# TAM/SAM/SOM Calculator: модель оценки рынка с помощью AI

> Расчёт TAM, SAM и SOM для стартапа с помощью AI: формулы top-down и bottom-up, готовые промпты, пример для SaaS-продукта, таблицы бенчмарков и типичные ошибки.
> Author: Roman Belov · Published: 2026-04-13 · Source: https://futurecraft.pro/ru/blog/tam-sam-som-calculator/

Неубедительная оценка рынка — одна из типичных причин, по которым инвесторы отклоняют питч-деки. Причина не в размере рынка, а в методологии: «TAM $50B» без объяснения источника вызывает больше вопросов, чем доверия.

Статья о том, как построить модель оценки рынка TAM/SAM/SOM, которую можно защитить перед инвесторами. Формулы, два подхода к расчёту, промпты для AI, сквозной модельный пример для SaaS-продукта.

## TAM, SAM, SOM: три уровня оценки рынка

Три метрики решают одну задачу — перевести абстрактное «рынок большой» в конкретные цифры.

**TAM (Total Addressable Market)** — полный объём рынка. Сколько денег тратится на решение проблемы продукта во всём мире или выбранном регионе. TAM отвечает на вопрос: каков максимальный потолок?

**SAM (Serviceable Addressable Market)** — доступный рынок. Часть TAM, которую продукт реально может обслужить с учётом географии, языка, ценовой категории и канала дистрибуции.

**SOM (Serviceable Obtainable Market)** — достижимый рынок. Доля SAM, которую реалистично захватить в горизонте 1-3 лет с текущими ресурсами и командой.

Формулы:

```
TAM = Общее количество потенциальных клиентов × Средний годовой доход с клиента
SAM = TAM × % клиентов, которых продукт может обслужить
SOM = SAM × Реалистичная доля рынка (обычно 1-5% для стартапа)
```

Инвесторы смотрят на TAM для оценки потолка, на SAM для понимания реальной адресуемости и на SOM для проверки адекватности. SOM в 30% SAM в первый год вызовет сомнения.

## Top-Down vs Bottom-Up: два подхода к расчёту TAM/SAM/SOM

### Top-Down: от общего к частному

Берётся общий размер рынка из отчётов (Gartner, Statista, Grand View Research) и сужается до целевого сегмента.

```
TAM = Размер рынка из отчёта
SAM = TAM × Доля целевого сегмента × Доля региона
SOM = SAM × Ожидаемая доля рынка
```

Плюсы: быстро, опирается на авторитетные источники, понятен инвесторам.

Минусы: отчёты дают оценки с разбросом 20-40%, сегментация приблизительная, легко завысить цифры.

### Bottom-Up: от частного к общему

Расчёт строится от конкретных клиентов: количество компаний в целевом сегменте × средний чек × частота покупки.

```
TAM = Количество компаний в категории × Средний годовой контракт
SAM = Количество компаний с нужным профилем × Средний контракт для этого сегмента
SOM = Количество клиентов за год × Средний контракт × Коэффициент конверсии
```

Плюсы: опирается на реальные данные, проверяем, демонстрирует понимание клиента.

Минусы: требует больше данных, может занизить рынок при неполных источниках.

Лучшая практика: считать обоими методами и показать сравнение. Если top-down даёт $2B, а bottom-up $1.8B — это сильный сигнал адекватности. Расхождение в 3-5 раз означает ошибку в допущениях.

## Пошаговый расчёт TAM/SAM/SOM для SaaS

Разберём на примере. Продукт: SaaS-платформа для автоматизации email-маркетинга для e-commerce компаний среднего размера (100-1000 сотрудников) в США и Западной Европе.

### Шаг 1. Определить границы рынка

Перед расчётами зафиксируйте параметры:

| Параметр | Значение |
|---|---|
| Целевой клиент | E-commerce компании, 100-1000 сотрудников |
| География | США + Западная Европа |
| Ценовая категория | $500-$2000/месяц |
| Проблема | Автоматизация email-маркетинга |

### Шаг 2. TAM (Top-Down)

Рынок email-маркетинга в 2025 году оценивается в $12.6B (Statista, 2024). Прогноз на 2028: $17.9B при CAGR 12.3%.

TAM для автоматизации email-маркетинга:

```
TAM = $12.6B × 45% (доля автоматизации в email-маркетинге) = $5.67B
```

### Шаг 3. SAM (сужение до сегмента)

```
Компании 100-1000 сотрудников: 34% рынка email-маркетинга
E-commerce вертикаль: 28% среднего бизнеса
География (США + Западная Европа): 62% глобального рынка

SAM = $5.67B × 0.34 × 0.28 × 0.62 = $334M
```

### Шаг 4. TAM (Bottom-Up, верификация)

```
E-commerce компании 100-1000 сотрудников в США + Западная Европа: ~87 000
Из них используют email-маркетинг: ~78 000 (90%)
Средний годовой контракт: $12 000 ($1 000/месяц)

TAM (bottom-up) = 78 000 × $12 000 = $936M
```

Bottom-up TAM ($936M) ниже top-down ($5.67B) — это логично: bottom-up считает конкретный сегмент, top-down включает все размеры компаний. Для SAM-уровня bottom-up даёт $936M против $334M top-down. Расхождение в 2.8 раза допустимо и объясняется тем, что top-down мультипликаторы консервативны.

### Шаг 5. SOM (реалистичный прогноз)

```
Конверсия из trial: 8%
Leads за год: 5 000
Клиенты за первый год: 400
Средний годовой контракт: $12 000

SOM (Year 1) = 400 × $12 000 = $4.8M
SOM как % от SAM = 4.8 / 334 = 1.4%
```

1.4% SAM в первый год — адекватная цифра для стартапа на конкурентном рынке.

### Итоговая таблица

| Метрика | Top-Down | Bottom-Up | Используем |
|---|---|---|---|
| TAM | $5.67B | $936M | $5.67B (общий рынок) |
| SAM | $334M | $936M (пересечение) | $334-936M (диапазон) |
| SOM (Year 1) | — | $4.8M | $4.8M |
| SOM (Year 3) | — | $18M | $18M |

## Промпты для AI-расчётов TAM/SAM/SOM

AI ускоряет сбор данных и валидацию допущений. Промпты ниже работают с Claude, GPT-5.4 и Gemini.

### Промпт 1. Определение TAM (Top-Down)

```
Задача: рассчитать TAM для [описание продукта].

Контекст:
- Продукт: [что делает]
- Целевой рынок: [индустрия, география]
- Ценовой сегмент: [диапазон цен]

Шаги:
1. Найди 3-5 источников с оценкой размера рынка [название рынка] за 2024-2025
2. Укажи источник, год, методологию и цифру для каждого
3. Рассчитай TAM для моего сегмента, объясни каждый множитель
4. Покажи формулу и промежуточные вычисления
5. Дай оценку CAGR на 3 года

Формат: таблица источников, формула расчёта, итоговая цифра с диапазоном ±20%.
```

### Промпт 2. Bottom-Up расчёт SAM

```
Задача: рассчитать SAM методом bottom-up для [описание продукта].

Параметры:
- Целевой клиент: [размер компании, индустрия, география]
- Средний контракт: [ACV]
- Каналы продаж: [список]

Шаги:
1. Оцени общее количество компаний, соответствующих профилю
2. Укажи источники данных (Crunchbase, LinkedIn, Bureau of Labor Statistics и др.)
3. Рассчитай % компаний, которые уже покупают аналогичные решения
4. Примени фильтры: платёжеспособность, технологическая готовность, доступность через каналы продаж
5. Итоговый SAM = количество целевых компаний × ACV

Для каждого допущения укажи источник или обоснование.
```

### Промпт 3. SOM и захват рынка

```
Задача: рассчитать реалистичный SOM на 1 и 3 года для [описание продукта].

Входные данные:
- SAM: [цифра]
- Текущие клиенты: [количество]
- MRR: [цифра]
- Каналы привлечения: [список с конверсиями]
- Команда продаж: [размер]
- Бюджет на маркетинг: [месячный]

Шаги:
1. Рассчитай воронку: leads → trials → платящие клиенты (по каждому каналу)
2. Учти органический рост и виральность (если применимо)
3. Учти churn (используй бенчмарки для [индустрия] SaaS)
4. Покажи помесячный прогноз Year 1 и годовой Year 1-3
5. Сравни SOM/SAM % с бенчмарками стартапов на аналогичной стадии

Формат: таблица с помесячной разбивкой Year 1, годовая Year 1-3.
```

### Промпт 4. Валидация допущений

```
Задача: проверить адекватность расчёта TAM/SAM/SOM.

Мой расчёт:
- TAM: [цифра, метод, ключевые допущения]
- SAM: [цифра, метод, ключевые допущения]
- SOM: [цифра, метод, ключевые допущения]

Проверь:
1. Соотношение TAM→SAM→SOM (типичные пропорции для [стадия] стартапа)
2. Каждое допущение: есть ли данные, подтверждающие или опровергающие
3. Сравни с публичными данными конкурентов (revenue, market share)
4. Укажи 3 самых рискованных допущения и как их проверить
5. Дай confidence score (1-10) для каждой метрики

Формат: таблица допущений с оценками, список рисков, рекомендации.
```

## Бенчмарки TAM/SAM/SOM по стадиям

Инвесторы сверяют цифры с типичными диапазонами. Выход за эти рамки требует объяснения.

| Стадия | TAM | SAM | SOM (Year 1) | SOM/SAM |
|---|---|---|---|---|
| Pre-Seed | $1-10B | $100M-1B | $0.5-2M | 0.1-0.5% |
| Seed | $5-50B | $500M-5B | $2-10M | 0.2-1% |
| Series A | $10-100B | $1-10B | $10-50M | 0.5-2% |
| Series B+ | $50B+ | $5B+ | $50-200M | 1-5% |

Пропорции, на которые обращают внимание:

- **SAM/TAM**: обычно 5-20%. SAM в 80% TAM означает слишком широкие фильтры.
- **SOM/SAM (Year 1)**: 0.5-3% для стартапа. Выше 5% в первый год — неубедительно.
- **CAGR рынка**: 10-30% для растущих сегментов. Ниже 5% — зрелый рынок, инвесторам менее интересно.

## Типичные ошибки в market sizing

### Ошибка 1. TAM = весь рынок

«Рынок CRM составляет $80B» — это не TAM продукта. TAM инструмента для управления контактами в малом бизнесе — совсем другая цифра. Инвесторы мгновенно распознают подмену.

### Ошибка 2. Один источник данных

Аналитические отчёты расходятся. Gartner может оценить рынок в $15B, Grand View Research — в $22B, Mordor Intelligence — в $11B. Использование одного отчёта без объяснения выбора ослабляет позицию.

### Ошибка 3. SOM без обоснования

«Захватим 10% рынка за 3 года» без расчёта воронки привлечения. SOM строится снизу вверх: каналы → лиды → конверсия → клиенты → выручка.

### Ошибка 4. Статичная модель

Рынок растёт или сжимается. Конкуренты появляются. Модель без CAGR и сценарного анализа устаревает за полгода.

### Ошибка 5. Игнорирование конкурентов

Если топ-5 конкурентов занимают 70% SAM, получить 5% за первый год нереалистично. Модель должна учитывать competitive landscape.

## Сценарный анализ TAM/SAM/SOM с AI

Статичная оценка рынка полезна, но инвесторов убеждает сценарный анализ. Три сценария показывают диапазон возможных исходов.

```
Задача: построить сценарный анализ TAM/SAM/SOM.

Базовый расчёт:
- TAM: $5.67B
- SAM: $334M
- SOM Year 1: $4.8M

Построй три сценария:

Консервативный:
- CAGR рынка: 8% (вместо 12%)
- Конверсия trial: 5% (вместо 8%)
- ACV снижается на 15% из-за ценовой конкуренции

Базовый:
- Текущие допущения без изменений

Оптимистичный:
- CAGR: 18%
- Конверсия trial: 12%
- Upsell увеличивает ACV на 20% к Year 2

Для каждого сценария покажи TAM/SAM/SOM на Year 1 и Year 3.
Формат: сравнительная таблица.
```

Пример результата:

| Метрика | Консервативный | Базовый | Оптимистичный |
|---|---|---|---|
| TAM (Year 3) | $7.1B | $8.0B | $9.3B |
| SAM (Year 3) | $422M | $474M | $550M |
| SOM (Year 1) | $2.6M | $4.8M | $7.2M |
| SOM (Year 3) | $9.6M | $18M | $32.4M |

Каждая ячейка выводится из параметров сценария: TAM Year 3 = $5.67B × (1 + CAGR)³, SAM — те же сегментные множители (34% × 28% × 62%), SOM Year 1 = 5 000 лидов × конверсия × ACV (в консервативном ACV снижен на 15%), SOM Year 3 масштабирует базовые $18M на изменённые конверсию и ACV. Разброс SOM Year 3 от $9.6M до $32.4M показывает чувствительность модели к допущениям. Инвесторы ценят прозрачность больше, чем одну «правильную» цифру.

## Источники данных для market sizing

Качество расчёта зависит от качества входных данных. Основные источники:

| Источник | Что даёт | Доступ |
|---|---|---|
| Statista | Размеры рынков, прогнозы | Платный (от $199/мес) |
| Grand View Research | Детальные отчёты по индустриям | Платный (от $2500/отчёт) |
| Gartner | Magic Quadrant, рыночные оценки | Платный (enterprise) |
| Crunchbase | Данные о компаниях, funding rounds | Freemium |
| LinkedIn Sales Navigator | Количество компаний по фильтрам | $99/мес |
| Bureau of Labor Statistics | Статистика по индустриям (США) | Бесплатно |
| Census Bureau | Данные по бизнесам (США) | Бесплатно |
| Eurostat | Статистика по бизнесам (ЕС) | Бесплатно |
| SEC filings (10-K) | Revenue публичных конкурентов | Бесплатно |
| CB Insights | Рыночная аналитика | Платный |

AI помогает собрать и систематизировать данные из открытых источников, но платные отчёты дают более точные цифры. Для seed-стадии обычно хватает комбинации бесплатных источников и 1-2 платных отчётов.

## Как представить TAM/SAM/SOM инвесторам

**Один слайд.** TAM/SAM/SOM помещаются на один слайд питч-дека. Концентрические круги или воронка — стандартная визуализация.

**Показать оба метода.** «TAM $5.67B (top-down, Statista 2025) / $936M (bottom-up, 87K компаний × $12K ACV)». Два числа убедительнее одного.

**Объяснить каждый множитель.** Не «SAM = $334M», а «SAM = $5.67B × 34% (mid-market) × 28% (e-commerce) × 62% (US+EU) = $334M». Инвестор понимает, откуда взялась каждая цифра.

**Привязать SOM к операционному плану.** SOM $4.8M в Year 1 = 400 клиентов × $12K ACV. 400 клиентов = 5000 leads × 8% конверсия. 5000 leads = контент-маркетинг (2000) + paid acquisition (2000) + partnerships (1000). Каждый слой проверяем.

**Footnotes с источниками.** Каждая цифра из внешних источников имеет ссылку. «Email marketing market size: $12.6B (Statista, 2024)» на сноске слайда.

## С чего начать расчёт TAM/SAM/SOM

Расчёт укладывается в пять шагов:

1. Зафиксировать параметры: кто клиент, какой продукт, какая география, какой ценовой диапазон
2. Рассчитать TAM top-down: найти 3-5 отчётов по рынку, взять медианное значение, применить фильтры сегмента
3. Рассчитать TAM/SAM bottom-up: посчитать количество целевых компаний, умножить на ACV
4. Сравнить результаты двух методов и объяснить расхождение
5. SOM строить от воронки: каналы → лиды → конверсия → клиенты → выручка

AI сокращает работу с данными с дней до часов. Промпты из статьи подходят для Claude, GPT-5.4 и Gemini. Главное правило: AI помогает с расчётами, но каждое допущение нужно проверить вручную.

Связанная тема: [Unit Economics для SaaS: как считать LTV, CAC и Payback с помощью AI](/ru/blog/unit-economics-calculator-ai/) разбирает следующий уровень финансового моделирования после оценки рынка.

---

*Нужна помощь с оценкой рынка и стратегией запуска продукта? Я помогаю стартапам внедрять AI-решения и строить продукты — [belov.works](https://belov.works).*