使用 Diffbot 的知识图谱分析您的总潜在市场（TAM）

总潜在市场（TAM） 是——希望是——代表给定产品或服务的潜在收入的大数字。这些数字对于筹款、评估市场饱和度和确定机会的优先次序很有用。

在我们最近发布的使用知识图谱撰写市场情报报告的指南中，我们为虚构的 Acme Energy 创建了一份报告。Acme Energy 为医院提供备用能源服务和缓解能源中断。在本指南中，我们将使用 Diffbot 的知识图谱查找和可视化三个有用的 TAM 相关数据集。

具体而言，我们将了解如何快速显示以下三个可视化效果所需的数据集：

先决条件

访问 Diffbot 的知识图谱（在此处找到两周的免费试用版）)
Google 表格（或等效的电子表格软件）
我将使用 Infogram 来可视化数据。随意使用任何具有制图功能的制图工具。

步骤 1：定义服务集

有三种方法可以计算TAM，最直接的方法之一（如果您有现有的产品或服务）如下：

（# 潜在客户） x （年度合同价值）

在我们的例子中，让我们看一个假设，其中 Acme Energy 销售两套服务。

5,000 美元的 ACV 交易与员工人数少于 500 人的医院
100,000 美元的 ACV 交易，用于拥有超过 500 名员工的医院

因为我们这里有两组不同的客户，所以我们需要分别计算这两个 TAM 并将它们相加。具体而言，我们需要计算以下内容：

（# 雇员少于 500 人的医院） x $5,000
（# 雇员超过 500 人的医院） x $100,000

在下一步中，我们将找到这些公式的第一部分的数字。

第二步：计算总潜在市场

在 Diffbot 的知识图谱中，我们可以根据特定的公司结构查询组织。行业和员工数量都与组织相关联，这使得我们很容易返回计算所需的医院数量。下面我将展示获取数据的两种途径。第一个将利用可视化查询构建器，它允许您以初学者友好的方式制作基本搜索查询。第二种方法涉及使用 Diffbot 查询语言（DQL），该语言稍微复杂一些，但允许对查询进行更大的控制。不熟悉如何使用 DQL？首先，只需粘贴下面键入的查询，或查看我们的 DQL 快速入门指南。

使用可视化查询生成器

我们可以使用几个字段来形成一个初始医院查询：行业、nbEmployees 和位置。首先，选择要返回的实体类型（组织）。然后，只需将位置切换为美国，将行业名称切换为医院，将 nbEmployees 切换为 <=500。

一个快速查询返回超过 100,000 个结果！要获取第二组医院（员工人数超过 500 人），只需更改 nbEmployees 字段即可。另外需要注意的是屏幕右侧的查询预览。这将向你显示查询的 DQL 版本，是开始熟悉此查询语言外观的好方法。

使用 Diffbot 查询语言

虽然此视觉查询是一个很好的起点，但此特定数据集可能需要更多工作。当我查看返回的组织时，我看到一些兽医医院、验光诊所和家庭保健企业返回了。虽然这些在某种意义上可能是“医院”，但它们并不是我们在这里寻找的。这是 DQL 派上用场的实例。

我最终确定的问题是，我们不希望有时与医院相关的行业中的组织出现，“医院”应该以返回的组织的名义出现。这似乎提供了最可靠的数据集。type:Organization locations.country.name:"United States" industries:"Hospitals" not(industries:or("optometrists","home health care","physiotherapy organization", "financial services companies")) name:"Hospital" nbEmployees>=500

此查询返回 1,244 个结果，即 TAM 公式一半的大型医院数量。通过将 nbEmployees 更改为，我们可以找到我们的其他号码。代入等式中，这意味着我们的 TAM 如下所示。nbEmployees<=500

（1,244 x 100,000 美元） + （11,151 x 5,000 美元） = 180,155,000 美元

虽然我们可以导出所有这些数据，但使用 DQL 可以启用分面查询，这是快速汇总特定字段结果的有用方法。在这种情况下，我们可以使用它来返回哪些州提供最多 TAM 的摘要。

type:Organization locations.country.name:"United States" industries:"Hospitals" not(industries:or("optometrists","home health care","physiotherapy organization", "financial services companies")) name:"Hospital" nbEmployees<=500 facet:locations.region.name

为了获得完整的数据集，我们再次需要更改 nbEmployees 字段，然后下载结果。最后，我将两个数据集拉入同一个电子表格中，以便一次对所有状态执行简单的 TAM 算术运算。

在将每个州的大型和小型医院数量转换为各州的 TAM 后，我们可以根据需要分析数据。在我的案例中，我将这些数字提取到数据可视化工具中，以查看哪些地区拥有最大的机会。

我们在这里所做的是快速调查美国各地按位置和规模划分的医院数量。这种搜索在消费者搜索引擎中是不可能的。这是一个很好的起点。但上述总体趋势仍然类似于人口密度图。也许我们可以做更多的事情来揭示我们虚构的 Acme Energy 的机会所在。

第三步：分析竞争对手

如果我们最初对小型医院的查询没有显示出这种情况，那么知识图谱在长尾（SMB 和 MMKT）信息方面表现出色。我们总共拥有超过 250M 的组织，在全球范围内和许多行业都有坚实的覆盖范围。

为了在工作中展示这一点，让我们展示 Acme Energy 竞争对手的数据集，并将其绘制在与我们的 TAM 按州图形划分的地图类似的地图上。

使用可视化查询生成器

在进行了几次探索性查询之后，为 Acme Energy 的竞争对手提供最佳结果的查询依赖于该领域。此字段是组织所做工作的几句话总结。虽然我们可以从行业层面来看待能源公司，但这是一个更普遍的问题。我们在这里追求的是提供与备用电源相关的服务的美国公司。description

我们的可视化查询构建器结果返回了美国各地的 327 家备用能源供应商。点击该组织的一些个人资料，他们提供了 Acme Energy 的精确服务集。使用可视化查询构建器的唯一缺点是目前无法分面（提供摘要视图）功能。这意味着您需要将数据导出为 csv，并进行少量数据整理，以确定各州的竞争对手数量。

使用 Diffbot 查询语言

使用 Diffbot 查询语言，我们可以使用与通过可视化查询构建器生成的相同查询，并简单地在末尾添加一个 facet 语句（类似于我们如何分面以按状态获取 TAM）。type:Organization description:"backup power" location.country.name:"United States" facet:locations.region.name

导出分面视图后，我们可以直接进行可视化或分析。