Market sizing bottom-up czy top-down: jak dobrać metodę i co zrobić, gdy wyniki się rozjeżdżają

Na biurku leżą dwa slajdy: pierwszy mówi, że rynek wart jest 380 mln zł, drugi – że 620 mln zł. Oba powstały rzetelnie, oba mają rozpisaną metodologię, oba dotyczą tej samej kategorii i tego samego roku. Taka sytuacja nie musi oznaczać błędu wykonawcy, lecz może wynikać z tego, że pytanie Market sizing bottom-up czy top-down? rozstrzyga o dwóch odmiennych logikach dochodzenia do liczby – i właśnie różnica między nimi może nieść informację, której żadne pojedyncze oszacowanie nie dostarczy.

Czym różni się market sizing bottom-up od top-down i kiedy stosować każdą z metod?

Podstawowa różnica dotyczy kierunku rozumowania. Modelowanie top-down zaczyna od wielkości szerokiej całości – rynku nadrzędnego, kategorii statystycznej, wydatków gospodarstw domowych w danej grupie – i zawęża ją kolejnymi filtrami udziałowymi aż do interesującego segmentu. Modelowanie bottom-up idzie odwrotnie: startuje od jednostki elementarnej (klienta, punktu sprzedaży, transakcji, urządzenia) i mnoży ją przez liczbę takich jednostek w populacji oraz przez częstotliwość i wartość zakupu.

W praktyce projektowej wybór metody rzadko bywa swobodny. Determinuje go dostępność danych. Podejście top-down wymaga wiarygodnego punktu wyjścia na wysokim poziomie agregacji: danych GUS, Eurostatu, sprawozdań branżowych, raportów regulatora, danych celnych czy zestawień izb gospodarczych. Jeśli taki punkt istnieje i jest zdefiniowany w sposób zbliżony do badanej kategorii, top-down daje wynik szybko i z zachowaniem spójności z oficjalną statystyką.

Podejście bottom-up sprawdza się tam, gdzie kategoria jest nowa, hybrydowa albo rozproszona między kilka klasyfikacji statystycznych – czyli tam, gdzie nie da się wskazać jednej liczby nadrzędnej. Wtedy szacowanie wielkości rynku trzeba zbudować od zera lub oprzeć na połączeniu danych wtórnych i pierwotnych: wywiadach z uczestnikami łańcucha dostaw, ankietach na próbie użytkowników, audycie punktów sprzedaży czy danych transakcyjnych partnerów.

Typowe konfiguracje, w których jedna z metod ma przewagę operacyjną, wyglądają następująco:

• Top-down: rynki dojrzałe, objęte sprawozdawczością obowiązkową (paliwa, farmaceutyki, ubezpieczenia, usługi telekomunikacyjne), gdzie istnieje regulator lub izba publikująca dane zbiorcze.
• Bottom-up: kategorie wschodzące, nisze B2B, usługi sprzedawane w modelu projektowym, rynki, na których wartość powstaje z kombinacji sprzętu, licencji i wdrożenia.
• Bottom-up: sytuacje, w których definicja rynku jest węższa niż jakakolwiek dostępna kategoria statystyczna – na przykład segment klientów o określonym profilu użytkowania.
• Top-down: potrzeba szybkiego oszacowania rzędu wielkości przed decyzją o uruchomieniu pełnego badania.

Warto zaznaczyć, że oba podejścia mieszczą się w szerszym zestawie technik składających się na metody market sizingu. Obok nich funkcjonują między innymi modelowanie analogiczne (przeniesienie struktury rynku z kraju referencyjnego przy korekcie o siłę nabywczą i penetrację kategorii) oraz metoda sumy udziałów, w której wartość rynku odtwarza się z danych finansowych zidentyfikowanych graczy powiększonych o oszacowany ogon rozdrobnionej konkurencji.

Jak zbudować oba modele i jak interpretować rozbieżność między nimi?

Rzetelny market sizing bottom-up top-down często polega na zbudowaniu dwóch możliwie niezależnych modeli i skonfrontowaniu ich wyników. Niezależność oznacza tu przede wszystkim, że modele powinny opierać się na odmiennych ścieżkach obliczeń i, o ile to możliwe, niezależnych źródłach kluczowych założeń. Jeśli oba opierają się na tym samym oszacowaniu penetracji kategorii, ich zgodność ma ograniczoną wartość potwierdzającą.

Sekwencja pracy nad modelem bottom-up obejmuje zwykle następujące kroki:

1. Zdefiniowanie jednostki elementarnej – kto lub co generuje pojedynczą transakcję. To decyzja o dużym wpływie na wynik i często pomijana w dokumentacji.
2. Oszacowanie liczebności populacji jednostek – liczby firm z określonego PKD i przedziału zatrudnienia, gospodarstw domowych o danym profilu, zainstalowanej bazy urządzeń.
3. Ustalenie penetracji – jaki odsetek populacji faktycznie kupuje w kategorii. Tu mogą pomóc dane z badania ilościowego na reprezentatywnej próbie.
4. Ustalenie częstotliwości i wartości zakupu – najlepiej z dwóch źródeł: deklaracji nabywców i danych od dostawców, ponieważ deklaracje bywają obciążone.
5. Zsumowanie segmentów – osobno dla każdej grupy o odmiennym profilu zakupowym, nie na uśrednionych wartościach dla całości.

Model top-down buduje się w odwrotnej kolejności, a jego jakość zależy od uzasadnienia każdego kolejnego współczynnika zawężającego. Kluczowe pytanie brzmi: skąd wiadomo, że badany segment stanowi właśnie taki, a nie inny udział kategorii nadrzędnej? Jeśli odpowiedź brzmi „z oszacowania eksperckiego”, model wymaga triangulacji – potwierdzenia współczynnika przez niezależne źródło, na przykład dane sprzedażowe wybranych graczy albo desk research obejmujący sprawozdania finansowe.

Dwie niezależne metody szacowania rzadko dają identyczny wynik, a rozpiętość między nimi może być bardziej informacyjna niż sama liczba – wąski przedział może sygnalizować, że definicja rynku i założenia są stabilne, szeroki wskazuje zmienne, w których wiedza jest najsłabsza i które wymagają dodatkowego pomiaru.

Praktyczna procedura uzgadniania rozbieżności polega na dekompozycji różnicy. Zamiast pytać „która liczba jest prawdziwa”, rozkłada się rozbieżność na czynniki: ile z niej wynika z odmiennej definicji granic rynku, ile z różnicy w przyjętej średniej cenie, ile z założeń o penetracji, a ile z ujęcia lub pominięcia kanałów szarej strefy, importu równoległego czy sprzedaży wewnątrzgrupowej. Po takiej dekompozycji często okazuje się, że większość różnicy generuje jedna lub dwie zmienne – i to na nich należy skupić dalszy fieldwork.

Jakie błędy najczęściej zniekształcają szacowanie wielkości rynku?

Większość rozbieżności w market sizing bottom-up top-down nie wynika z błędów arytmetycznych, lecz z nieświadomych założeń wbudowanych w konstrukcję modelu. Poniżej pułapki obserwowane najczęściej w praktyce projektowej:

• Niedookreślona definicja rynku. Zanim padnie pierwsza liczba, musi być ustalone, czy liczy się wartość w cenach producenta czy detalicznych, czy wliczane są usługi towarzyszące, czy uwzględniany jest rynek wtórny i serwis. Dwa modele oparte na dwóch różnych definicjach nie są rozbieżne – one po prostu mierzą co innego.
• Mnożenie średnich w modelowaniu bottom-up. Pomnożenie średniej liczby klientów przez średnią wartość zakupu i średnią częstotliwość może zniekształcać wynik, gdy pomija zróżnicowanie segmentów oraz zależności między tymi zmiennymi. Na rynkach B2B rozkłady zakupów często są skośne, a niewielka grupa odbiorców może odpowiadać za dużą część wolumenu.
• Kaskada niepewności w modelowaniu top-down. Każdy kolejny współczynnik zawężający zwiększa niepewność wyniku, zwłaszcza gdy współczynniki są oszacowaniami eksperckimi. Model z pięcioma kolejnymi filtrami udziałowymi wymaga szczególnie starannej analizy wrażliwości i uzasadnienia założeń.
• Traktowanie danych syndykatowych jako punktu odniesienia bez sprawdzenia panelu. Raporty branżowe mierzą określony zakres kanałów. Jeśli badana kategoria sprzedaje się w kanałach spoza panelu, dane mogą zaniżać rynek w sposób systematyczny.
• Deklaratywność w badaniu ilościowym. Respondenci mogą zniekształcać deklaracje o częstotliwości i kwotach zakupów. Dane z CATI czy CAWI warto, gdy jest to możliwe, walidować lub kalibrować na podstawie źródeł twardych – danych transakcyjnych, faktur czy sprawozdań.
• Podwójne liczenie w łańcuchu dostaw. Zsumowanie sprzedaży producentów, dystrybutorów i integratorów bez eliminacji obrotów wewnętrznych prowadzi do wielokrotnego ujęcia wartości tych samych produktów lub usług na kolejnych etapach łańcucha dostaw.
• Brak wersjonowania założeń. Model bez rejestru zmian założeń jest nieaudytowalny. Po trzech miesiącach nikt nie odtworzy, skąd wzięła się konkretna liczba w komórce.

Osobne ograniczenie dotyczy horyzontu czasowego. Modelowanie top-down często opiera się na danych historycznych publikowanych z opóźnieniem, natomiast modelowanie bottom-up oparte na fieldworku może uwzględniać nowsze informacje. Porównywanie ich bez korekty o dynamikę kategorii może generować pozorną rozbieżność, która w rzeczywistości wynika z różnicy momentu pomiaru.

Co powinien zawierać dobrze udokumentowany model market sizingu?

Model, którego wyników nie da się zweryfikować, ma ograniczoną użyteczność niezależnie od tego, jak precyzyjna wydaje się liczba końcowa. Poniższa lista pozwala ocenić kompletność dokumentacji przygotowanej przez wykonawcę lub zespół wewnętrzny:

• Definicja rynku zapisana operacyjnie: co wchodzi, co nie wchodzi, na jakim poziomie cen, w jakiej geografii i w jakim okresie.
• Rejestr źródeł z rozróżnieniem na dane pierwotne i wtórne, wraz z datą pozyskania i zakresem, jaki każde źródło pokrywa.
• Lista założeń z uzasadnieniem każdego współczynnika i wskazaniem, które z nich pochodzą z pomiaru, a które z oceny eksperckiej.
• Analiza wrażliwości pokazująca, jak zmienia się wynik przy zmianie kluczowych zmiennych o określony procent.
• Przedział wartości zamiast pojedynczej liczby – scenariusz konserwatywny, bazowy i rozszerzony wraz z opisem, co je różni.
• Zapis dekompozycji rozbieżności między modelem bottom-up a top-down z przypisaniem różnicy do konkretnych zmiennych.
• Opis metody pomiaru danych pierwotnych: technika, próba, dobór respondentów, sposób kalibracji deklaracji.

Modele opatrzone analizą wrażliwości są zwykle łatwiejsze do aktualizacji – zmiana jednego parametru nie musi wymagać przebudowy całej struktury, a odbiorca widzi, które założenia realnie decydują o wyniku.

Najczęściej zadawane pytania

Na czym polega modelowanie bottom-up?

Modelowanie bottom-up polega na odtworzeniu wartości rynku przez zsumowanie transakcji na poziomie jednostki elementarnej – pojedynczego klienta, punktu sprzedaży lub urządzenia. Wymaga ustalenia liczebności populacji, penetracji kategorii, częstotliwości zakupu i średniej wartości transakcji, najlepiej osobno dla każdego segmentu o odmiennym profilu. Dane mogą pochodzić z badań pierwotnych, danych transakcyjnych oraz odpowiednio szczegółowych źródeł wtórnych.

Kiedy podejście top-down wystarczy?

Wystarczy wtedy, gdy istnieje wiarygodne źródło opisujące kategorię nadrzędną, a badany segment stanowi w niej wyraźnie wyodrębnioną i udokumentowaną część – na przykład na rynkach objętych obowiązkową sprawozdawczością regulatora. Sprawdza się także jako szybki test rzędu wielkości przed decyzją o uruchomieniu pełnego fieldworku. Traci wiarygodność, gdy droga od kategorii nadrzędnej do segmentu wymaga kilku współczynników opartych wyłącznie na ocenie eksperckiej.

Co zrobić, gdy obie metody dają różne wyniki?

Rozbieżność należy rozłożyć na czynniki: sprawdzić, czy oba modele używają tej samej definicji rynku, tego samego poziomu cen i tego samego okresu, a następnie ustalić, które zmienne odpowiadają za największą część różnicy. Często jest to jedna lub dwie pozycje – na przykład średnia cena albo penetracja kategorii. Po identyfikacji tych zmiennych warto skierować dodatkowy pomiar właśnie na nie, a wynik raportować jako przedział z opisem scenariuszy, nie jako pojedynczą liczbę.

Jeśli potrzebne jest oszacowanie odporne na pojedynczy błąd założenia, warto rozważyć oszacowanie wielkości rynku dwiema niezależnymi metodami – bottom-up i top-down – wraz z dekompozycją rozbieżności i analizą wrażliwości. Kontakt przez formularz na Humes.pl pozwala omówić zakres danych dostępnych w konkretnej kategorii.