融建模背后的数学不过是中小学应用题水平：加、减、乘、除、乘方、开方。真正的难点从来不在数学，而在你对这个行业有没有基本了解。会拆，就会算。 |
三种方法总览
方法 | 从哪个角度看 | 最适合的口径 | 关键动作 |
① 需求导向 | 需求侧（有多少人要买） | TAM | 套用四要素公式：客户数 × 渗透率 × 订单量 × 单价 |
② 供给导向 | 供给侧（一个单位最多产出多少） | SOM | 找到最堵的“瓶颈工序”，算出满负荷产出 |
③ 供需匹配 | 两端比例（供需存在稳定比例） | 成熟期 / 比例稳定的行业 | 用已知比例放大或缩小：以小见大 / 以大见小 |
方法一 需求导向（最适合估 TAM）
这个方法从用户需求出发：把“一年能卖多少钱”拆成四个好找的量。
通用公式 市场规模 ＝ 目标客户数 × 渗透率 × 客均订单量 × 客单价 翻成大白话：多少人 × 这些人里多少真会买 × 每人一年买几次 × 每次花多少钱。 |
要素 | 通俗含义 | 怎么找 / 注意点 |
目标客户数 | 谁可能买（人口 / 家庭数 / 企业数） | 人口普查等；关键：分清是“个人需求”还是“家庭需求” |
渗透率 | 这些人里实际会买的比例 | 靠调研 / 常识 / 对标成熟市场估计 |
客均订单量 | 平均每个客户一年买几次 / 几件 | 耐用品可以小于 1：几年换一次 → 每年 1/N |
客单价 | 每次 / 每件的价格 | 衡量“天花板”时保守取低价 |
案例 1 中国一年消费多少猪肉？——刚性消耗品
背景：要投一家生猪养殖企业，需先知道中国一年消费多少（吨 / 元）猪肉。假设查不到现成数据，自己估。
要素 | 取值 | 怎么来的 |
目标客户数 | 约 13.87 亿 | 吃猪肉人群，剔除回族、维吾尔族等（第七次人口普查） |
渗透率 | 约 97% | 素食者约占 3%，即 100% − 3% |
客均订单量（即人均年猪肉量） | ≈ 36.5 千克 | = 每天肉量 0.2kg × 猪肉占肉类 50% × 365 天 |
客单价 | 12 元 / 千克 | 衡量天花板，保守取近年低价 |
客均订单量是怎么估出来的（拆解示范） · 一块西餐牛扒约 200~250 克；中餐里肉是配菜，约取一半 ≈ 100 克 / 餐。 · 早餐吃肉少可忽略，一天按两餐算 ≈ 200 克 / 天。 · 除猪肉还吃牛羊肉，猪肉保守按占肉类 50%。 · 再 × 365 天 → 人均年猪肉量 ≈ 0.2 × 50% × 365 ≈ 36.5 千克。 |
结果 市场规模 ≈ 13.87 亿 × 97% × 36.5 千克 × 12 元 ≈ 5900 亿元。 点评：猪肉是刚性、恒定的持续消耗品，需求稳定，所以相对好测算。 |
案例 2（原书） 北京家用地毯市场规模——耐用品（TAM，渗透率稳定）
背景：想在北京卖家用地毯。地毯是耐用品，几年才换一次，所以客均订单量会小于 1。这里假设渗透率已稳定到顶，算的是 TAM。
要素 | 取值 | 怎么来的 |
目标客户数 | 2000 万 | 北京常住人口（先按人算，见案例 3 的优化） |
渗透率 | 50% | 假设一半家庭会铺地毯，且已稳定、不再提高 |
客均订单量 | 0.25 张 / 年 | 平均 4 年换一次、线性更换 → 每年 1/4 |
客单价 | 200 元 / 张 | 一张地毯的假设售价 |
结果 市场规模 = 2000 万 × 50% × 0.25 × 200 = 5 亿元。 要点：耐用品的“客均订单量”常小于 1。4 年换一次 = 每年 0.25 次，别当成 1 次。 |
案例 3（原书） 地毯市场（渗透率还在爬升）——拆“新增 + 替换”
把难度提高：如果渗透率还没饱和（去年 40%、今年升到 50%），当年的市场就要拆成两部分——新增的人 + 老客户里到期替换的人。
购买来源 | 客户数 | 怎么来的 |
新增购买 | 200 万 | 渗透率提高带来：(50% − 40%) × 2000 万 |
替换购买 | 200 万 | 去年存量 800 万（40%×2000 万）× 1/4（4 年换一次） |
合计 | 400 万 | 每人买 1 张 × 200 元 → 当年 8 亿元 |
再优化一步：个人需求 vs 家庭需求 地毯其实是按“户”铺的，不是按“人”。一个人住铺一张，三个人住可能也就一张。所以应把人口换成户数。 北京户均 2.31 人 → 8 ÷ 2.31 ≈ 3.46 亿元。 心法：房子、马桶、冰箱、地毯这类“家庭需求”，要把人口换算成户数；牙刷、手机这类“个人需求”才按人算。 |
拓展案例 · 需求导向（自测用，假设为演示）
拓展 A｜中国瓶装水一年市场规模（类比案例 1：高频刚性消耗品）
要素 | 取值（演示） | 思路 |
目标客户数 | 14 亿 | 几乎人人可能买 |
渗透率 | 50% | 很多人喝自来水/烧水，假设一半人有规律买瓶装水的习惯 |
客均订单量 | 156 瓶 / 年 | 这部分人平均每周 3 瓶 × 52 周 |
客单价 | 2 元 / 瓶 | 大众瓶装水价位 |
结果 14 亿 × 50% × 156 × 2 ≈ 2184 亿元（量级示意）。练法与猪肉完全一样：高频刚需先估“人均一年用几次”。 |
拓展 B｜中国电动牙刷一年市场规模（类比案例 3：渗透率仍在爬升的耐用品）
电动牙刷是个人需求（按人算，不按户），且渗透率还在上升，所以同样拆“新增 + 替换”。
购买来源 | 客户数（演示） | 怎么来的 |
新增购买 | 2500 万 | 渗透率 15%→20%：(20%−15%) × 5 亿城镇成年人 |
替换购买 | 2500 万 | 存量 7500 万（15%×5 亿）× 1/3（约 3 年换一台） |
合计 | 5000 万台 | × 客单价 150 元 |
结果 5000 万台 × 150 元 = 75 亿元（当年）。个人耐用品在成长期，牢记“新增来自渗透率提升、替换来自存量折旧”。 |
方法二 供给导向（最适合估 SOM）
这个方法从供给能力出发，常用来算“某家店 / 某家公司一年能挣多少”。麦肯锡面试真题就是这个套路：“香港工银大厦楼下的星巴克一年销售额是多少？”
核心一句话 先找到供给能力的“瓶颈”——最慢、最堵的那道工序。 一家店一天最多能产出多少，就卡在这道工序上；再乘以营业时间和单价，就是它的年销售额（SOM）。 |
案例 4（原书） 加盟一家蜜雪冰城，单店一年卖多少？
第 1 步·梳理流程： 一杯饮品要经过 点单 → 收银 → 制作 三步。
第 2 步·找瓶颈： 点单+收银约 30 秒/杯，制作约 120 秒/杯。若 1 人点单收银、1 人制作，顾客点完仍要等 2 分钟——瓶颈在“制作”。
第 3 步·优化配置： 再加 2 人做制作 → 3 人制作，出杯时间 120 ÷ 3 = 40 秒/杯（比点单收银的 30 秒只多 10 秒，而且不是全天满负荷，可接受）。
第 4 步·拆忙时 / 闲时： 营业 10:00–22:00 共 12 小时，其中忙时 5 小时（12–14 点、17–20 点）满负荷，闲时 7 小时按一半算。
时段 | 时长 | 出杯速度 | 当日杯数 |
忙时 | 5 小时 | 40 秒/杯 = 1.5 杯/分 | 1.5 × 60 × 5 = 450 杯 |
闲时 | 7 小时 | 0.75 杯/分（忙时一半） | 0.75 × 60 × 7 = 315 杯 |
合计 | 12 小时 | — | 765 杯 / 天 |
第 5 步·算收入 每杯 6 元 × 765 杯 × 30 天 ≈ 每月 14 万元。 提醒：这些数字都是基于商业直觉“拍脑袋”假设的——商业直觉越好，假设越靠谱。想更精确，可以蹲在门口数客流量（浑水做空瑞幸时，就雇了 92 名全职 + 1418 名兼职在 53 城全天候录像）。 |
同一个问题也能用需求导向算 数一数附近有多少学校和写字楼、各有多少学生 / 上班族，再估其中爱喝蜜雪的比例，从需求侧也能反推这家店的规模。两种方法互为交叉验证。 |
 |
拓展案例 · 供给导向（自测用，假设为演示）
拓展 D｜一家理发店一年营业额（瓶颈 = 理发师 × 每次时长）
瓶颈不是工位而是理发师人手：假设 3 位理发师，每次理发约 40 分钟（每人每小时约 1.5 位客人），营业 10 小时。
时段 | 时长 | 接客速度 | 当日客数 |
忙时 | 4 小时 | 3 人 × 1.5 = 4.5 人/时 | 18 人 |
闲时 | 6 小时 | 2.25 人/时（半负荷） | 13.5 人 |
合计 | 10 小时 | — | ≈ 31.5 人/天 |
结果 客单价 40 元 × 31.5 人 × 30 天 ≈ 每月 3.78 万元，一年约 45 万元。套路与蜜雪一样：先定瓶颈，再拆忙闲。 |
拓展 E｜一家付费自习室一年营业额（瓶颈 = 座位数 × 可周转时段）
自习室的“产能”是座位 × 营业时段：假设 50 个座位，营业 14 小时（8:00–22:00），平均出租率 60%，计费 5 元 / 座·小时。
结果 当日产出 = 50 座 × 14 小时 × 60% × 5 元 = 2100 元 / 天 → 约每月 6.3 万元、一年约 75 万元。 这里的“瓶颈”换成了空间的可租时段：算清“最多能卖多少个座位·小时”，再乘以时租价即可。 |
方法三 供需匹配（最适合成熟 / 比例稳定的行业）
把供需两端合起来看。它背后有一个强假设：供给和需求之间存在稳定的比例关系。有了这个比例，就能从一个已知量推另一个未知量。两种用法——
两种用法 以小见大：从你熟悉的一个小样本里量出比例，放大到整体。 以大见小：从全国大盘算出比例，缩小到你关心的小地方。 |
案例 5（原书） 香港有多少台 ATM？——以小见大
步骤 | 内容 |
① 找一个熟悉的小样本 | 香港中文大学约 1 万名师生，校内有 5 台 ATM |
② 量出稳定比例 | 每台 ATM 服务约 2000 人（10000 ÷ 5） |
③ 放大到整体 | 香港约 700 万人 → 700 万 ÷ 2000 = 约 3500 台 |
案例 6（原书） 某县级市金融行业从业者数量？——以大见小
官方库、政府部门、地方年鉴都查不到该县数据，于是用全国大盘反推。
步骤 | 内容 |
① 拿到全国大盘 | 全国金融从业者 1831.6 万（第四次经济普查）；全国人口 141178 万（第七次普查） |
② 算出稳定比例 | 每个从业者服务约 77 人（141178 万 ÷ 1831.6 万） |
③ 缩小到该县 | 该县人口 ÷ 77 = 该县大致的金融从业者数 |
⚠ 重要陷阱：先想清楚“测算目的” 如果你算这个数是为了证明该县金融发展落后于全国平均——这么算就是错的！因为你用的就是全国平均比例，算出来必然是全国平均水平，根本反映不出落后与否。目的决定了能不能套用某个平均比例。 |
什么时候才能用“供需匹配”？（两种情况）
适用情况 | 说明与例子 |
情况一：终端产品 TAM ≈ SAM（成熟、饱和） | 成熟期行业供需关系有稳定中枢。如金融业：ATM 数、从业者数。注意比例会随环境变（电子支付普及 → 取款需求降 → ATM 减少）。即使还没到成熟期，也可用产业政策目标反推，例如新能源汽车的“车桩比”目标 + 销量 → 反推充电桩需求空间。 |
情况二：产品是中间品 / 互补品，与另一行业稳定匹配 | 典型是咖啡：一杯中杯咖啡 = 一杯意式浓缩（Espresso）= 15 克咖啡豆 = 90 克咖啡浆果。所以只要估出每年咖啡销量，就能反推咖啡浆果的市场规模。 |
拓展案例 · 供需匹配（自测用，假设为演示）
拓展 F｜某城市有多少家便利店（同一目标，两个方向都练一遍）
方向 | 已知比例（演示） | 推算 |
以小见大 | 你小区 3 公里内约 5 万人、20 家便利店 → 每 2500 人一家 | 某 50 万人口城区 ≈ 50 万 ÷ 2500 = 200 家 |
以大见小 | 假设全国约 30 万家、14 亿人 → 每约 4667 人一家 | 某 300 万人口城市 ≈ 300 万 ÷ 4667 ≈ 643 家 |
提示 两个方向答案不同很正常——小样本反映的是本地密度，大盘反映的是全国平均。选哪个，取决于你的目标城市更像“样本地”还是更像“全国平均”。 |
拓展 G｜2030 年全国充电桩需求（用产业政策目标反推 · 类比车桩比 / 咖啡浆果）
充电桩相对新能源车是互补品，且有政策制定的“车桩比”目标，正好用供需匹配反推。
结果 假设政策“车桩比”目标为 2∶1（每 2 辆车配 1 个桩），2030 年新能源车保有量假设 1 亿辆 → 充电桩需求 = 1 亿 ÷ 2 = 约 5000 万个。 只要抓住“互补品之间的稳定比例”，一个行业的规模就能带出另一个行业的规模。 |
如何更上一层楼：把估算做得更准
前面的结果只是粗略量级。若只判断“大概多大”，粗一点无妨；若要更准，有两条路——① 用更细的颗粒度；② 用更可靠的假设（对标法 / 调研法）。原书的案例 7、案例 8 分别示范这两条路。
路线一：更细的颗粒度 把整体拆成若干特征不同的子块，分别算再加总。需求侧可分区域 / 年龄层（猪肉：沿海海鲜多、西北牛羊肉多；婴儿老人吃得少）；供给侧也能分层（香港 ATM 按大 / 中 / 小型银行分层，各层“平均 ATM 数 × 银行数”再加总）。 |
案例 7（原书） 中国住宅电梯保有量——按城市层级分别算再加总
难点：能查到总电梯保有量，却查不到其中住宅电梯的数；而住宅电梯占比在不同层级城市并不一样（一线商业发达 → 住宅占比低；四线相反 → 住宅占比高）。所以按城市层级分开算更合理。
城市层级 | 电梯总量的取法 | 住宅占比假设 → 住宅电梯 |
一线（北上广深） | 四地市场监管局数据加总 ≈ 89.5 万部 | ≈ 50% → 约 44.8 万部 |
新一线 | 13 城有数据；宁波、佛山缺数据 → 用“常住人口 ÷ 99 人/电梯”推算，合计 ≈ 202.9 万部 | ≈ 55%（商业不及一线）→ 约 111.6 万部 |
二线 / 三线及以下 | 多数不公开 → 同样用常住人口推电梯量 | 二线 ≈ 55%；三线及以下 ≈ 60% |
全国 | 各层级结果相加 | = 全国住宅电梯保有量 |
核心心法（整章的“心法”） 把要推测的未知量，拆成各种“找得到的数值”或“合理假设的已知量”。 数据越缺的层级，假设越多、越粗，这是数据受限下的权宜之计；条件允许时，尽量像一线那样建立在扎实数据上。 |
案例 8（原书） 中国 2050 年生活用纸量——对标法（更可靠的假设）
公式很简单：生活用纸量 = 人均生活用纸量 × 预期人口。难点在“人均”，用对标发达国家来定。
变量 | 取值 | 依据 |
预期人口 | 约 13.5 亿 | 联合国对中国 2050 年人口预测 |
人均生活用纸量 | 假设 20 千克/年 | 对标：中国 2019 约 6.9kg；日本 15~16、韩国 20、美国 22、瑞典 24kg |
结果 20 千克 × 13.5 亿 = 270 亿千克（2700 万吨）。 依据不是臆测：北京、上海人均已接近发达国家水平；随人均 GDP 增长、零售完善、消费习惯转变，落后地区也会向上靠拢。 |
路线二还有更高阶的一招：调研法 问卷调查：在菜市场、商超、社区团购群里问消费者一天吃多少肉、猪肉占多少，取均值，得到更实的数。 专家访谈：设定关键假设时，就算要“拍脑袋”，让熟悉行业的专家来拍，也好过自己拍——他们的商业直觉更敏锐。 |
拓展案例 · 提高精度（自测用，假设为演示）
拓展 I｜中国现制咖啡的天花板——对标法（类比生活用纸）
公式：现制咖啡市场规模 = 人均年杯数 × 人口 × 客单价。人均杯数用对标来定。
结果 对标：中国目前现制咖啡人均年消费很低；日本约 200 杯（含全部咖啡）、韩国更高。大胆假设未来城镇人均现制咖啡达 30 杯/年。 城镇人口假设 9 亿 × 30 杯 × 客单价 20 元 ≈ 5400 亿元（量级示意）。 对标法的精髓：找一个“未来的你可能长成的样子”的成熟市场，用它的人均值当锚。 |
此外，还可以叠加“更细颗粒度”：把现制咖啡按一线 / 新一线 / 低线城市分别设人均杯数与单价，再加总，样本更有代表性。
第四部分 综合案例：2030 年中国奶茶市场规模
这是原书的收尾案例（案例 9）。它把前面所有招式串起来用一次：主体是需求导向四要素公式，人均杯数用对标法，并且保守取值。
要素 | 取值 | 依据（保守估计） |
目标客户数（2030 城镇青年） | 约 2.5 亿 | 2030 年 14–35 岁青年约 3.57 亿 × 城镇化率 70% |
渗透率 | 80% | 2021 年调研 74% 一年内消费过 → 保守估 2030 达 80%+ |
客均订单量（年人均杯数） | 44.2 杯 | 对标台湾，从 0.2 杯/周提升到 0.85 杯/周（× 52） |
客单价（杯单价） | 18.8 元 | 2020 年均 14 元，按年均 +3% 到 2030 年 |
结果 2.5 亿 × 80% × 44.2 杯 × 18.8 元 = 1661.92 亿元。 |
为什么“关键假设”比公式更重要 若换用《2020 新式茶饮白皮书》中“2020 年消费者已突破 3.4 亿”这一更高口径，即便不考虑消费者逐年扩大，结果也会升到约 2260 亿元。同一条公式，换一个关键假设，结论就差好几百亿。 所以实战中通常给关键假设设 乐观 / 中性 / 悲观三种情形（乐观时可把目标年龄放宽到 14–50 岁），让分析更全面。 |
再进阶：拆分市场后加总 把现制茶饮拆成 高端（喜茶、奈雪）/ 中端（CoCo、1 点点）/ 低端（蜜雪） 三个子市场，分别调研预测再加总。拆分后样本不再混在一起，更有代表性、结论置信度更高（在一线高档写字楼调研，显然更能代表高端需求）。底层方法仍是前面那套，万变不离其宗。 |
第五部分 速查表 · 做题前扫一眼
① 方法选择：先看你要算什么
你的目标 / 所处情况 | 优先方法 |
潜在天花板有多大（TAM） | 需求导向 · 四要素公式 |
单店 / 单公司一年能挣多少（SOM） | 供给导向 · 找瓶颈 |
成熟期，或供需比例稳定的行业 | 供需匹配 · 以小见大 / 以大见小 |
想把结果做得更准 | 更细颗粒度 · 对标法 / 调研法 |
② 常用公式汇总
随身公式卡 需求导向： 市场规模 = 目标客户数 × 渗透率 × 客均订单量 × 客单价 供给导向： 日产出 = 瓶颈工序满负荷产能（忙时 + 闲时）；SOM = 日产出 × 单价 × 天数 供需匹配： 未知量 = 已知量 × 稳定比例（以小见大 / 以大见小） 两个换算： 渗透率 = SAM ÷ TAM ； 市场份额 = SOM ÷ SAM 成长期拆分： 当年客户 = 新增（渗透率提升带来）＋ 替换（存量 × 折旧率） 家庭需求： 把“人口”换成“户数”（人口 ÷ 户均人数） |
③ 七个最容易踩的坑
# | 易错点 |
1 | 口径先于公式：动手前先想清楚要算 TAM / SAM / SOM 哪个——尤其“渗透率是否到顶”。 |
2 | 个人需求 vs 家庭需求：房子、冰箱、马桶、地毯按“户”算，要把人口换成户数。 |
3 | 耐用品客均订单量 < 1：几年换一次 → 每年 1/N，别默认每年买 1 次。 |
4 | 渗透率未饱和要拆分：当年 = 新增（渗透率提升）+ 替换（存量折旧）。 |
5 | 供需比例会变、且要匹配目的：比例随环境改变（电子支付 → ATM 减）；别用全国平均去“证明”某地落后。 |
6 | 衡量天花板要保守：单价等取偏低值；关键假设设乐观 / 中性 / 悲观三档。 |
7 | 多源交叉验证：不同口径结果“打架”很正常，取区间值，追求“模糊的正确”即可，不必执着标准答案。 |
会拆，就会算。愿你从此看到任何行业，都能顺手估出它的量级。