校园服饰细分赛道测算程序（Python）
——学生平价国风 & 机能穿搭市场规模预估（TAM / SAM / SOM）
一、实际应用场景描述（真实业务抽象）
在《时尚产业与品牌创新》课程中，细分市场切入（Niche Market Entry）是轻资产新锐服装品牌常用的创新路径。
典型场景：
- 高校周边 / 校园文创 / 学生原创服饰品牌
- 主打平价国风（新中式校园版）或机能风 Campus Techwear
- 目标客群锁定：在校大学生（18–22岁），有一定审美追求但预算有限
品牌立项或课程案例分析时需要量化回答：
- 目标城市 / 区域有多少潜在大学生客群？
- 他们年均服装消费能力如何？对国风 / 机能风的接受度（偏好率）是多少？
- 折算成可服务市场（SAM）和品牌可获取市场（SOM）有多大？
- 不同城市层级（一线/新一线/二线）、不同偏好率假设下结果差异？
本程序用 Python 做参数化校园细分服饰市场 TAM–SAM–SOM 自上而下测算 + 客群消费画像统计，全部为教学级假设值，不涉及隐私数据。
二、引入痛点（为什么要用代码算）
手工拍脑袋常见误区：
1. "全国大学生 4000 万 → 全是我的客户"——忽略年级、城市、消费力分层
2. 偏好率凭感觉填 10%/20%——无保守/中性/乐观三档对照
3. 混淆 TAM（全体大学生服装总盘）、SAM（国风/机能细分）、SOM（你能拿到）
4. 无法快速调整参数（城市高校数、生均消费、品牌市占率）重算
→ 用代码把"校园细分市场感觉"变成可计算、可复现、可调整的参数模型。
三、核心逻辑讲解（先业务后代码）
1️⃣ 市场分层定义
TAM（Total Addressable Market）
= 目标区域在校大学生人数（18–22岁全日制）
× 年均服装消费支出（元/人/年）
SAM（Serviceable Addressable Market — 国风/机能细分）
= TAM
× 风格偏好率（保守 / 中性 / 乐观）
× 可及系数（仅覆盖部分校区/渠道）
SOM（Serviceable Obtainable Market — 品牌可获取）
= SAM
× 假设品牌初期市占率（如 1%～3%）
2️⃣ 消费能力与需求统计维度
参数 含义 教学示例值
student_population 目标城市/区域全日制大学生人数 例：某大学城 12 万
annual_apparel_spend 年均服装消费（元/人） 2000～3000
style_preference_rate 国风/机能风偏好或购买意愿比例 8% / 15% / 25%
reachable_ratio 渠道可及系数（校园店+线上覆盖） 0.5
brand_share 品牌初期市占率 0.02（2%）
avg_unit_price 单件平价国风/机能均价 ¥168
annual_purchase_freq 年均购买该风格件数 2～3 件
四、程序结构设计（模块化）
campus_fashion_sizer/
├── main.py # 入口，调用模型并打印结果
├── config.py # 所有可调参数
├── market_model.py # TAM / SAM / SOM 计算逻辑
├── demand_profile.py # 客群消费能力与需求统计
├── reporter.py # 格式化输出
├── README.md # 使用说明
└── knowledge_card.md # 核心知识点卡片
五、代码实现（Python 3.x，注释清晰）
"config.py"
"""
校园服饰细分赛道（学生平价国风 & 机能穿搭）市场测算 — 参数配置
参考：教育部统计、大学生消费调研（教学示例取值）
"""
# ---- 人群 ----
STUDENT_POPULATION = 120_000 # 目标城市/大学城全日制大学生人数
# ---- 消费能力 ----
ANNUAL_APPAREL_SPEND = 2400 # 大学生年均服装总支出（元/人）
STYLE_PREFERENCE = { # 国风/机能风偏好或购买意愿比例
"conservative": 0.08,
"neutral": 0.15,
"optimistic": 0.25,
}
REACHABLE_RATIO = 0.50 # 渠道可及系数（校园店+社媒覆盖）
# ---- 品牌假设 ----
BRAND_MARKET_SHARE = 0.02 # 品牌初期市占率 2%
# ---- 需求画像 ----
STYLE_AVG_UNIT_PRICE = 168 # 平价国风/机能单件均价（元）
STYLE_ANNUAL_FREQ = 2 # 年均购买该风格件数（件/人）
"market_model.py"
from config import (
STUDENT_POPULATION,
ANNUAL_APPAREL_SPEND,
STYLE_PREFERENCE,
REACHABLE_RATIO,
BRAND_MARKET_SHARE,
)
class CampusFashionMarket:
"""
校园服饰细分市场（国风/机能）TAM / SAM / SOM 测算模型
"""
def __init__(self):
self.tam = STUDENT_POPULATION * ANNUAL_APPAREL_SPEND
self.scenarios = {}
for label, pref in STYLE_PREFERENCE.items():
sam = self.tam * pref * REACHABLE_RATIO
som = sam * BRAND_MARKET_SHARE
self.scenarios[label] = {
"preference": pref,
"sam": round(sam, 2),
"som": round(som, 2),
}
def get_result(self):
return {
"tam": round(self.tam, 2),
"scenarios": self.scenarios,
}
"demand_profile.py"
from config import (
STUDENT_POPULATION,
STYLE_PREFERENCE,
STYLE_AVG_UNIT_PRICE,
STYLE_ANNUAL_FREQ,
)
def calc_demand_profile():
"""
统计大学生对国风/机能风格的：
- 意向客群人数
- 人均年消费额（该风格）
- 细分市场年消费总额
"""
per_capita_spend = STYLE_AVG_UNIT_PRICE * STYLE_ANNUAL_FREQ
result = {
"per_capita_style_spend": per_capita_spend,
"scenarios": {},
}
for label, pref in STYLE_PREFERENCE.items():
intent_pop = STUDENT_POPULATION * pref
segment_total = intent_pop * per_capita_spend
result["scenarios"][label] = {
"intent_population": int(intent_pop),
"segment_total_spend": round(segment_total, 2),
}
return result
"reporter.py"
from config import BRAND_MARKET_SHARE
def print_market_report(data):
print(f"\n=== TAM（大学生年服装总支出）: ¥{data['tam']:,.0f} ===\n")
for scen, v in data["scenarios"].items():
print(
f"[{scen:>10}] 偏好率={v['preference']:.0%} "
f"SAM=¥{v['sam']:,.0f} "
f"SOM(品牌@{BRAND_MARKET_SHARE*100:.0f}%)=¥{v['som']:,.0f}"
)
def print_demand_report(profile):
print(
f"\n人均国风/机能年消费 = ¥{profile['per_capita_style_spend']} "
f"({STYLE_ANNUAL_FREQ}件 × ¥{STYLE_AVG_UNIT_PRICE})\n"
)
for scen, v in profile["scenarios"].items():
print(
f"[{scen:>10}] 意向客群={v['intent_population']:,}人 "
f"细分市场年消费总额=¥{v['segment_total_spend']:,.0f}"
)
# 避免提前引用，延迟导入
from config import STYLE_ANNUAL_FREQ, STYLE_AVG_UNIT_PRICE # noqa: E402
"main.py"
from market_model import CampusFashionMarket
from demand_profile import calc_demand_profile
from reporter import print_market_report, print_demand_report
if __name__ == "__main__":
print("\n===== 校园服饰细分赛道测算（学生平价国风 & 机能穿搭）=====")
model = CampusFashionMarket()
market_data = model.get_result()
demand_data = calc_demand_profile()
print_market_report(market_data)
print_demand_report(demand_data)
六、README.md（使用说明）
# 校园服饰细分赛道测算器 — 学生平价国风 & 机能穿搭市场规模预估
# Campus Fashion Niche Market Sizer (Traditional-Chinese / Techwear for Students)
## 用途
- 《时尚产业与品牌创新》课程：细分市场 TAM/SAM/SOM 量化分析示范
- 校园原创服饰 / 国风学生线 / 机能风校园品牌：前期可行性估算
- 技术布道：Python 参数化商业建模教学
## 运行方式
bash
python main.py
## 修改参数
编辑 `config.py`：
- STUDENT_POPULATION ：目标城市/大学城全日制大学生人数
- ANNUAL_APPAREL_SPEND ：大学生年均服装支出
- STYLE_PREFERENCE ：保守/中性/乐观偏好率
- REACHABLE_RATIO ：渠道可及系数
- BRAND_MARKET_SHARE ：预期品牌市占率
- STYLE_AVG_UNIT_PRICE / FREQ ：单件均价与年均购买件数
## 输出说明
- TAM ：目标大学生年服装总消费盘
- SAM ：国风/机能细分可服务市场（三档偏好率）
- SOM ：品牌可获取市场规模
- 意向客群数与细分市场需求总额
## 免责
本程序为教学级参数化推演工具，结果依赖输入假设，
不构成任何投资/创业建议。
七、核心知识点卡片
"knowledge_card.md"
## 知识点卡片 — 校园细分服饰市场测算
1️⃣ TAM / SAM / SOM 在细分场景的应用
- TAM = 全体大学生年服装总支出
- SAM = 加"风格偏好率 × 渠道可及系数"
- SOM = 乘品牌初期市占率
2️⃣ 校园细分市场特征
- 人数集中但消费力分层明显
- 平价（百元级）+ 高频社交传播（小红书/得物）
- 偏好率需独立调研，不能直接套用大众数据
3️⃣ 参数化建模优势
- 假设集中到 config.py，改数即重算
- 支持保守/中性/乐观三档情景分析
- 便于课程讨论"如果偏好率只有 5% 还值得做吗？"
4️⃣ 需求 ≠ 市场规模
- 需求 = 意向人群 × 人均年消费（该风格）
- 市场 = 需求中被品牌实际捕获的部分
5️⃣ Python 适合做"品牌创新微型战略模型"
- 低门槛、透明、可扩展（pandas 多城市 / matplotlib 可视化）
- 让细分赛道选择从感觉走向可计算
八、总结（全栈工程师视角）
- 校园服饰（国风/机能）是典型的窄人群 × 低客单 × 高传播细分市场，必须用 TAM/SAM/SOM 厘清盘子大小。
- 核心价值不是打印数字，而是：
- 把"感觉有市场"变成"在什么假设下有多大市场"
- 逼问自己：偏好率凭什么取 15%？如果只有 8% 模型结论变什么？
- Python 在此场景的作用：
- 假设显性化、集中管理、一键重算
- 支持多情景对照，辅助课程讨论或品牌立项
- 可扩展方向：
-
"pandas" 读入多城市高校数据批量测算
-
"matplotlib" 画 SAM/SOM 对比柱状图
- 封装 Streamlit 交互页面供课堂演示或创业路演
品牌创新不只是讲审美故事，更要能用量化模型讲清楚"这个故事值多大的市场"。
利用AI解决实际问题，如果你觉得这个工具好用，欢迎关注长安牧笛！