当前位置:首页 > 科研成果库

分母归谁:市场应用规模测算的口径歧路与真实边界

2026-11-18 03:17:12小研科研成果库9

去年冬天,我同时拿到两份关于同一个细分应用市场的行业报告。一份写这个赛道年规模一千两百亿,另一份写三百八十亿。

两份报告都出自有名有姓的机构,都附了脚注、样本说明和访谈数量。数字差了三倍。

这不是孤例。凡是稍微复杂一点的应用领域,你都能翻出若干份互相打架的材料。差异通常被一句“统计口径不同”轻轻带过——但口径究竟是什么,为什么会不同,很少有人愿意往里再走一步。走进去之后会发现,那里不是细节问题,而是整个结论的地基。

先问一句:这个数是量出来的,还是算出来的

市场应用规模的基本式子是单价乘以数量。听上去像小学算术。

麻烦在于两端都不老实。单价这一头,含税不含税、出厂价还是终端零售价、是否把服务费和订阅打包进来,每换一次口径,结果就动一次。数量那一头更热闹:出货量、激活量、在用量、联网量、月活设备数,每一个词背后都是一套不同的测量方式。

举个具体的。某类智能硬件出厂价六百元,渠道加价后终端卖九百九十九,线上还有平台补贴在中间搅动。你用出厂价乘出货量,得到一个数;用零售价乘激活量,得到另一个数。两个数都真实存在,都能自圆其说。可你如果拿它们去做产能规划或者渠道备货,一个能落地,另一个会让你在仓库里堆上半年。

智能硬件出货量与终端激活量口径差异数据图智能硬件出货量与终端激活量口径差异数据图

存量与流量之间横着一把剪子

出货量是流量,在用量是存量。两个概念之间隔着库存、损耗、报废、退货、二手流转,以及经销商压在手里不敢退的那一批。

讲个反例。某家用设备品类某年出货约两千一百万台。有研究直接拿这个数当分母去推渗透率,算出来接近三成,结论写得相当乐观。可同期运营商侧的联网激活设备不到一千三百万,其中真正保持月度活跃的不超过九百万。

剩下那一千多万台在哪?一部分躺在区域代理的仓库里,一部分在门店样机位,一部分已经装上了但从未配网。它们在出货量的意义上存在,在应用的意义上不存在。

由此引出一条操作上的约束:任何以出货量为基础的规模推导,都应当标明一个转化系数,并且这个系数要来自与出货方独立的信源。如果拿不到独立信源,那结论的正确写法是区间估计,而不是一个漂亮的点估计。

另外还得看时间窗口。自然年、财年、滚动十二个月,三种切法在同一组数据上能差出两位数的百分比。跨年度的比较如果不注明窗口,基本没有意义。

自下而上、自上而下,各有各的翻车方式

自下而上的路子是抽样企业、加总营收、外推全行业。逻辑干净,但采样天然偏斜。愿意接受访谈、愿意披露经营数据的,多半是规模偏大或者正在融资的主体。真正撑起长尾的小散经营者,系统性地缺席。同时还有存活者偏差在起作用——倒掉的那批不会出现在样本里,于是行业增速被悄悄抬高。

自上而下则是拿一个更大的行业盘子按比例切分。问题出在统计分类的颗粒度上。一个新应用刚冒头的时候,对应的统计科目还不存在,它会被临时归进“其他”里。等科目建起来,前后两年的数据已经不可比了。

还有一条路是类比。找一个成熟品类做参照,按渗透曲线的形状平移过来。前提是两者的替代关系、价格弹性、渠道结构大致相似。这个前提很少成立,也很少被认真检验。有人拿彩电的普及曲线去套智能家居,忽略了前者当年的渠道是国美苏宁式的集中铺货,后者走的是装修公司和地产前装——节奏完全不同。

自下而上抽样外推偏差与存活者偏差示意图自下而上抽样外推偏差与存活者偏差示意图

渗透率的分母,从来不是中性的

同一组用户数据,换一个分母,故事就换一个。

分子不动。分母取全体家庭数,渗透率可能只有百分之几,值得大书特书的蓝海。分母换成城镇家庭,翻一倍。再限定到有相关消费习惯的那部分人群,又能翻一倍多。三份材料,三种情绪,同一批用户。

所以看到渗透率,第一件事是追问分母是谁、为什么是他。分母的选择往往发生在结论之前,而不是之后。它是立场,不是技术。

同理还有地域口径。全国、一二线、华东六省一市,各自能讲出不同的增长率。把某个高线城市的数据直接外推到全国,是这类研究里重复率最高的一种失误。

当这个数字开始参与分配

当这个数字开始参与分配当这个数字开始参与分配

到了产业中后期,规模测算会反过来作用在市场本身。融资节奏、补贴门槛、招商谈判、采购预算,都挂在这个数字上。

于是供给方有动力把它报大,需求方的采购和审批部门有动力把它报小。这不是道德问题,是激励结构问题。识别的方法也不复杂:看谁出的钱,样本从哪里来,结论最后服务于哪一方的议程。

分歧有时候不在于方法,只在于位置。

把规模先放一放,问另外三个数

把规模先放一放,问另外三个数把规模先放一放,问另外三个数

我不太主张彻底否定规模测算。它在资源调配、政策制定、基础设施投入上仍然有用。但它的用途是粗粒度的,不适合拿来回答“这门生意现在能不能做”这种细问题。

真要做判断,可以先问三个别的数:在用量到底是多少、用户月均使用频次是多少、每次使用的变现强度是多少。

这三个数加在一起,往往比一个千亿更能说明问题。规模是结果。它是被前面那几个变量推出来的,不是前提。

搞反了顺序,就容易在热词退潮之后,对着一仓库型号过时的设备发愣。