Communitygithub.com

Agent de Dimensionnement du Marché (TAM/SAM/SOM)

Calculateur TAM/SAM/SOM associé à une recherche de marché approfondie. Génère un fichier market-sizing.md complet avec des estimations top-down et bottom-up, la méthodologie, les sources de données, les hypothèses, les plages de sensibilité, les projections de croissance, le paysage concurrentiel et des visualisations Mermaid. À utiliser lorsque l'utilisateur a besoin d'estimations de taille de marché, d'analyse de marché adressable, de dimensionnement go-to-market, d'analyse de marché prête pour les investisseurs ou de validation de marché pour un plan d'affaires.

Qu'est-ce que SAM/SOM) ?

Cet agent est spécialisé dans la production d'analyses rigoureuses, de qualité investisseur, du marché total adressable (TAM), du marché adressable disponible (SAM) et du marché obtenable (SOM). Il combine des données macroéconomiques descendantes (top-down) avec des économies unitaires ascendantes (bottom-up), les triangule, et présente toujours le raisonnement, cite les sources, signale les hypothèses et fournit des plages de sensibilité. L'agent prend en charge toutes les plateformes compatibles avec les skills d'IA (Claude Code, Cursor, Codex, etc.) et fonctionne comme un agent autonome. Il nécessite quatre entrées clés (industrie, produit/service, géographie, segment cible) et suit un flux de travail en neuf étapes, de la confirmation des entrées à la génération d'un rapport market-sizing.md complet. Le rapport inclut des calculs détaillés, des visualisations Mermaid, une analyse de sensibilité, des projections de croissance sur cinq ans et une cartographie concurrentielle, le tout basé sur des recherches documentées et des sources datées. L'agent est particulièrement utile pour les entrepreneurs, les analystes produit, les consultants en stratégie et toute personne préparant un plan d'affaires, un pitch investisseur ou une validation de marché.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/OneWave-AI/claude-skills/tree/HEAD/market-sizing

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Agent de Dimensionnement du Marché

Produisez des analyses TAM/SAM/SOM rigoureuses et de qualité investisseur en combinant des données macroéconomiques descendantes avec des économies unitaires ascendantes, en triangulant les deux, et en montrant toujours le travail, en citant les sources, en signalant les hypothèses et en fournissant des plages de sensibilité.

Contenu

  • references/research-sources.md — catégories de sources et requêtes de recherche pour chaque piste de recherche.
  • references/methodology.md — approche descendante, ascendante, triangulation, sensibilité, croissance, dimensionnement concurrentiel et pièges.
  • references/output-template.md — le modèle complet du document market-sizing.md, graphiques Mermaid et liste de contrôle qualité.

Entrées

Confirmez ces quatre entrées avant de procéder. Si l'une d'entre elles est manquante ou ambiguë, demandez d'abord.

ParamètreDescriptionExemple
IndustrieLe secteur ou l'industrie large"SaaS Entreprise", "Véhicules Électriques"
Produit/ServiceL'offre spécifique à dimensionner"Outil de revue de code alimenté par l'IA"
GéographieLa zone géographique du marché cible"États-Unis", "Monde", "Région DACH"
Segment CibleLe segment de clientèle spécifique"Entreprises de taille moyenne (100-1000 employés)"

Flux de travail

  1. Confirmez les quatre entrées avec l'utilisateur ; résolvez toute ambiguïté avant la recherche.
  2. Recherchez d'abord. Rassemblez et citez les données sur les quatre pistes (données sectorielles, revenus des concurrents, taux de croissance, économies unitaires). Voir references/research-sources.md. Enregistrez chaque URL de source et sa date au fur et à mesure.
  3. Effectuez le calcul descendant : le chiffre du marché le plus large, puis les filtres géographiques, de segment et d'adéquation produit, puis un taux de capture SOM réaliste. Voir references/methodology.md.
  4. Effectuez le calcul ascendant : nombre de clients multiplié par le revenu moyen par client, réduit à la clientèle joignable et obtenable. Voir references/methodology.md.
  5. Triangulez les approches descendante et ascendante, expliquez tout écart supérieur à 2x, et produisez une estimation pondérée optimale.
  6. Effectuez l'analyse de sensibilité : scénarios conservateur, de base et agressif, ainsi que les 3 à 5 variables clés.
  7. Projetez la taille du marché sur 5 ans et dimensionnez le paysage concurrentiel (répartition des parts, principaux concurrents, barrières, positionnement).
  8. Générez market-sizing.md en utilisant la structure dans references/output-template.md. Montrez tous les calculs, citez chaque chiffre et vérifiez par rapport à la liste de contrôle qualité avant de livrer.
  9. Présentez le résultat, puis proposez d'ajuster les hypothèses, d'explorer des définitions de marché alternatives ou d'approfondir.

Règles

  • Montrez tous les calculs ; ne présentez jamais un nombre sans montrer comment il a été dérivé.
  • Citez chaque point de données avec une URL de source et une date ; privilégiez les données des 12 à 24 derniers mois et signalez toute donnée plus ancienne.
  • Signalez explicitement l'incertitude lorsque les données sont rares ou contradictoires. Ne fabriquez jamais de précision.
  • Triangulez à partir d'au moins 2 à 3 sources indépendantes lorsque cela est possible.
  • Normalisez tous les chiffres dans une seule devise et une seule année de référence.
  • Pas d'émojis dans la sortie. Évitez les pièges listés dans references/methodology.md.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

OneWave-AI/claude-skills

Deploy a 2-layer parallel agent hierarchy for large, parallelizable work — big refactors, multi-file migrations, codebase-wide audits, bulk generation. A top-tier commander (Fable or Opus) orchestrates the swarms; the user picks a power level (Max Power / Heavy / Balanced / Economy) that sets the Opus/Sonnet/Haiku model mix per layer. Layer 1 is 3-50+ specialist agents, each with its own full context window; Layer 2 is 2+ sub-agents per member. Includes git safety, tiered sizing, a pre-deploy gate, phantom-completion checks, and multi-wave follow-up.

OneWave-AI/claude-skills

Generate animated videos and motion graphics from natural language descriptions. Creates a standalone Vite + React project with Framer Motion scenes that auto-play in the browser. Use when the user wants to create animations, motion graphics, video intros, animated presentations, or product demos.

OneWave-AI/claude-skills

Use before starting a product, feature, MVP, agent, automation, or integration build to identify the main pre-build risk and choose the smallest validation step. Trigger when the user asks whether to build, scope, validate, prioritize, or sanity-check an idea before implementation.

OneWave-AI/claude-skills

Post-mortem analysis when a client churns. Takes client history, engagement data, support tickets, usage logs, and exit feedback to produce a comprehensive churn autopsy with root cause classification, timeline of decline, and preventive measures.

OneWave-AI/claude-skills

Compose a premium, animated landing page section by section in Next.js + Tailwind + Motion (Framer Motion) — built on a real design system, with editorial copy and motion that feels human-crafted, not template-generated. Use when building or rebuilding a landing page, marketing site, or hero/feature/pricing/CTA sections that need to look production-ready and bespoke from day one.

OneWave-AI/claude-skills

Assemble 2-3 complementary experts to collaboratively analyze anything. Experts work together to explore topics from multiple expert angles.

OneWave-AI/claude-skills

Convert any topic into playable browser games. Types: trivia, matching, word puzzles, adventure games. Uses Phaser.js or Kaboom.js.

OneWave-AI/claude-skills

Turn a marketing brief or product offer into a finished short-form video ad built in HyperFrames — hook, script, shot-by-shot storyboard, scene-by-scene HTML composition, captions, and voiceover. Outputs platform cuts (vertical 9:16, square, 16:9). Use when you need a launch ad, product promo, social video, or paid-creative concept ready to render.

OneWave-AI/claude-skills

Turn a website URL, product docs, or a founder's rambling description into a tight 60-90 second explainer video built in HyperFrames -- problem/solution narrative, animated product walkthrough scenes, captions, and voiceover, ready for the homepage hero, sales emails, and onboarding.

OneWave-AI/claude-skills

Build promo videos for local businesses in HyperFrames -- the new-menu drop, the seasonal offer, the event announcement, the "we're hiring" post, the Google Business Profile clip. Restaurant, salon, gym, trades: 15-30 seconds, brand-clean, captioned, sized for Instagram, Facebook, and the profile.

OneWave-AI/claude-skills

Build a personalized product-demo or sales-walkthrough video in HyperFrames for a specific prospect or account — narrated screen-by-screen, branded to them, ending in a clear next step. Turns a generic demo into a "this was made for me" asset for outbound, follow-up, or deal acceleration. Use when you want to send a tailored video instead of booking another live call.

OneWave-AI/claude-skills

Turn real customer reviews, quotes, and case-study results into polished social-proof videos built in HyperFrames -- single-testimonial spotlights, review-wall montages, and stat-driven proof reels with captions and voiceover, cut for vertical, square, and wide. The highest-converting content most businesses never make.

OneWave-AI/claude-skills

Audit a codebase for LLM calls that are really classifications in disguise, then produce a costed swap plan for a System One model. Use when asked to cut AI inference cost or latency, when scoping a performance engagement for a client, when reviewing an agent loop that feels slow, or when asked "where could we use Jev here". Produces a ranked table of candidates with measured latency and dollar deltas.

OneWave-AI/claude-skills

Build and run a labelled eval set for a System One model (Jev, Von, or any typed-decision config), then sweep criteria wordings and thresholds against it. Use when a Jev/Von classification is wrong or unreliable, when choosing between the hosted API and a local open model, when tuning noul thresholds, or before shipping any typed-decision feature. Produces an accuracy-by-wording matrix and a calibrated threshold.

OneWave-AI/claude-skills

Wire a System One model (Jev, or an open reproduction like Von) into a product feature — routing, guardrails, scoring, classification. Use when replacing an LLM call that returns a label rather than prose, when adding a typed decision to an agent loop, or when deciding between the hosted Jev API and a local open model. Covers question design, the eval-set-first workflow, threshold calibration, confidence gates, and the traps measured on real data.

OneWave-AI/claude-skills

Optimize landing pages for conversions, performance, and SEO. Use when improving landing pages, increasing conversions, or optimizing page performance.

OneWave-AI/claude-skills

Generate unique personalized first lines for hundreds of prospects using company news, LinkedIn activity, and mutual connections. Saves 10+ hours of manual research per campaign. Use when you need personalized outreach at volume.

OneWave-AI/claude-skills

Review investment portfolios for risk, diversification, fees. Asset allocation recommendations, tax-loss harvesting, rebalancing.

OneWave-AI/claude-skills

Create multiple choice, true/false, fill-in-blank, matching quizzes. Auto-generate plausible distractors. Instant grading with explanations.

OneWave-AI/claude-skills

Enhanced skill navigator that maps conversation history, recommends multi-skill chains, identifies patterns from past usage, and learns from session outcomes. Goes beyond basic scout with deep context analysis and workflow orchestration.

Skills associés