（内附FRM礼包）风险投资家研究一家公司的正确姿势

文末附大礼包：FRM资料全集!

本文包含16个评估互联网公司投资价值的指标。好的指标不只是关于如何从风险基金筹钱，更多的是了解公司创始人是用什么方式来运营一项业务，而且他知道为什么业务应该这么运营、解决了那些实实在在的问题。

你能想象风险投资人在办公室里针对这些指标进行激烈讨论的情景吗？

商业和财务指标

1.潜在的市场规模(TAM)

TAM是一种量化市场规模/机会的方法。但是，如果使用现有的市场规模也许会低估了新商业模式所带来的市场机会。例如，SaaS相对于传统的、需要安装的企业软件来说，可能有较低的每用户平均收入，但是却通过扩大的用户数量弥补，甚至超越了传统软件可获得的总收入，同时获得了市场空间的增长。此外，如果一个产品，或者一项服务在功能上远超现有产品，那么同样可以获得市场增长，例如ebay相对于传统收藏/古董商。

虽然有一些方法可以衡量一个市场的大小，但是我们更喜欢看到一种自下而上的分析方式——考虑你的目标用户特征，你将如何进行营销，并将产品卖给他们。相比之下，自顶向下的分析方式，计算TAM时是基于市场份额和总体市场规模。

为什么我们提倡自下而上的分析方式？

假设你向中国销售牙刷。自顶向下的计算会是这样的：如果我每年可以向40%的中国人销售牙刷，而每一个牙刷的售价为$1`的话，我的TAM是：13.6亿人×$1×40%=5.4亿美元/年

这个分析不仅倾向于夸大市场规模（这40%怎么来的），而且完全忽略了向5.4亿人销售牙刷的困难和费用：他们如何了解到你的产品？他们去哪里购买你的牙刷？他们有哪些替代选择？同时，自下而上的分析则会基于你通过药店、杂货店、夫妻店，以及网店，每天、每周、每月和每年销售多少牙刷，从而找出TAM。

这种分析强迫你去思考，你的销售和营销团队的构成，以及需要的技能——让计划的执行以十分具体方式落地。

重要的是，不要在投资者面前，“玩弄”TAM的数字游戏。是的，风险投资者一直都是寻求于投资“big idea”。但是很多最好的互联网公司在开始的时候，都是试图解决一个较小市场中存在的需求。例如ebay（开始时基于收藏品和古董市场）、Airbnb（则是基于别人家的房间），在这两个例子中，公司和他们的目标用户，将产品或服务的基本功能显著地扩展到了更为广阔的市场空间之中，而这些市场则是它们在初创时根本没有想到的。

2.ARR ≠ Annual Run Rate

当软件业务使用ARR这个指标时，他们指的是年度经常性收入（annual recurring revenue），而不是年销售额（Annual Run Rate）。

在SaaS的业务中，ARR衡量的是业务每年的经常性收入。它应该排除一次性费用、专业服务费，以及任何可变用途的费用。

在电商平台的业务中，由于业务发生时更多的是基于交易，而没有合同，我们就通过按年折算的GMV，或者最近月份，货季度的收入指标，来考虑当期的年收入。

常见的一个错误是将商城的GMV当做“收入”，这样会夸大业务的规模。GMV通常反应了消费者在网站上的支出，而收入则只是GMV的一部分。

3.每用户平均收入（ARPU）

ARPU被定义为：在一段时间内，总收入除以用户数量，所谓的一段时间可以是一个月、一个季度，或者一年。这是一个极具意义的指标，主要用来衡量你平台上的用户价值。无论那些用户是否是付费用户，也无论他们在查看你网站内容的时候，是否点击了广告。

对于尚未取得收入的公司，投资人往往会将其发展前景与已有公司的ARPU进行比较。例如，我们知道Facebook在2015财年Q2，从每个美国和加拿大用户身上产生$9.3美元，如下图：

所以，我们在评估一个公司的广告业务时，会将其的盈利潜力与Facebook进行对比。我们会问自己：我们相信这家公司在未来的一个季度、半年能够产生与目前Facebook一样，或者比后者更多的广告收入吗？

如果答案是肯定的，那么有什么证据能够证明这是正确的估计吗？公司该如何实行这个收入目标那？他们有这个能力吗？

4.毛利率

毛利率等于一个公司的总销售收入减去销售成本。

它被视为在比较不同商业模式的相对收益时的均衡器（联系）。毛利率告诉投资人的信息是，这家公司的业务需要多少钱才能正常运转，以及业务可以盈利的底线。

举几个例子来说明一下毛利率：

电商业务通常具有较低的毛利率，最好的例证当然是Amazon。它的毛利率为27%。相比之下，一些非B2C商城或软件公司的毛利率都比Amazon高。

借用Jim Barksdale的话说：“软件业务的神奇之处在于：我拥有软件，我可以将它卖给你，然后我仍然拥有这个软件。”

因为这个神奇的特性，软件企业应该拥有非常高的毛利率，一般为80%-90%。一些小的软件公司起步时可能毛利率很低，但是他们现在通过云服务来提供现付现用的软件，所以，以前他们在运营中需要购买和维护的昂贵设备“消失了”。所以现在处于事业早期的小型软件公司，也开始拥有较高的毛利率。

5.售出率和库存周转次数

售出率通常只有一种计算方法：一定时期内的单位产品销售量除以期初的单位产品数量。但是，这一数字在不同的业务类型中拥有不同的用途和含义。

在电商业务中，售出率也可以通过“成交率”、“转化率”，或者“成功率”来反应。无论它叫什么，售出率在商城业务模式中都是一个十分重要的指标。作为投资人，我们希望看到这个指标相对较高，以使供应商更愿意在商城中发布商品。我们也希望看到这一比率随着时间不断提升，特别是在商城业务发展的早期（在很多时候，这也意味着“网络效应”的产生）。

任何以销售库存产品为主要业务的公司，包括零售商、批发商和制造商来说售出率都是其库存管理的关键运营指标。它可以显示你是如何将你的产品供应与市场需求相匹配的，而且是基于每个产品。

然而，对于很多投资人来说，在考察任何基于库存产品的业务时，库存周转率都是一个比售出率更为有用的指标。因为对于追求业务效率的资本来说，更多的周转总是更好地提供了了解库存质量的线索，库存周转时间的放缓，可以是需求放缓和潜在的存货减值的信号（从而导致减价，或是账面价值的削减）

库存周转率通常的计算方法是用“一段时间”的销货成本/平均存货余额，而“一段时间”的典型单位是年。

经济学和其他典型特质

6.网络效应

简单地说，当一种产品或者服务随着使用的人越多就越有价值的时候，这种产品或者服务就具有了“网络效应”（例如电话、以太网、ebay，或者Facebook）。通过增加接触和更高的利润，网络效应是软件公司建立“护城河”，免受竞争困扰的关键因素。

然而，没有一个单一的指标可以表明一种业务具有“网络效应”。但是，我们经常看到企业家声称他们的业务具有“网络效应”，却不提供任何证据。对于风险资本家来说，也无法给出一个简单的指标来衡量业务是否具有“网络效应”，我们在内部争吵的也非常厉害。

让我们用OpenTable作为解释一种业务具有“网络效应”的例子：OpenTable的网络效应指的是，其平台上有越多的馆子供选择，就越能吸引更多的订餐者访问平台，同时，越多的订餐者就意味着会有更多的餐馆加入平台。我们可以提供一种对策，来帮助大家衡量一种业务是否具有“网络效应”（我们也经常使用）：

A．OpenTable销售人员的效率随着时间的推移会出现大幅的提高，这部分是由于入驻的餐厅越来越多，对其他商家形成了势能；

B．随着时间的推移，使用OpenTable的订餐者数量大幅增长。

C．随着时间的推移，相对于到各家餐馆的网站预订座位的顾客，持续地低于直接来OpenTable进行一站式预订的顾客。

D．随着时间的推移，餐馆的顾客流失下降。

正如你所看到的，上述这些指标都是特定于OpenTable所建立的“网络效应”。其他具有“网络效应”的业务还包括Airbnb, eBay, Facebook, PayPal，他们都有特定的衡量指标。

所以，在管理具有“网络效应”的业务时，最重要的事情是定义这些衡量指标，并持续地跟踪它们。对于投资人来说，最重要的是看到“网络效应”的证据，而对于企业家来说，则是准确的理解它是什么，并知道该如何驾驭它们。

7.“病毒式”传播

“网络效应”衡量的是业务网络的价值，而“病毒式”扩散则是衡量一个产品或服务，在潜在用户之间传播的速度。需要注意的是，病毒式增长并不能表明一个业务就具有“网络效应”。

“病毒式”扩散通常是通过“维里系数”或k-value来衡量——现有的每一个用户平均发送的好友邀请数×受邀用户转化率。这个值越大，这种传播发展越快。但是这不只是发生在口碑传播之下，还可以发生在用户收到产品的分享提示的情况下。这种提示可以是利用偶然的用户接触，例如在微信朋友圈传播，也可以是直接向用户手机中的联系人发送使用邀请。

以下是k-value背后的数学基础：

A．计算现有用户数。假设你现在有1000个用户；

B．用这个数×平均每个用户发出的试用邀请。如果你的1000个用户平均发送5个试用邀请，所以发出的总邀请数为5000；

C．计算出在受邀用户中，有多少人在你规定的时间内采取了你希望他们采取的行动。这个行动指标一定要选择一个有意义的。举个例子，对于App来说下载量不是一个好的指标，因为有些人可能很简单的就下载了你的App，但是从来没有打开过。所以，你可以用注册用户数量，或者是在你的游戏中进入一级的用户数来作为衡量指标，接着上面的假设，你获得的有效新用户数量为受邀用户的15%，也就是750人。

D．这意味着你开始的1000人通过你设计的病毒式传播发展到了1750人。所以你的维里系数就是用你新获得的用户数除以你最初的用户数，在这个例子中就是750/1000=0.75。

维里系数低于1的营销行动都不能称为是“病毒式”扩散。如果你的维里系数很高（这意味着你获得新用户的成本很低），而你的ARPU却很好，那么恭喜你，风险资本家会对你穷追不舍的。

8.规模经济

规模经济意味着产品的单位生产成本随着业务量和产出成规模的增加而变得越来越低。一个典型的例子是Amazon的1P销售：其规模效应反应在共享的仓储设施和航运选择等。随着数量的增加，共摊成本的单位产出越来越多，所以其每单位产出成本持续降低。

规模经济也可能因为运营效率的提高，而降低可变成本。但是要记住，“规模经济”与“病毒式”扩散和“网络效应”是两回事儿。

其他产品和参与指标

9.净推荐值（NPS）

NPS基本上是一个用来衡量客户满意度和忠诚度的指标。它是基于以下的用户调查，来计算的：“您朋友或同事推荐我们的公司/产品/服务的可能性有多大？”

以下是一种计算NPS的方法：

A．询问你的客户上面的问题，并让他们在0至10之间打分，其中10代表肯定会推荐；

B．愿意推荐者的比率=打分在9或10的受访人数/受访人总数

C．不满意顾客的比率=打分在6（包含6）以下的受访人数/受访人总数

D．NPS=B-C

对于NPS评分报告来说，一个明显的问题是受访人是对整个顾客群体的抽样，或者说是后者的一个子集，这会导致统计结果的扭曲。而另一个不明显的问题是，你也许认为应该只对充分了解你产品的顾客进行调研，例如你想要的调研的是使用你服务X次以上的顾客，但是，这会导致“调研偏见”。NPS一些其他常见问题还包括：只统计愿意推荐的顾客数量，或者受调研的顾客数量过小。

当我们在查看NPS报告时，我们应该注意以下信息：

A．分数越高越好，这表明满意的用户的比例，而且这些用户也很可能一直使用你的产品或服务。有一点需要注意的是，我们也评估与公司竞争趋势相关的其他评分。

B．我们希望看到NPS随着时间不断的提高。因为这是展现公司不仅专注于用户，而且还不断改进其价值主张的先行指标。

10.同期群分析（断代分析）

同期群分析可以分解特定时间段内一组用户的活动/行为，这对于你的业务具有重要的意义。例如，统计出在1月第一周注册使用你服务的那些用户，然后长期跟踪这一用户群体，然后得出例如以下的结论：

谁在1个月/3个月/6个月后仍在使用你的服务/产品？

一个好的同期群分析能够帮助揭示用户如何参与到你的产品或服务中。初创公司投资人特别在意这个指标，因为它可以帮助我们判断有多少人真正热爱你的产品。很多创业公司先期都没有收入，因此在用户还没有真正用钱“投票”的时候，这个指标非常有用。

下面是进行同期群分析的步骤：

A．首先选择一套实际的度量指标，不要选择app下载量这种“虚荣指标”；

B．选择一个正确的时间段——可以是某天、某周，或者某个月，这取决于你的业务模式（较短的时间周期适合新业务，而较长的时间周期更适合已经成熟的业务）；

阶段1：

统计一段时间内真正使用了你的产品和服务的用户，为了确认他们真的使用了，可以让他们给出一些反馈行为，例如付费，或者分享照片等；

阶段2：

计算那些你在阶段1中统计用户在一周，或者一个月之后仍然在使用你产品的用户；

按照上述步骤，重复分析其他的同期用户群组，看看他们都有哪些生命周期行为。

下图是一个以周为例的同期群分析（工具是Mixpanel）。在这张图表中，你可以观察到按周来衡量的每个同期用户群组随着时间推移的参与度。例如，有44人在2013年10月7日的一周中加入，而在12周之后，还有2.27%仍然留存：

我们希望在同期群分析中看到两种趋势：

A．一段时间（6或12个月）后，产品/服务有稳定的留存用户。这意味着你留住了你的用户，而且你的业务建立在一个将会日益增加的大量循环使用之上。

B．更新的同群组用户参与11.注册用户度比老的用户更高。这通常意味着你正在不断的改进产品，而且这也给了我们一个衡量运营团队能力的重要指标。

在某些业务中，注册用户数量可以成为一个实实在在的有用信号。但是，我们常常倾向于低估注册用户数量，因为我们看到过很多不真实的注册用户数量，而且注册用户的增长并没有带来实际的产品使用量的增加。同时，注册用户是一个可怕的“累积”指标，它可以在业务萎缩的情况下，依然增长。

所以在大多数情况下，我们的首选用户指标是活跃用户数量，它更能表明产品的实际使用情况，而且这通常意味着长期的收入潜力。

12.活跃用户

“活跃”真正的含义是什么？所有人都想知道。但是这个问题没有一个简单的答案，因为“活跃用户”的定义是随商业模式的不同而变化的。例如，Facebook将“活跃”定义为：会通过任何类型的设备访问并登陆网站的注册用户，或是那些会通过任何带有Facebook分享按钮的第三方网站，将自己发现的内容或活动分享到Facebook平台的用户。

当你在衡量“活跃用户”这个指标的时候，最重要的是：第一，给“活跃”一个明确的定义；第二，确保你的这个定义能够真正代表你平台上的“活跃”行为；第三，在任何应用场景中，都保持这个指标的定义不变。

下面是一些公司如何根据自己的商业模式来定义“活跃用户”的例子。

对于社交网站：

在社交和移动平台，都使用MAUs（monthly active users）、WAUs (weekly active users)、 DAUs (daily active users)和HAUs (hourly active users)作为活跃用户的衡量指标。

在评估社交业务时，我们会仔细地查看以上这些指标，衡量用户参与度。

对于内容型网站

内容型网站考量活跃用户的常见指标是UV和访问（可以是访问深度，也可以是访问时长，但是访问时长并不十分准确）。虽然有很多关于这两个指标优缺点的讨论，但是关键在于你应该如何针对这两个指标对业务进行优化。例如，媒体网站和广告种类已经进化，一些网站和广告商可能更关心实际的参与度指标，包括访问时长、重复访问次数、分享数、评论数和情感分析等。

虽然这些指标取决于你的业务目标和优化活动，但我们倾向于关注UV和访问次数。因为前者反映了你的受众数量，而后者则揭示了你网站的粘性（对于参与度，可能访问时长是最好的指标）。优秀的内容网站都拥有这两者——巨大的受众基数和较好的受众参与度。

对于电子商务网站

在评估电商业务的时候，我们一般不会给“活跃用户”这一指标设置较大的权重，因为电商业务有更有效的指标，包括实际收入和毛利率。所以，请向我展示你们跟钱相关的数据：总收入、每用户收入、客单价、重复购买率、毛利率等——请告诉我关于访客交易的数据，而不是访客数量。

访客数量一般用来计算转化率，也就是构成交易的效率。但是转化率会受其他因素的影响，例如移动流量占比，移动流量的转化率在目前是低于web端的。

13.流量来源

我们不希望看到一家公司的全部收入的来源只有一个，这就像把所有的鸡蛋放入一个篮子。其风险是在经济学中，顾客的获取率会随时变化，例如投放Facebook的移动端广告的商家，在早期获得了强劲的回报，但是成本则快速的上升，而这种收入渠道既可以扩展（通过投放谷歌adwords），也可能因为渠道商政策的变化，导致流量的陡降。

这也是区分不同流量来源的关键所在，因为它揭示了流量渠道的风险。这与客户集中度风险十分相似。更重要的是，懂得如何区分流量来源，说明你了解你的用户是怎么来的，特别是在你想要创建一个独立品牌的时候。

14.客户集中度风险

接着上面的鸡蛋和篮子的讨论，我们在评估企业业务时，经常看到客户集中度风险。

“客户集中”的定义是，你最大的一个，或几个客户为你贡献的收入相对于你总收入的占比。如果你最大的客户每年付给你2万美元，而你全年的总收入为20万美元，那么你最大的集中度为10%。

作为一个经验法则，我们更喜欢客户集中度相对较低的公司，因为只有一家或是几家客户的公司，其业务会有一系列的风险存在，包括：

A．客户都可以借机压价和制定更利于自己的合同条款

B．客户可能过度影响公司的产品发展路线，有时甚至要求公司为自己开发特定的功能

C．客户利用他们的重要性，“强迫”公司以低于市价的价格将产品卖给自己

然而，也有一些例外。在一些行业里，客户就是相对较少的，但是这些客户的体量却十分庞大。例如移动运营商、有限电视网，以及汽车公司。非常成功的一些公司可以（而且一直）为上述的这些行业建立供应关系，但是他们往往具有更高程度的市场进入风险。因为像电信基础设施这样的市场中的那几个主要的买家，都知道如何行使他们作为巨头的“权利”——价格折扣、层层审批，以及较高的销售成本。

一般性考量

15.截断Y轴

不要在向评估者展示数据的时候这样做。非常严肃地说，为了放大曲线的差异（以显示出两条线的差别），而改变Y轴的数据范围是一种误导。看下面两张数据相同的柱形图，左边的截断了Y轴（原点为3.140%），这使利率看起来飞涨；而右边的则是未截断，而原点为零的图表，从这张图表上看，利率从2008年至2012年间几乎没有变化。