编辑导语：结合用户规模测算，企业可以适当制定产品的用户增长目标，实现相对精准的测算。那么，用户规模测算一般应用于什么场景？用户规模测算的流程是什么？本篇文章里，作者总结了用户规模测算的定义和测算的相应流程，一起来看一下吧。

一、前言

用户规模测算，起源于市场规模测算（market sizing），是咨询及很多行业工作中常用的一种技能，在面试中也经常会遇到case interview来考察思维，比如：中国有多少秃头？浙江未来一年需要吃多少猪肉？

虽然通常看起来不知如何下手，实际上有相对比较成熟的方法去解决：通过问题定义、拆分成计算公式、公式中的每个指标可被量化赋值：

1. 自上而下法，也被称之为「从供应端出发」，从产能方面，比较适合供给端存在瓶颈，供<求，例如下雨天不好打车，用户需求远远高于司机供给，只能通过司机能提供多少供给去测算单量。
2. 自下而上法，也被称之为「从需求端出发」，从用户需求方面，比较适合供给端能满足用户需求的情况，供>求。

按照这类方法的特点是：

1. 偏于宏观方面的估计；
2. 测算方法相对成熟；
3. 测算速度比较快，测算精度上有待不足。

测算精度的问题主要是基于每一步计算过程都是数量级的估算，导致颗粒度比较粗，但企业中一般存在相对精确的数据，因此可以使用市场规模测算的方法做出相对精确的测算，本文着重介绍市场规模测算中的自下而上法在企业中的应用。

二、用户规模测算的使用场景？

对于公司来讲，产品上线之后，通常需要设立用户增长目标，设置过高的目标往往难以达成，过低的目标通常过于容易达成，进行用户规模测算可以为用户增长提供适当的参考范围。

1. 对于不同的产品阶段都可以使用，比较推荐新产品上线阶段，这时候往往还没有那么快去设立增长目标，这时候业务方对于业务增长的信息较为模糊，通过用户规模测算可以设置一个较为清晰的目标和数量级。
2. 在制定年度规划阶段，对于未来的增长目标不确定，可以通过此确定量级。

三、为什么不直接用数据库里面的数据去预测？

这个问题确实值得被考虑，而且在大数据分析领域中，也有各种模型预测，为什么不用数据分析模型去进行，而使用调研去获得相应的数据，如果数据层面有相应的行为数据可以进行相对准确地预测，则也可以数据模型预测，比如电商、快销品等。

实际上，除了行为数据之外，还有用户态度数据，比如需求情况、购买意愿、购买偏好等，这些很有可能无法通过数据库数据得到，因此可以通过问卷进行推算。

四、测算的流程是怎样的呢？

先来划分一下市场：

• 潜在市场：这个潜在的需求有多大。
• 可服务市场：有多少需求已经被满足了，满足需求的形式不限。
• 可获得市场：有多少需求被我们满足了。
• 独占市场：有多少需求是别人无法满足的，只使用我们去满足的。

如何去获得相应数据呢？

我们通过问卷抽样，来确定每个切分市场所代表的部分，然后按照问卷抽样推算总体的情况。

这个总体可以分成：域内总体和域外总体，总体由用户导流来决定，比如如果是一个新产品的孵化，一般会从域内先去导流，通过域内的流量能做前期的产品价值点验证，再逐步拓展。如果是领域有明显差别，需要从域外导流，那么后续的用户增长目标大概率由域外向域内的流量或者是线索。

1. 第一步：通过问卷得到需求和使用数据

根据目标设计问卷问题，在总体用户中进行问卷投放，投放问卷得到相应占比。

2. 第二步：获得总体大盘的相应数据

如果是域内导流的产品，则总体数据既是大盘数据（特别地：抽样期间的大盘数据）；如果是域外导流的产品，则总体数量可以选择市场占有率计算。市场占有率的计算方式，可以去第三方平台投递问卷，经过计算得到相应的数据。

3. 第三步：计算产品数据

根据总体大盘数据和问卷相关比例，计算产品日活（highcase～lowcase）：

• highcase，属于最大需求量。
• basecase，属于某产品满足需求的情况，可以作为基准线，basecase可以。
• lowcase，属于某产品优先满足需求的情况，独占市场的份额。

4. 第四步：计算细分需求量、使用情况等

除了日活、月活、销量等数据，还可以计算细分数据，比如行业、职业、会员等，可以采取同样的思路进行计算，为细分领域的拓展提供思路。

在这里需要注意的是也需要考虑大盘中的量，最终的需求量、使用量是有总体大盘的数量、针对该产品的需求量来决定的。

需求占比=所在总体中的细分领域用户规模比例*细分领域有需求的用户占比

五、案例

我们通过问卷获得了以下的数据：

看到最后，大家会不会好奇？

作者：鱼日；公众号：酷家乐用户体验设计

本文由 @酷家乐用户体验设计 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议