4、自上而下法详解：从宏观行业数据出发，通过层层过滤得到目标市场规模的步骤与案例
自上而下法（Top-Down Approach）是采购市场规模测算中最常用的方法之一。其核心逻辑是：从宏观经济的“大池子”出发，逐步施加约束条件（行业归属、产品品类、地域范围、客户群体、渗透率等），像漏斗一样层层过滤，最终收敛到目标市场的规模。这种方法特别适合缺乏一手交易数据、但行业统计资料较为完善的场景。它的优势在于数据来源权威、测算速度快、便于向管理层解释；劣势在于如果过滤条件设置不当，容易产生“看似精确、实则偏差巨大”的结果。因此，掌握每一层过滤的逻辑和校验方法，是本节学习的重点。
4.1 核心原理：TAM、SAM、SOM 三层递进结构
自上而下法的理论根基是市场规模的三个经典层次：TAM（Total Addressable Market，总可用市场）、SAM（Serviceable Available Market，可服务市场）和SOM（Serviceable Obtainable Market，可获得市场）。TAM 代表理论上无任何限制的最大市场容量；SAM 是在 TAM 基础上剔除地理、法规、技术等硬性限制后，企业实际能够触及的市场；SOM 则进一步考虑竞争格局、渠道能力、产品竞争力等软性因素，是企业在近期内现实可达成的市场目标。
在采购场景中，TAM 通常对应“所有行业对该品类的总采购额”，SAM 对应“目标行业+目标区域内的采购额”，SOM 则对应“本企业通过供应商关系、成本优势、交付能力等能实际拿下的采购份额”。理解这三层结构，有助于采购经理避免两个极端：一是把 TAM 当作目标市场，导致预算虚高；二是把 SOM 当作全部市场，导致战略视野狭窄。
| 层级 | 定义 | 采购场景示例（以工业MLCC为例） | 数据来源 |
|---|---|---|---|
| TAM | 全球/全国该品类的总市场规模 | 全球MLCC市场规模约 1200 亿元人民币 | 行业协会、研究机构（如Yole、Paumanok） |
| SAM | 目标行业+目标区域内的市场规模 | 中国工业类MLCC市场约 400 亿元 | 国家统计局、海关总署、行业白皮书 |
| SOM | 企业实际可获得的采购份额 | 本企业通过3家核心供应商可覆盖约 40 亿元 | 企业采购数据、供应商产能调研 |
4.2 操作流程：五步过滤法
自上而下法的落地执行，可以拆解为五个清晰的过滤步骤。每一步都需要明确过滤条件、数据来源和校验方式，避免“一步错、步步错”。
- 第一步：确定宏观基数（L1）。选择与采购品类最相关的宏观指标，如 GDP、制造业总产值、社会消费品零售总额等。关键原则是“宁大勿小”，确保基数覆盖所有潜在需求。
- 第二步：行业归属过滤（L2）。根据国民经济行业分类（GB/T 4754）或国际标准行业分类（ISIC），锁定目标行业。例如，采购工业传感器，应聚焦“仪器仪表制造业”和“通用设备制造业”。
- 第三步：产品品类过滤（L3）。在行业数据中进一步筛选出与采购品类对应的细分市场。这一步通常需要借助行业研究报告或海关HS编码数据。
- 第四步：地域与客户群过滤（L4）。明确采购覆盖的地理范围（全国/华东/全球）和客户类型（OEM/EMS/终端品牌），剔除不相关的部分。
- 第五步：渗透率与可及性过滤（L5）。结合企业自身的采购能力、供应商合作关系、竞争格局，估算可实际触达的份额。这一步最依赖经验判断，建议做敏感性分析。
4.3 案例拆解：某新能源车企测算动力电池采购市场规模
为便于理解，我们以一家新能源车企（以下简称“A车企”）测算 2025 年动力电池采购市场规模为例，完整演示自上而下法的应用。
背景与约束：A车企 2025 年计划销售新能源汽车 50 万辆，全部为纯电动乘用车，生产基地在中国华东地区。采购部门需要测算动力电池（电芯+模组）的年度采购总金额，以制定预算和供应商谈判策略。已知信息：2025 年中国新能源汽车销量预计 1200 万辆；动力电池系统平均单价约 0.7 元/Wh；单车平均带电量 60kWh。
测算过程：
| 层级 | 过滤条件 | 计算过程 | 结果 |
|---|---|---|---|
| L1 宏观基数 | 中国新能源汽车总销量 | 行业预测数据 | 1200 万辆 |
| L2 行业归属 | 纯电动乘用车占比 | 1200万 × 80% | 960 万辆 |
| L3 产品品类 | 动力电池总需求量 | 960万 × 60kWh = 5.76亿 kWh | 576 GWh |
| L4 地域/客户 | A车企目标销量占比 | 50万 ÷ 960万 | 约 5.2% |
| L5 渗透率 | 实际可采购份额 | 576 GWh × 5.2% × 0.7元/Wh | 约 21 亿元 |
分析判断与操作：采购团队在 L5 层发现，若按 5.2% 的销量占比直接计算，结果为 21 亿元。但考虑到 A车企 2025 年新车型上市初期可能面临供应链爬坡，实际采购量可能只有目标的 85%。因此，团队将渗透率调整为 4.4%（5.2% × 85%），最终预算定为 17.8 亿元。同时，团队用自下而上法（逐车型、逐供应商询价）进行交叉验证，发现结果在 16.5~18.5 亿元区间内，与自上而下法结论基本吻合。
结果与复盘：最终 A车企 以 18 亿元作为 2025 年动力电池采购预算上限。复盘时发现，自上而下法的关键风险在于 L2 层“纯电动占比”和 L5 层“爬坡系数”的假设。若纯电动占比实际为 75%，则总预算需下调约 6%。因此，团队建立了季度复测机制，每季度根据最新销量数据和供应商产能情况更新测算。
4.4 常见误区与总结复盘
在实际应用中，采购经理常犯以下四类错误，需要特别警惕：
- 误区一：基数选择过大或过小。例如测算“工业机器人减速器”市场时，误用“全部机器人市场规模”作为基数，导致结果虚高 3~5 倍。正确做法是使用“精密减速器”这一细分品类的行业数据。
- 误区二：忽略地域差异。全国数据直接套用到区域市场，未考虑产业集聚效应。例如华东地区新能源汽车产量占全国 40% 以上，若按全国平均分配，会严重低估华东区域的采购规模。
- 误区三：渗透率拍脑袋。将 SOM 层渗透率设定为 20% 或 30%，却没有任何供应商产能、竞争格局或客户关系的数据支撑。建议至少参考 3 家主要供应商的产能规划，或历史采购份额变化趋势。
- 误区四：一次性测算，不做动态更新。市场规模是动态变化的，尤其在新兴行业（如储能、氢能），年增长率可能超过 50%。建议建立季度或半年度复测机制，将宏观数据、行业政策、供应商动态纳入更新范围。