基于用户参与层级模型的互联网企业价值评估

方晓成，王永春

(马鞍山职业技术学院 经贸系，安徽 马鞍山 243031)

中国互联网协会发布的《中国互联网发展报告2018》显示, 截至2017年12月，我国网民的数量达到了7.72亿，互联网产业的总体规模达到约180.22万亿元[1]。资本市场中的投融资活动是推动互联网产业加速扩张的催化剂。截至2017年，我国VC、PE和天使投资的总规模达到5 463.5亿元，其中信息技术投资的比重达到了79.5%[2]。而企业价值的正确评估是确定投融资双方持股比例的基础。构建能够合理量化互联网企业价值的评估模型一直是亟待解决的问题。

一、用户资产与互联网企业价值评估

传统的价值评估模型并没有丧失其用于互联网企业的理论基础，只是需要找到一种正确的变量，以一种正确的方式表现出来从而使评估变得可行。所谓正确的变量，即能够反映互联网企业价值来源的要素。普遍的分析认为互联网企业的价值主要来自于其未来增长的部分，而该部分是与用户数量相关的[3]。这也正是为何在第一次互联网泡沫兴起之时，很多评估机构采用流量、注册用户数作为比较评估法的关键指标。但是这些指标忽略了一个问题，即企业是否能够将所掌握的用户资源转换为带来稳定现金流的有效资产。因而没有进一步去辨识用户资源的质量。在此之后Bauer和Hammerschmidt将折现现金流量模型的预测视角由公司整体层面分解至现有及未来用户的数量以及用户所创造的现金流，同时加入了留存率这一因素。通过这一因素可以反映出互联网企业所提供的产品对用户的黏性，在一定程度上反映出用户资源的质量[4]。之后Martin Gneiser对上述模型进行了进一步的改进。通过在留存率的估计中加入内联度，反映该因素对于互联网企业价值的正向影响[5]。显然用户资产与互联网企业价值之间的关系已经得到广泛认可。

二、用户参与层级模型

该模型是由硅谷顶尖投资机构Benchmark的Sarah Tavel提出的，用于甄别具备投资价值的互联网企业[6]。模型总共由三个层级构成，处于底层的是高质量的“用户增长”。该“用户增长”不仅仅指整体用户的增加，更关注于能够完成核心行为的有效用户增长。例如，对于以购物平台为商业模式的互联网企业来说，其产品的核心行为需要用户发生购买行为。如果只是注册账户而无消费记录，则不能算作当前有效用户。非核心行为用户的增长并不能给企业带来可持续的价值增长。模型的第二级是能够“留住用户”，而判断能否留住用户的定性标准是企业的产品能否做到以下两点：其一，“使用收益递增”，即用户使用产品或服务的次数越多，其用户体验越佳，从而带动用户持续使用。例如网页浏览器，用户在使用的过程中不断根据自己的喜好做出个性化的设置，并随着个性化设置的使用获得更为舒适的使用体验。其二，“离开的损失递增”，即随着用户的使用越多，其离开时的情感或经济损失越大。例如微信一类的社交软件，好友的不断增加使得用户放弃软件带来的损失越发难以承受。模型的第三级是良性循环体系，通过现有用户积极的示范效应帮助企业以更低甚至为零的营销成本带来更多的新用户。Sarah Tavel所提出了这一定性模型从实践中总结出用户资产从数量、粘性以及良性循环三个方面对于互联网企业价值的驱动。这为揭示互联网企业用户资产的内在质量梳理出理性的方向。

三、考虑内联性的互联网企业价值模型

Martin Gneiser在已有研究的基础上提出了新的估值模型[5]。其中用户资产的计算方式如公式(1)所示

(1)

模型中代表互联网企业的用户资产，c代表自评估日起之后的某一期间，Nc代表c时期新增的用户数量，CLVc,i代表c期新增的第i位用户的生命周期价值，d为评估适用的折现率，CFc,I,t代表c时期新增的第i用户在其生命周期内的t时期所创造的现金流，rc,I,t代表c时期新增的第i用户在其生命周期内的t时期的留存率。该留存率按照公式(2)计算。

(2)

该模型一方面将内在联结性这一用户质量特征融入留存率的估计中，另一方面改变了之前的研究中对整个用户群体采用同一个平均留存率的处理方式。这种处理方式会掩盖留存率的细节差异。例如一个新增用户的留存率偏低而老用户的留存率较高的企业，可能与另一个具有相反留存率特征的企业表现出近似的整体留存率。而公式(2)的提出为反映不同时期用户留存率的变化提供了基础。然而该模型在适用的广泛性以及具体运用过程中的假定和参数估计上仍然存在不足。本文将结合Sarah Tavel提出的用户参与层级模型对Martin Gneiser所构建的模型予以改进，以更好地反映出用户资产的内在质量。

四、对模型的改进与运用

(一)核心行为用户数量的变化

在已有以用户为基础的估值模型中，对于未来用户数量的变化多以注册用户作为预测的基础。然而注册用户中可能存在大量目前并未发生或者极少发生产品核心行为的“过客”。这些无效用户的存在，一方面可能引发对于用户数量增长规模过于乐观的估计，进而导致整体估值结果的泡沫。同时另一方面对于确实具有良好发展前景的互联网企业，无效用户的存在摊薄了估值时单位核心用户所带来的价值。进而存在低估企业价值的风险。所以在模型的运用中必须设定标准对用户群进行鉴别。将用户划分为核心行为用户与非核心行为用户。在估值中只关注核心行为用户对现金流的贡献。

(二)用户特定周期内核心行为与留存率的关系

对于用户留存率指标，Martin Gneiser使用反正切函数建立了留存率与内部联接数量之间的关系。由于评估对象的商业模式为在线社交，旨在通过搭建平台帮助用户寻找商业联系、商业机会、雇员、工作或商业创意，所以用户发生的产品核心行为越多，就越会与平台中的其他用户形成联系。随着联系的增加，用户能够更好地获得自己所寻求的商业信息，而离开则会失去更多的志同道合的朋友。这符合层次模型中对于能否留住用户的定性标准。但内在联系数量这一指标仅适用于在线社区这一类商业模式的互联网企业。究其根本，内在联结数量实际上是用户发生产品核心行为多少的结果。所以，可以将内在联结数量进一步抽象，使得Martin Gneiser的留存率模型更广泛地运用于绝大多数的互联网商业模式。在原留存率模型的基础上，我们将其改进为如公式(3)所示：

(3)

mc,i,t,j代表c时期新增的第i位用户在t时期发生的第j项核心行为的数量，αj则为该核心行为的系数。即，至期末用户是否流失取决于当期所发生的各项核心行为数量。

(三)获得新增用户的营销费用变动趋势

在Martin Gneiser运用模型对在线社交网络企业XING.COM进行估值时，作了未来单位用户获取的营销费用保持不变的假定[5]。但当互联网企业能够形成良性循环体系时，该假定便不再符合实际。因为根据Sarah Tavel模型中的第三层次，当发展良好的互联网企业出现网络效应的良性循环时，企业的用户增长更多地是通过现有用户的口碑营销来获得。这与创业初期时通过大量的营销费用来获取足够的关注存在很大的不同。从而，互联网企业获得单位用户的营销成本呈现出一种下降的变动趋势。

五、案例分析

马鞍山清水网络科技有限公司以微信公众号为平台，通过推送本地特色消息聚拢用户进而开展电商业务。

(一)用户数量

该平台当前总关注用户为87 720人。其中75%为本地用户，25%为外地用户。由于平台的各项活动均基于“本地”这一核心要素展开，外地用户无法对公司的持续发展做出贡献。所以在预测核心用户数量变化时将其剔除。据此，当前核心用户的数量为65 790人。当前用户数量增长率与行业的平均增长率19%接近[7]，预计企业按该增长率连续增长10年。至第10年末核心用户数覆盖本市人口的16.3%，达到374 653人。之后流失用户数与新增用户数保持一致，总用户人数不再变化。

(二)用户留存率

基于企业商业模式用户的核心行为主要由以下两项构成，即阅读平台推送的信息和购买第三方企业的产品或服务。根据表1中的用户数据结合公式(2)计算得出用户留存率的函数式：

表1 历史留存率与核心行为数据

注：数据来源自案例公司历史运营数据。

平台的问卷调查显示用户的核心行为通常表现出如表2所示的趋势，据此计算出用户各期留存率。

表2 用户群生命周期内各月留存率

注：数据来源自案例公司历史运营数据。

(三)折现率

根据沈玉玲以46家沪深两市上市的互联网公司为样本计算的数据显示，我国互联网上市公司权益β系数大部分均值在1附近[8]。朱波等计算出我国股票市场的股权溢价为6.61%，并指出该股权溢价并不具有明显的时变性[9]。依据央行所发布的数据，2018年初以来10年期国债的收益率均值为4.59%。因此在估值中使用的权益成本d为11.2%。由于根据用户数据所计算出的留存率为月留存率，所以在计算其用户生命周期价值时是以月作为基本的期间，则月折现率为0.89%。

(四)特定时期新增用户群生命周期价值计算

以2018年10月新增用户的生命周期价值计算为例说明。

首先是对于该时期用户数量的估计。新增人数=本月绝对增加用户数 +(月初已有用户流失数 + 本月新增用户当月流失数)

=3 135

其次是对于用户相关的现金流的估计。EBITDA=净利润+利息+所得税+折旧摊销+营销费用。根据历史的财务数据计算出EBITDA比例为40%。由于互联网企业的款项收支大多为即时实现，故EBITDA相当于加回营销费用之后的与用户相关的净现金流。根据2017年财报数据，新浪、网易、搜狐等几家公司的该指标均值为37.4%。预计在案例公司进入平稳期时指标值将回归到这一均值。当前单位用户给企业每月带来的收入为1.2元，获取单位用户的成本为3元。由于用户在最初的几个月核心行为发生较少，故第一个月与第二个月的收入相应调低(见表3)。

表3 单位用户相关财务指标计算 单位：元

×88.34%×93.47%×97.25%118

对于10年增长期内的其他月份，各月新增用户的生命周期价值均按此方法计算。当企业发展进入平稳期各期人数保持稳定，为简化不再分解为各期新增用户单独计算，而以全部用户一年所带来的净现金流为基础计算现值。同时在平稳期企业用户发展实现网络效应，单位用户的获取成本下降为零。

CE=增长期各期新增用户生命周期价值+平稳期用户相关现金流现值-重复计算部分= 6031630.85 + 6231569.08—1169534= 11093665.93

扣除的重复计算部分是增长期新增用户在平稳期的价值现值

(五)企业价值

由于CE计算中未考虑企业所得税及未来资产规模增加所产生的现金流出，所以在计算完整的企业价值时需要加入这两项现金流的现值。当前资产规模为20万元，随着用户规模的上升，资产规模呈正比例上升，在稳定期达到114万元。由于企业资产以电子设备为主，故折旧摊销的年限设定为3年。同时也意味着企业会以3年为周期产生更新设备的资本支出。此外将之前预计的用户现金流按年归集，结合各年相应资产规模下的折旧摊销可获得年利润总额，进而计算出当年的所得税。

企业价值=用户资产价值(CE)—所得税现金流出现值—资产支出现金流现值

=11093665.9—2149237.5— 3478059.9

=5466368.5

六、结语

用户参与层级模型提供了分析互联网企业用户资产质量的有效视角，结合该模型展开的价值评估可以帮助评估者从更为细致的层面判断互联网企业的价值。

但模型在具体运用中还有需要进一步改进的地方。首先当评估对象的发展历史较短，对留存率与核心行为之间关系的量化难以按年实现。因此在实际的评估操作中以月为基本期间单位。这导致了评估工作量的增大。其次模型的使用需要企业经营的内部数据，但这些数据并不像财务数据一样完备而准确。这有待于未来形成较为规范统一的用户信息披露。