6月30日，滴滴出行（DIDI）正式在纽交所挂牌，成为年内最大的IPO事件。作为国内移动出行市场绝对的老大，滴滴发行价14美元，收盘价14.2美元，整体估值近700亿美元，不可谓不高。
备受市场瞩目的高估值背面，是滴滴连年巨额的亏损。2020年，滴滴出行营业收入1417亿元，同比下降8%，净利润-106亿元，亏损额增加了9%。近年来，滴滴在亏损的情况下持续通过融资扩大市场份额。然而，如今的滴滴用户量增长已见顶，业务重心逐渐转向海外，正在寻求新的发展契机。
对于滴滴等不断依靠融资做大，却持续亏损的新兴互联网公司，我们该如何看待它们的商业模式，与传统盈利型企业相比，应该如何对其进行估值？这是我们应进一步考虑的。
对互联网企业，特别是持续亏损的互联网企业的估值，是近几年才冒出来的新问题。在过去，针对持续亏损企业进行估值比较少见，从常识的角度也很容易理解，如果一个企业创立之后就从来没有盈利过，那么估值基本没有意义。但从2010年前后，互联网巨头企业陆续崛起，亚马逊、京东这类年年亏损但市值不低的企业，很多人都想不明白其中的逻辑。但整体来说，包括业内人士在内，在这方面的估值研究仍然相对粗糙浅显。过往估值实践，大部分都是针对发展成熟且能够持续产生利润的企业，依据某一特定时点的财务指标来对企业未来价值进行预估。既然是亏损，避开企业盈利情况成为业内在进行企业估值时的思维惯性，比如，从PE估值法，延伸到PS估值法，银行所采用的PB估值法等。我个人的看法是，这类企业估值，重点不是选择哪些财务指标，采用哪个模型，而应该首先弄清楚底层“商业模式”的逻辑变化。滴滴这样的互联网企业，其商业模式的核心是数据资产如何变现，衡量其商业价值的关键，是这些数据资产能否在未来带来指数级的效益增长，这是这类企业和传统行业的最大区别。以苹果公司为例，用户使用苹果终端产品上传和分享个人数据，苹果收集和沉淀下这些数据，分析形成清晰的用户画像，并构建一个平台，将硬件和数据打通，打造用户生态圈，用户通过一个账户就能使用苹果所有的产品和服务。随着用户越来越多，苹果所拥有的数据资产的商业价值就越大。相对而言，索尼就非常传统了，尽管它也销售各类电子消费品，但没有数据资产沉淀，不能靠数据实现规模效益增长。所以，从投资人的角度来看，一家仍在亏损的互联网行业独角兽，可以通过持续巨额投入，来积累并挖掘“数据资产”的价值，达到“边际收益大于边际成本”临界点，进而实现盈利。此时，一旦面临“盈利”和“现金流”的取舍时，很多投资人倾向于秉持现金流为王原则，支持企业继续做大，类似京东、亚马逊也就得到了非常高的估值。盈利往往意味着商业模式打通。这给某些企业管理层也带来了一个新角度，即是否可以维持企业非盈利的状态获取资本持续投注。有盈利能力，却延迟将公司做到盈利状态。持续拓展业务边界，在利好兑现之前，给外界仍然保持着增长型发展的面貌，也给投资者留下更大的想象空间。港股、美股等一些上市公司，通过这一思路不断推高企业估值，与资本展开博弈。这也是持续亏损但估值走高的企业，层出不群的原因之一。上述互联网企业商业模式的底层逻辑，决定了对其投资和估值的逻辑。首先，投资者会去看企业所在的赛道是蓝海还是红海。如果一个百亿市场，被某企业拿下了90亿，那么即便企业利润亏损严重，理论上，只要边际成本仍在下降，就一定会迎来平衡点，之后即可坐享规模收益和垄断利益。基于这一逻辑，简单实用的PS估值法，成为当前互联网企业的主流估值方式就不足为奇了。PS估值法，即通过市销率进行估值。P/S=股价/每股销售收入（或总市值/销售额）。这样算出的值叫作PS（Price-to-Sales）。借助PS估值的优点在于销售收入比较稳定可靠，不像利润容易被操控；收入不会出现负值，即使企业净利润为负也可用；收入乘数对价格政策和企业战略变化敏感，PS可以反映该变化后果。可见，PS估值是从销售的角度考虑企业价值，而销售规模往往取决于企业未来能拿下多少市场份额。如果和传统制造企业相比，这个逻辑就更清晰了。制造业不存在“赛道”一说，或者说不那么重要，其客户存量固定，企业发展目标便是所谓“三分天下有其一”。对传统制造企业估值主要关注利润规模，公司实力如何，盈利能力才是硬指标。据推测，滴滴2021年综合营收约为98.9亿美元。按照700亿美元的IPO估值定价，那么滴滴对应的市销率（PS）则为7.1，相比Uber 2021年的PS均值8.7和Lyft的7.9，均处于相对较低的水平，表明滴滴目前的IPO估值定价相对市场同类公司更为便宜。PS估值法的局限性在于，对于互联网企业的核心资产“数据资产”，它往往很难给出相对合理的估值。为了解决这个问题，常被人提及的“梅特卡夫定律” （Metcalfe’s Law）提供了一个新颖的角度。该定律是指，网络的价值等于网络节点数（一般就是指用户数）的平方，即网络的价值V=K×N² (K为价值系数，N为网络节点数。) 从这个定律出发，互联网企业触达和获取的用户越多，意味着它掌握或沉淀的数据量越大，数据资产价值也就越大。而且这个关系不是线性的，而是指数关系。这也是为什么互联网企业会不惜烧钱来争夺用户资源。然而在现实中，梅特卡夫定律在企业估值上的实用性非常有限。企业对数据的利用极具个性化，包括与第三方数据的交叉应用等。数据在不同领域、不同环节所发挥的作用很难量化，梅特卡夫定律的价值系数K也难以确定。哪怕同样做网约车业务的滴滴和Uber，因为复杂的宏、微观差异性，其用户的价值系数可能会相距甚远。互联网企业前期投入高、收益不确定性大、回收周期长的特点，特别是垄断型互联网企业，要深挖其商业逻辑，洞悉其生命周期，正确评估收入和盈利水平，规避陷阱，从众多资本故事中找到真正有价值的标的。因为互联网企业的核心资产是数据，所以数据准确与否，是否可用做参考，这一点非常关键。比如，做互联网电视的企业，是基于日活数据还是月活数据更有效？
样本数据的合法性也要注意，如果数据是通过不合法途径买来的，据此估值就存在很大的风险。再比如，某重要变量易受政策影响而出现不确定性，那么带入估值模型来演算是否成立，就需要判断。即便看似同类型的互联网企业，其背后的商业逻辑也存在巨大差异。
同样做金融科技的互联网公司，帮银行解决风控难题，某些企业倾向于专注于具体项目，利用数据做出模型；有的企业则只做产品或服务经销。这导致企业之间的现金流回收期、盈亏平衡点的计算，存在较大差异。这也是为什么我们很难基于市净率、市盈率等指标直接使用“可比公司法”来估值的原因。此时，绝对估值法等传统方法可能还更具优势，这类估值法不设法确定可比公司，而是专注于自身的商业模式，更加具体化。总的来说，估值不是某家公司自己的游戏，各公司都会在市场博弈中寻求估值最大化。不同资本市场的估值体系也不一样，公司因此存在上市地点的偏好差异。机构进行估值时一定要加入市场因子系数进行调整，才能得到该公司在对应资本市场的真实估值。对互联网企业估值离不开财务报表，尤其是使用PS估值法时，要尤其关心销售收入的确认是否准确。如果销售收入确认过低，会造成公司的价值被低估。这种情况下，公司需要对销售收入根据实际情况做出调整，或者安排某些条款保护估值可能存在的缺陷。与传统制造业相比，互联网企业资金流和业务流的不可见性，导致互联网企业收入很难像传统制造业一样通过“收入确认5步法”来解决。近年引入了针对这类企业的IT审计，很大程度上减少了估值不确定性风险。中国的互联网行业蓬勃发展了20多年，吸引着一批又一批投资者选择发展潜力的互联网公司，实现价值增值。在商业模式剧变的未来，必须拨开浮云，对估值方式也要进行持续创新，探求真实的企业价值。本文仅代表作者个人观点，不代表本公众号立场。本文未经CVA Institute授权，请勿以任何形式进行转载。
新浪微博
3023 001 462