一、 數據資產對互聯網企業的意義逐漸變大
互聯網企業的估值，一直是投資機構、研究機構，甚至是創業者所頭疼的問題。大家一直在探索一個通用估值方法，或一個能夠讓市場公認的企業定價方法，但一直沒有出現一個令人滿意的答案。針對傳統企業的估值體系發展至今已經比較完善，諸如 DCF 和 PE 之類，不過這些類方法都是在企業度過發展初期后，擁有比較好看的利潤曲線所使用的估值方法。而目前，互聯網企業大多處于行業競爭格局不明朗，企業燒錢不斷的階段，運營多年不盈利，甚至在企業大幅虧損的情況上市的也不在少數。因此我們無法運用傳統的財務估值體系來為企業定價。
雖然互聯網企業的估值很有難度，但是當企業融資之際，我們又不得不對企業有一個估值。通常在種子期、天使輪，創始人都會為投資人講一個故事，將自己的模式、團隊、展望等全部融入進去。故事講得好，企業估值就高，故事講得不好，估值就低，再差就會融不到錢，這樣一來，就是說看你這個故事值多少錢，而不是企業本身了。到了 A 輪融資之后，一個故事就起不到那么重要的作用，投資人會看你的產品，會看你的競爭對手，對比一些數據，而給企業的定價，基本會基于你的行業地位和發展格局。由此看來，目前互聯網企業的估值很多是禁不住推敲的，也并沒有一個成型的估值體系。當然，機構在對融資企業估值時會經過大量的研究和調查，這屬于定性研究的范疇。
為了解決如何為互聯網企業估值這一難題，我們也進行的大量研究和探索。相較于一些傳統企業需要大量空間和設備資源，互聯網企業擁有輕資產的特點，擁有一些計算機和存儲設備，就可在線上運營自有業務模式，這直接降低了企業運營成本，也是現在創業公司泛濫的原因之一。這一特點，意味著互聯網企業每天會投入大量時間在互聯網中形成自己的行為記錄，順而產生大量的線上數據。而互聯網的特性又使我們能夠運用一些技術手段就可將這些數據方便地記錄和儲存，利用這些數據，我們可以挖掘出一些不易從表面看出的內在規律和價值。因此，數據資產對于互聯網企業來說意義十分重大。
了解了數據的意義之后，我們一直在思考，企業的大量數據，對于企業估值，能貢獻出什么價值。
二、 基于用戶數據對互聯網企業估值
用戶無疑是互聯網企業最重要的資產，提到利用用戶數據來估值，就必須說說梅特卡夫定律。羅伯特·梅特卡夫(Robert Metcalfe，1946年-)，出生于紐約布魯克林。美國科技先驅，發明了以太網路，成立 3Com 且制定了梅特卡夫定律 (Metcalfe's Law)。其內容是：網絡的價值等于網絡節點數的平方，網絡的價值與聯網的用戶數的平方成正比。這一被稱為圣經的定律看似復雜，實際意思是說，在用戶量為 n 的互聯網網絡中，每個用戶與其他用戶就有 n-1 個關系。梅特卡夫又給出了網絡價值的公式
，其中 k 為常數。此定律背后的意義為，在互聯網體系中，用戶量增加時，對于原來的用戶而言，其帶來的效果不是如一般的經濟財產分割方式(每位用戶平分財產或越分越少)，而是效用隨之提高。這一理論說服了互聯網行業的投資人，對于企業的評價，就是用戶為王，一是看現有用戶量，二是看獲取用戶的能力。然而，當我們回歸理性來看待梅特卡夫定律，發現它也有自身的不足。舉例，各行業都存在大量的創業公司，若各公司整合起來，根據梅特卡夫定律，效果必是爆發式增長，然而現實中好像并不是這樣。
根據中文互聯網數據研究資訊中心的發現，伴隨著網絡規模的擴大，每增加一個用戶，帶給網絡的價值效用應該是在逐漸衰減的。為驗證這一理論，首先讓我們在梅特卡夫定律的公式中加入一個時間因子，T，其含義是，用戶花了多少時間在其網絡中。公式暫且改為
。這樣一來，用戶停留的時間越長，電商、廣告、游戲等領域的企業變現能力越強，網絡價值也就越大。而在社交軟件中，我們增加了一個好友，是否會相對花更多時間來關注他的動態或聊天呢?顯然不是，當我們的好友數逐漸擴大到現有的 100 倍，我們每天不會花 100 倍的時間在社交軟件中，這也是不可能的。人們一般只會關注和自己關系最近或感興趣的朋友或話題，所以，隨著用戶的增加，每個用戶平均效用是在逐漸衰減的。在公式中的理解，隨著 n 的增加，T 會減小，所以在梅特卡夫定律中的公式，網絡價值達不到 n 方，而是一條在 n 方和線性 n 區域內的增長曲線。
齊普夫定律可以很好地解釋這個問題，齊普夫于 20 世紀 40年 代提出的詞頻分布定律。主要思想可以通過一個經典案例說明，在一大段英語文本中，the 為最常見的單詞，出現率近 7%，of 排在第二位，出現率 3.5%左右，排在第三位的 and 占 2.8%。最后總結發現，詞頻降序與 1/k(1/1、1/2、1/3、…)非常相似。將齊普夫定律運用到互聯網價值定律中，就可以發現互聯網用戶效用是符合長尾定律的，而這更接近于 ln(n)函數。因此，我們將公式改為
可以更好的解釋互聯網價值。
我們用 Twitter、Facebook、騰訊三家企業的數據來驗證用戶數據和企業價值的新規律。我們暫時使用企業營收來代替企業價值，姑且不考慮營收與估值的關系，畢竟企業的價值最直接體現在企業收入數字上。下面為結果展示：
我們可以看到，這三家巨頭的數據可以很好的證明新定律，互聯網價值是處于用戶 n 方和線性 n 區域內的增長曲線，每新增一個用戶，會帶來超過之前用戶的平均價值，而用戶新增價值也在逐漸衰減。互聯網企業價值曲線是一條在 n 方和線性 n 區域內的增長曲線
關于公式中的常數 k 值，是互聯網企業由用戶變成盈利能力的系數，也就是類似于 ARPU 值的系數，代表每單位用戶為企業帶來的價值。這一系數包括的因素很多，如企業商業模式、用戶特點、用戶滲透率、行業特性等都需要考慮在內，不同領域中的不同企業，k 值也不近相同。梅特卡夫運用一個單一字母 k 來綜合了這些因素，也確實給我們帶來了一些困惑，畢竟定律本身還是圍繞用戶和網絡價值的關系來闡述問題的。
三、 其他數據維度對企業估值的影響
除了用戶數據以外，互聯網企業一些其他數據也對其估值存在著某種程度的影響，我將所有數據分為外部數據和內部數據。當然還有一些非數據類的定性因素，在此節我們對這幾個方面來展開討論。
1、外部數據
融資數據在企業外部數據中，是對企業估值的影響處于重要地位的因素。融資數據可以代表市場給予互聯網企業的公開定價，對企業估值有決定性作用，我們需作重點參考。而融資案例是發生在時間節點上的，企業又是在持續運營中，因此隨著時間的推移，我們又要弱化上一輪融資對企業估值的影響。
融資數據不只是對企業本身的估值存在參考意義，它同時也是具備行業性的。在我的另一篇文章《從融資數據看各行業發展規律》中，我提出了企業投資資本收益效率的概念。
此圖是文章其中一部分對企業相鄰輪次融資金額的平均倍數在不同行業中差異的分析結果，感興趣的讀者可以搜索閱讀。
在外部數據中，另一重要的數據維度是企業輿情數據。這類數據涵蓋比較廣泛，包括：搜索指數、微博指數、媒體數據等。這部分數據相較于用戶數據和融資數據，可更快速、更明顯的反應企業近期的行為狀況，波動也最為頻繁。但是股權交易擁有流動性差的特征，企業估值不需要像二級市場股價一樣對短期波動反應敏感，因此我們還是要將此類輿情數據拉到長期來對企業價值做判斷。
2、內部數據
內部數據主要是指企業不對外公開的公司內部數據，這部分最主要是的財務數據，但一般來講是很難獲取到的。但是我們可以通過其他相近指標來進行推算，例如電商企業的商品品類、訂單量、商品單價、評銷比(評論數 / 銷售量)等來推算企業營收數據。這些數據可以通過爬蟲抓取來獲得。擁有了企業財務數據或類似指標，我們就可運用經典財務估值體系來為企業參考定價。
3、定性因素的量化
以上大量篇幅都在討論數據對互聯網企業估值的影響。然而企業在發展初期，數據維度非常匱乏，而僅有的數據能提供的價值也是微乎其微。很多企業都是依靠一個 “好故事” 在支撐它的估值，所以對于這部分企業的估值，定性因素是我們需要重點參考的，包括商業模式、創始團隊、核心戰略、競品分析等。這樣一來，我們又回到了最初傳統創投行業的玩法，機構和創業者通過溝通、盡職調查等進行估值，完成交易。但是為了形成適用于創投行業的估值體系，我們也在探索能否將這些定性因素進行量化處理。通常來講，對于定性部分，我們可以通過打分模式來進行量化，這一是包含了我們在定性分析中得到的結果，一是可最終形成數字加入到估值模型中。但是這對打分體系要求很高，既要涵蓋大量分析維度，也要合理制定評級標度和跨度。
通過以上的分析，我們可以看到，企業估值本身是一個非常繁瑣和復雜的事情，探索的越深，發現越多難以解決的問題。即便我們給出了一些分析和理論，對于碎片化知識的整合也難以落地實踐，因為我們很難通過一套模型來將所有維度聚合在一起。但是是否說這些研究沒有意義呢?我想不是的。我們換一種思路，既然不能將所有維度整合在一個模型中，我們可否將擁有相同屬性的數據維度聚合在一起，形成多個模型，通過多角度來為互聯網企業定價呢?我相信，在這個數據時代，很多我們現在定性處理的問題會逐漸被定量化。
京公網安備 11010502049343號