Hoe gebruik je ChatGPT Deep Research voor marktgroottebepaling?

Kort antwoord: ChatGPT Deep Research kan gestructureerde TAM-, SAM- en SOM-schattingen maken voor B2B SaaS-markten door openbare data, branche-rapporten en signalen van concurrenten in één sessie te combineren. Geef de tool een goed opgebouwde prompt met je doelsegment, geografie en aannames, en je krijgt binnen enkele minuten in plaats van dagen een gedocumenteerd rapport over de marktomvang.

B2B-marktgroottebepaling is zo'n taak die er op een slide simpel uitziet en in de praktijk eindeloos duurt. Je springt heen en weer tussen betaalmuren van Statista, pdf's van analisten en giswerk op LinkedIn, en plakt het daarna handmatig aan elkaar.

ChatGPT Deep Research verandert die werkwijze. Deze gids laat lezers van SaaS Hackers precies zien hoe je de tool gebruikt om een verdedigbare TAM/SAM/SOM-onderverdeling te maken, inclusief de prompttemplate die wij gebruiken en de plekken waar je de output controleert voordat die bij investeerders of je bestuur terechtkomt.

Wat is ChatGPT Deep Research en waarom is het belangrijk voor marktgroottebepaling?

ChatGPT Deep Research is een modus binnen ChatGPT (beschikbaar in betaalde abonnementen) die zelfstandig meerstaps webonderzoek uitvoert voordat het een antwoord genereert. In plaats van alleen te antwoorden op basis van trainingsdata zoekt, leest en synthetiseert het in realtime bronnen, en levert het een gestructureerd rapport met bronvermeldingen.

Voor marktgroottebepaling is dit belangrijk, omdat:

• het put uit actuele branchebronnen in plaats van data die bij een trainingsgrens is bevroren
• het meerdere inputs naast elkaar legt om schattingen te trianguleren
• het zijn redenering vastlegt, zodat je de logica kunt controleren

De output vervangt geen opgedragen onderzoek. Het is een snelle, gestructureerde eerste versie waar een junior analist voorheen twee tot drie dagen over deed.

TAM, SAM en SOM begrijpen voordat je promptt

Wees, voordat je ook maar één prompt schrijft, duidelijk over wat je precies vraagt.

TAM (Total Addressable Market): de totale wereldwijde omzetkans als je elke mogelijke klant in je categorie zou binnenhalen.

SAM (Serviceable Addressable Market): het deel van de TAM dat je realistisch kunt bereiken met je huidige product, prijzen en go-to-marketaanpak.

SOM (Serviceable Obtainable Market): het aandeel van de SAM dat je binnen een bepaalde termijn kunt winnen, meestal drie tot vijf jaar, gezien je middelen en de concurrentie.

Elke laag vraagt om andere input. TAM is meestal top-down (branche-rapporten, schattingen van analisten). SAM vraagt om je ICP-definitie (bedrijfsgrootte, sector, geografie). SOM vraagt om concurrentiedata en groeiaannames.

ChatGPT Deep Research pakt TAM en SAM goed aan. Voor SOM moeten je eigen interne aannames in de prompt zitten.

ChatGPT Deep Research instellen voor een sessie marktgroottebepaling

Stap 1: Open de Deep Research-modus

Selecteer in ChatGPT het modelmenu en kies Deep Research. Dit is beschikbaar in de abonnementen ChatGPT Plus, Team en Enterprise. De sessie geeft aan dat er onderzoek wordt gedaan voordat er een antwoord komt.

Stap 2: Bereid je input voor

Noteer voordat je promptt:

• Je productcategorie (wees specifiek: "AI-gestuurde software voor contractbeoordeling", niet "legal tech")
• Je doelklantprofiel (bedrijfsgrootte, sector, geografie)
• Het verdienmodel dat je meet (ARR per gebruiker, per transactie, per bedrijf)
• De tijdshorizon voor je SOM-schatting
• Bekende concurrenten of marktbenchmarks die je wilt laten meenemen

Hoe specifieker je input, hoe scherper de output.

Stap 3: Voer de prompt uit (template hieronder)

Plak je voorbereide prompt in de Deep Research-modus. Reken op twee tot vijf minuten terwijl de tool zoekopdrachten uitvoert.

Stap 4: Controleer de bronnen

Deep Research vermeldt zijn bronnen. Open ze stuk voor stuk. Controleer of de onderliggende data afkomstig is van betrouwbare organisaties (Gartner, IDC, Grand View Research, overheidsdatasets of gerenommeerde brancheorganisaties). Laat cijfers weg die komen uit de eigen marktclaims van een leverancier.

De prompttemplate: TAM/SAM/SOM voor B2B SaaS

Kopieer en pas deze prompt aan. In de delen tussen haakjes vul je je eigen gegevens in.

Prompt:

You are a B2B market research analyst. I need a structured market sizing report for a SaaS product in the following category: [describe your product in one sentence, e.g. "AI-powered invoice processing software for mid-market logistics companies"].

Please research and produce a TAM/SAM/SOM analysis using the following parameters:

Target customer profile:

• Company size: [e.g. 50-500 employees]

• Industries: [e.g. logistics, freight, supply chain]

• Geography: [e.g. UK and Western Europe]

• Buying role: [e.g. CFO or Head of Finance]

Pricing assumption: [e.g. £500/month per company, billed annually]

TAM: Estimate the total global market for [product category] software. Use top-down methodology, citing analyst reports, industry data, or credible market research where available.

SAM: Narrow TAM to companies matching the target customer profile above. Estimate the number of qualifying companies and multiply by the annual pricing assumption to produce a revenue-based SAM figure.

SOM: Assume a realistic market penetration rate for a well-funded Series A SaaS company over five years. Cite comparable SaaS benchmarks where possible.

For each layer, show your working: the data source, the assumption applied, and the resulting figure. Flag any estimates where data quality is low or where I should verify independently.

Format the output as: (1) Executive Summary, (2) TAM Analysis, (3) SAM Analysis, (4) SOM Analysis, (5) Key Assumptions and Risks, (6) Sources.

Door deze structuur toont Deep Research zijn redenering bij elke laag. Daardoor is de output controleerbaar en niet alleen een getal dat je niet kunt verdedigen.

Hoe goede output eruitziet

Een goed uitgevoerd Deep Research-antwoord op deze prompt bevat:

• Een TAM-cijfer met bron (bijv. "De wereldwijde markt voor automatisering van crediteurenadministratie was in 2023 $2,8 miljard waard, volgens Grand View Research")
• Een SAM-berekening die het aantal kwalificerende bedrijven vermenigvuldigt met je prijsaanname
• Een SOM-schatting met een genoemd penetratiepercentage en een vergelijkbare benchmark
• Een duidelijke lijst met aannames en de plekken waar de data het zwakst is

Als de output één getal geeft zonder de berekening te tonen, vraag het dan opnieuw met een vervolgprompt: "Laat me de stapsgewijze berekening voor elke laag zien, met de bron van elke input."

Waar ChatGPT Deep Research tekortschiet

Deep Research is sterk in synthese. Er zijn wel echte beperkingen waar je rekening mee moet houden.

De actualiteit van data verschilt. Sommige bronnen zijn twee tot drie jaar oud. Controleer altijd de publicatiedatum van aangehaalde rapporten.

Het heeft geen toegang tot databases achter een betaalmuur. Volledige rapporten van Gartner en Forrester, Bloomberg en Pitchbook zitten achter een betaalmuur. Deep Research citeert samenvattende data waar die openbaar staat, maar kan geen volledige analistenrapporten ophalen.

SOM is van nature speculatief. Geen enkele AI-tool kan je vertellen welk deel van een markt je gaat winnen. Het SOM-cijfer is een schatting op basis van benchmarks, geen voorspelling. De aannames zijn van jou.

Het kan bronnen verzinnen. Dit is het grootste risico. Controleer altijd of de aangehaalde bron het genoemde cijfer echt bevat. Open de url. Check het getal.

Zo controleer je de output van je marktgroottebepaling

Voer deze controles uit voordat je de cijfers in een extern document gebruikt.

1. Bottom-upcontrole. Neem je SAM-berekening en bouw die onafhankelijk van onderaf op. Gebruik LinkedIn Sales Navigator of Apollo om de kwalificerende bedrijven in je ICP te tellen. Vermenigvuldig met je ACV. Ligt het getal binnen 30-40% van de top-down SAM, dan heb je een redelijke schatting.
   
2. Controle op omzet van concurrenten. Als er in je categorie een beursgenoteerde of goed gedocumenteerde concurrent is, gebruik dan hun gepubliceerde ARR en marktaandeelclaims om je TAM te toetsen. Claimt een concurrent 5% marktaandeel en rapporteert die £10M ARR, dan is de impliciete TAM £200M.
   
3. Controle met investeerdersbenchmarks. Zoek naar investeerdersmemo's of analistennotities over je categorie. Y Combinator, Bessemer Venture Partners en OpenView Partners publiceren openbaar marktdata. Wijkt je TAM sterk af van wat investeerders noemen, zoek dan uit waarom.
   
4. Laat Deep Research zichzelf uitdagen. Voer een vervolgprompt uit: "Wat zijn de drie sterkste argumenten dat deze TAM-schatting te hoog is? Wat zou een sceptische investeerder zeggen?" Zo komen zwakke aannames boven water voordat iemand anders ze vindt.
   

Heb je naast interne controles externe validatie nodig, dan houdt SaaS Hackers via de gids met topbureaus ook een geselecteerde lijst bij van B2B SaaS SEO-bureaus en gespecialiseerde partners voor verschillende groeidisciplines. Die kan van pas komen als je de positionering van je categorie en je go-to-marketaannames wilt toetsen.

De output gebruiken in pitchdecks en bestuurspakketten

Marktgroottebepaling in een pitchdeck moet verdedigbaar zijn, niet alleen indrukwekkend. Als je TAM/SAM/SOM-cijfers presenteert die met Deep Research zijn gemaakt:

• Noem altijd de onderliggende bron, niet de AI-tool. "Volgens Grand View Research", niet "volgens ChatGPT".
• Toon de methodologie. Investeerders die een TAM van £5B zien zonder zichtbare berekening, vragen hoe je daar komt. Zorg dat je het antwoord paraat hebt.
• Presenteer SAM als je echte werkmarkt. TAM is context. SAM is waar je daadwerkelijk achteraan gaat.
• Verankert SOM aan een bij naam genoemde vergelijkbare partij. "We mikken binnen vijf jaar op 2% van de SAM, in lijn met [Concurrent X] in een vergelijkbare fase."

SaaS Hackers raadt aan de Deep Research-output te behandelen als een eerste versie, niet als eindresultaat. Je komt er 70% mee in 10% van de tijd. De resterende 30% is je eigen oordeel, je marktkennis en je verificatiewerk. Bouw je het bredere groeisysteem rondom dat onderzoek, dan zijn de sectie bronnen en de hub met gidsen van SaaS Hackers goede volgende stappen.

Veelgestelde vragen

Wat is ChatGPT Deep Research en hoe verschilt het van standaard ChatGPT?

ChatGPT Deep Research is een modus die zelfstandig meerstaps webzoekopdrachten uitvoert voordat het een antwoord genereert. Standaard ChatGPT antwoordt alleen op basis van trainingsdata. Deep Research haalt actuele bronnen actief op en synthetiseert ze, waardoor het aanzienlijk betrouwbaarder is voor taken als marktgroottebepaling, waar actuele data ertoe doet.

Kan ChatGPT Deep Research een marktonderzoeksbureau vervangen voor B2B SaaS-marktgroottebepaling?

Nee, maar het vervangt wel de eerste conceptfase, die normaal dagen aan analistentijd kost. Deep Research levert een gestructureerd beginpunt met bronvermeldingen. Een marktonderzoeksbureau voegt primair onderzoek, eigen databases en een gevalideerde methodologie toe. Voor een eerste inschatting van de omvang als input voor een pitch of productbeslissing volstaat Deep Research, mits je het goed verifieert. Wil je wel gespecialiseerde ondersteuning, bekijk dan de samengestelde gids van SaaS Hackers via vind een expert.

Hoe nauwkeurig is ChatGPT Deep Research voor TAM-schattingen?

De nauwkeurigheid hangt af van hoeveel data er beschikbaar is in jouw categorie. Goed gedocumenteerde markten (CRM, HR tech, cybersecurity) leveren nauwkeurigere schattingen op, omdat er meer openbare data bestaat. Niche- of opkomende categorieën kennen bredere onzekerheidsmarges. Controleer cijfers altijd aan de hand van minstens één onafhankelijke bron en gebruik in formele documenten bandbreedtes in plaats van puntschattingen.

Welk ChatGPT-abonnement heb ik nodig om Deep Research te gebruiken?

Deep Research is beschikbaar in de abonnementen ChatGPT Plus, Team en Enterprise. Het is niet beschikbaar in de gratis versie. Sinds 2024 hebben Plus-gebruikers een maandelijks gebruikslimiet voor Deep Research-query's. Bundel je marktomvangsessies daarom, in plaats van meerdere verkennende prompts los uit te voeren.

Is de output van ChatGPT Deep Research geschikt voor due diligence door investeerders?

De output is een startpunt, geen eindresultaat. Investeerders gaan de methodologie en bronnen achter elk cijfer over marktomvang grondig bevragen. Gebruik Deep Research om je analyse te structureren en bronnen te vinden, en controleer daarna elk cijfer zelf voordat je het opneemt in materiaal dat kritisch bekeken wordt.