Market sizing 最难的部分不是算术——而是在开头30秒内选对分段方式。根据我们辅导800+市场规模案例的经验，错误的分段选择导致了大约60%的估算失败。好消息是：一个简单的决策框架就能彻底解决这个问题。
为什么分段选择比计算更重要
大多数候选人把准备时间花在心算训练上，但根据我们对麦肯锡、BCG和贝恩面试中候选人表现的分析，分段错误导致的估算偏差是算术错误的3倍。一个糟糕的分段方式会迫使你做出大量不靠谱的假设，这些误差在issue tree的每个分支中层层放大。
举个例子：“到2030年英国需要多少电动汽车充电站？“如果你按地理位置（城市/郊区/农村）分段，逻辑清晰且易于辩护。如果先按车型分段，则会制造不必要的复杂度，白白浪费2-3分钟。
两种核心路径
每个 market sizing 问题都可以从两个方向切入：
flowchart TD
A[Market Sizing 问题] --> B{供给侧还是需求侧？}
B -->|"可数单元<br/>（门店、站点、飞机）"| C[供给侧<br/>自下而上]
B -->|"人群行为<br/>（消费者、使用率、频次）"| D[需求侧<br/>自上而下]
C --> E[单元数 × 容量 × 利用率]
D --> F[人口 × 渗透率 × 频次 × 客单价]
E --> G[市场规模估算]
F --> G
| 路径 | 适用场景 | 起点 | 示例 |
|---|---|---|---|
| 自上而下（需求侧） | 消费品、服务、行为类 | 人口 → 层层过滤 | “纽约每年理发多少次？” |
| 自下而上（供给侧） | 实体资产、基础设施、B2B | 可数单元 → 向上推算 | “伦敦所有咖啡店的收入？” |
| 混合法 | 复杂市场、交叉验证 | 一种为主 + 另一种做 sanity check | “德国电动车市场规模？” |
30秒决策法则
听到 market sizing 问题时，只问自己一个问题：“我能轻松数出供给端的单元吗？”
- 能 → 用自下而上（单元数 × 单元收入）
- 不能 → 用自上而下（人口 × 相关比例 × 消费量）
这个启发式规则来自顶尖咨询公司合伙人实际思考估算问题的方式，适用于大约85%的 market sizing 问题。
快速分类示例
| 问题 | 决策 | 原因 |
|---|---|---|
| “美国每年卖出多少网球？” | 自上而下 | 无法轻松数出"网球供应点” |
| “星巴克在曼哈顿的年收入？” | 自下而上 | 可以直接估算门店数 |
| “英国宠物保险市场多大？” | 自上而下 | 消费者购买行为驱动 |
| “巴黎有多少酒店房间？” | 自下而上 | 酒店是可数的实体单元 |
| “德国每年卖出多少纸尿裤？” | 自上而下 | 消费者使用频次是天然驱动力 |
覆盖90%案例的五种分段模式
根据我们辅导 MBB 面试候选人的经验，几乎所有 market sizing 问题都能映射到以下五种分段模式之一：
mindmap
root((分段模式))
1. 人口特征分段
年龄组
收入层级
城市与农村
2. 使用频次分段
重度用户
轻度用户
非用户
3. 地理层级分段
国家 → 区域
区域 → 城市等级
城市 → 分区
4. 价值链分段
生产商 → 分销商
分销商 → 零售商
零售商 → 消费者
5. 时间维度分段
高峰与非高峰
季节性波动
工作日与周末
模式1：人口特征分段
适用场景：产品或服务在不同年龄、收入或地区人群中的渗透率差异明显。
公式模板：人口 → 年龄/收入分段 → 各段渗透率 → 使用量 × 价格
示例：“美国有多少活跃的健身房会员？”
- 美国人口：3.3亿
- 按年龄分段：18-35岁（30%）、36-55岁（25%）、56+（20%）；18岁以下排除
- 各段渗透率：25%、15%、8%
- 逐段计算 → 求和
模式2：使用频次分段
适用场景：同一产品被不同用户群以截然不同的频率消费。
公式模板：总用户数 → 重度/中度/轻度划分 → 各组频次 → 每次消费金额
示例：“伦敦外带咖啡市场多大？”
- 伦敦上班族：约450万
- 重度用户（每天）：20% × 250天 × £3.50
- 中度用户（每周2-3次）：35% × 130天 × £3.50
- 轻度用户（每周1次或更少）：25% × 45天 × £3.50
模式3：地理层级分段
适用场景：密度或行为因地区等级而显著不同。
公式模板：各等级区域数量 → 每个等级的单元数 → 单元收入
示例：“法国需要多少电动汽车充电站？”
- 一线城市（巴黎、里昂、马赛）：高密度需求
- 二线城市（20个中型城市）：中等密度
- 高速公路走廊：按距离间隔估算
- 农村地区：最低覆盖
模式4：价值链分段
适用场景：涉及B2B市场或需要估算供应链中特定环节的规模。
公式模板：终端用户需求 → 沿价值链逆推 → 定位目标层级
示例：“美国餐饮POS系统市场多大？”
- 餐厅总数：约100万家
- 需要POS的比例：正餐（70%）、快休闲（90%）、快餐（95%）
- 系统均价：$5,000-15,000（视细分而定）
- 更换周期：5-7年 → 年市场 = 保有量 ÷ 周期
模式5：时间维度分段
适用场景：消费量随时间段剧烈波动，取平均值会产生误导。
公式模板：高峰容量 × 高峰时长 + 低谷容量 × 低谷时长
示例：“瑞士滑雪场的年收入？”
- 雪季：约120天（12月-4月）
- 高峰周（假期）：4周，95%入住率
- 正常雪季：12周，60%入住率
- 非雪季活动：100天，15%利用率
常见分段陷阱
根据我们在数百次练习中观察到的模式，以下是即使准备充分的候选人也容易踩的坑：
| 陷阱 | 表现 | 解决方法 |
|---|---|---|
| 过度分段 | 5+个差异不大的分段 → 浪费时间 | 最多3-4个分段；差异 < 2倍则合并 |
| 首刀切错 | 行为差异更大时却先按地理分 | 问自己：“什么因素导致这个市场最大的差异？” |
| 遗漏分段 | 估算消费品时忘了B2B需求 | 做MECE检查：“除了消费者，还有谁在买？” |
| 等权假设 | 将所有分段视为相同规模 | 先估算相对规模（如"A段约占总量60%"） |
| 精度幻觉 | 3个年龄段就够用时却分7个 | 记住：目标是±20%的准确度，不是±2% |
Sanity Check 框架
完成估算后，用15秒做一个快速验证：
- 人均检验：总量除以人口，人均数字是否合理？
- 可比市场检验：你的估算与类似已知市场是否在同一数量级？
- 收入合理性检验：如果是收入估算，推算出的单个企业收入对已知玩家是否说得通？
比如，如果你估算美国宠物食品市场为$5000亿，快速做人均检验（$5000亿 ÷ 3.3亿 ≈ $1,500/人），立刻能发现问题——普通美国人不可能每年花$1,500在宠物食品上。
完整实战演示：限时3分钟
以下展示一位优秀候选人如何在3分钟内结构化回答"伦敦每天有多少共享电动滑板车被租用？"：
0:00-0:30 — 选择路径：需求侧（自上而下）。无法轻松数出滑板车供给，且问题问的是租用行为。
0:30-1:00 — 选择分段：使用频次模式。通勤者、游客和休闲用户的行为差异巨大。
1:00-2:30 — 搭建框架并计算：
- 伦敦工作人口：约500万；相关区域（1-3区）：约200万
- 通勤类用户：3% × 200万 = 6万人；平均每天1.5次 = 9万次
- 游客类用户：市中心每天约10万游客；5%尝试滑板车 = 5千次
- 休闲/其他：约1.5万次（周末为主，换算为日均）
- 总计：约11万次/天
2:30-3:00 — Sanity check：伦敦大约部署了1.5万-2万辆共享滑板车。11万次日租意味着每辆车每天被骑5-7次。对共享出行服务来说，这在合理范围内（Lime 报告主要城市每辆车日均3-8次）。
核心要点
- 分段选择（而非算术）决定你的估算能否落在±20%的可接受范围内
- 用"我能数出供给端单元吗？“启发式规则在30秒内选定路径
- 五种分段模式（人口特征、使用频次、地理层级、价值链、时间维度）覆盖约90%的案例
- 分段数量上限3-4个——更多分段增加复杂度但不改善精度
- 永远用15秒做一次 sanity check（人均法或可比市场法）
- 刻意练习模式识别：做过20-30道 market sizing 题后，正确分段会变成直觉
想实战练习这些分段捷径？试试案例库中的 Market Sizing 案例，或在 AI 模拟面试 中测试你的限时表现。如需配合分段使用的计算技巧，请参考 Market Sizing 速算指南。