Python調用墨跡天氣API實踐指南
先決條件
有三種方法可以計算TAM，最直接的方法之一（如果您有現有的產品或服務）如下：
在我們的例子中，讓我們看一個假設，其中 Acme Energy 銷售兩套服務。
因為我們這里有兩組不同的客戶，所以我們需要分別計算這兩個 TAM 并將它們相加。具體而言，我們需要計算以下內容：
在下一步中，我們將找到這些公式的第一部分的數字。
在 Diffbot 的知識圖譜中，我們可以根據特定的公司結構查詢組織。行業和員工數量都與組織相關聯，這使得我們很容易返回計算所需的醫院數量。下面我將展示獲取數據的兩種途徑。第一個將利用可視化查詢構建器，它允許您以初學者友好的方式制作基本搜索查詢。第二種方法涉及使用 Diffbot 查詢語言 （DQL），該語言稍微復雜一些，但允許對查詢進行更大的控制。不熟悉如何使用 DQL？首先，只需粘貼下面鍵入的查詢，或查看我們的 DQL 快速入門指南。
使用可視化查詢生成器
我們可以使用幾個字段來形成一個初始醫院查詢：行業、nbEmployees 和位置。首先，選擇要返回的實體類型（組織）。然后，只需將位置切換為美國，將行業名稱切換為醫院，將 nbEmployees 切換為 <=500。
一個快速查詢返回超過 100,000 個結果！要獲取第二組醫院（員工人數超過 500 人），只需更改 nbEmployees 字段即可。另外需要注意的是屏幕右側的查詢預覽。這將向你顯示查詢的 DQL 版本，是開始熟悉此查詢語言外觀的好方法。
使用 Diffbot 查詢語言
雖然此視覺查詢是一個很好的起點，但此特定數據集可能需要更多工作。當我查看返回的組織時，我看到一些獸醫醫院、驗光診所和家庭保健企業返回了。雖然這些在某種意義上可能是“醫院”，但它們并不是我們在這里尋找的。這是 DQL 派上用場的實例。
我最終確定的問題是，我們不希望有時與醫院相關的行業中的組織出現，“醫院”應該以返回的組織的名義出現。這似乎提供了最可靠的數據集。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
此查詢返回 1,244 個結果，即 TAM 公式一半的大型醫院數量。通過將 nbEmployees 更改為，我們可以找到我們的其他號碼。代入等式中，這意味著我們的 TAM 如下所示。nbEmployees<=500
雖然我們可以導出所有這些數據，但使用 DQL 可以啟用分面查詢，這是快速匯總特定字段結果的有用方法。在這種情況下，我們可以使用它來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
為了獲得完整的數據集，我們再次需要更改 nbEmployees 字段，然后下載結果。最后，我將兩個數據集拉入同一個電子表格中，以便一次對所有狀態執行簡單的 TAM 算術運算。
在將每個州的大型和小型醫院數量轉換為各州的 TAM 后，我們可以根據需要分析數據。在我的案例中，我將這些數字提取到數據可視化工具中，以查看哪些地區擁有最大的機會。
我們在這里所做的是快速調查美國各地按位置和規模劃分的醫院數量。這種搜索在消費者搜索引擎中是不可能的。這是一個很好的起點。但上述總體趨勢仍然類似于人口密度圖。也許我們可以做更多的事情來揭示我們虛構的 Acme Energy 的機會所在。
如果我們最初對小型醫院的查詢沒有顯示出這種情況，那么知識圖譜api在長尾（SMB 和 MMKT）信息方面表現出色。我們總共擁有超過 250M 的組織，在全球范圍內和許多行業都有堅實的覆蓋范圍。
為了在工作中展示這一點，讓我們展示 Acme Energy 競爭對手的數據集，并將其繪制在與我們的 TAM 按州圖形劃分的地圖類似的地圖上。
使用可視化查詢生成器
在進行了幾次探索性查詢之后，為 Acme Energy 的競爭對手提供最佳結果的查詢依賴于該領域。此字段是組織所做工作的幾句話總結。雖然我們可以從行業層面來看待能源公司，但這是一個更普遍的問題。我們在這里追求的是提供與備用電源相關的服務的美國公司。description
我們的可視化查詢構建器結果返回了美國各地的 327 家備用能源供應商。點擊該組織的一些個人資料，他們提供了 Acme Energy 的精確服務集。使用可視化查詢構建器的唯一缺點是目前無法分面（提供摘要視圖）功能。這意味著您需要將數據導出為 csv，并進行少量數據整理，以確定各州的競爭對手數量。
使用 Diffbot 查詢語言
使用 Diffbot 查詢語言，我們可以使用與通過可視化查詢構建器生成的相同查詢，并簡單地在末尾添加一個 facet 語句（類似于我們如何分面以按狀態獲取 TAM）。type:Organization description:"backup power" location.country.name:"United States" facet:locations.region.name
導出分面視圖后，我們可以直接進行可視化或分析。
雖然我們的競爭對手的地圖在很大程度上也遵循人口密度（紐約除外），但通過一些簡單的算術，我們可以更清楚地了解機會可能在哪里。
使用我們按州劃分的 TAM 數據集和按州劃分的競爭對手數據集，我們可以簡單地將兩者分開，以提供有多少無人認領市場的總體視圖。
將結果數據加載為相同格式可提供以下可視化效果：
雖然各州的位置對某些行業（例如SAAS）來說可能無關緊要，但許多市場情報分析會深入獲取各州的數據。在這種情況下，我們在北達科他州和愛荷華州發現了相對機會，而這些機會在我們的初始數據集中不存在。
diffbot的知識圖譜api基于網絡范圍的抓取，每隔幾天更新一次我們的組織數據庫。
原文鏈接：https://blog.diffbot.com/analyze-your-total-addressable-market-tam-with-diffbots-knowledge-graph/
