哈佛商业评论

服装零售商Revolve集团于2019年6月进行了IPO，但在之前几周，投资者都为如何算出一个合理估值而发愁。最近几家公司的IPO——其中以网约车公司优步（Uber）和Lyft的IPO最为引人瞩目——表现都令人失望。由于股市低迷，Revolve将IPO时间推迟了数月。尽管出师不利，但是公司IPO还是攀升到了12亿美元的高价，并在第一个交易日就暴涨了89%，成为2019年上市首日表现最好的公司之一。股价飙升令Revolve的估值大约达到了过去12个月收益的4.5倍，而且是服装零售业同行市值的5倍，几乎是技术公司才能达到的市值。究竟发生了什么事？为什么投资者当初竟看不出Revolve是家实力这么强大的公司？

Revolve的估值溢价并非出于侥幸，而是因为确定IPO价格的承销商没有充分意识到公司强大的基本面。这种强大与收入增长关系不大，更多关乎于客户单位经济效益：简单来说，Revolve不仅在盈利的前提下获得了客户，还将客户留住了很多年。这意味着公司的长期盈利潜力，比根据此前收入增长推算出来的盈利能力更大。

Revolve的IPO成功反映出向客户驱动型投资方法转型的趋势。我们的研究也在推广这种用客户指标来评估公司潜在价值的做法，即所谓的“基于客户的企业价值评估”（customer-basedcorporate valuation，简称CBCV）。CBCV正带领一场富有意义的变革——从“不惜一切代价追求增长”这种普遍但又危险的思维模式，转变为对于收入持久性和单位经济效益的追求，从而让新的忠诚经济有更精准的指标、可靠性和诊断价值。

在本文中，我们会解释高管和投资者如何运用CBCV原则来更好地理解和评估公司的价值。不论对收入来源是可预测的、订阅模式驱动的公司（例如奈飞和Verizon），还是客群活跃且不定时随机下单的公司（例如优步和沃尔玛），CBCV的方法都适用。我们还讨论了公司该如何通过向投资者提供更多正确客户数据而获益，以及投资者应如何避免被虚荣指标（vanity metrics）愚弄——这些指标看似能有效反映客户行为，但其实并没有想象中那么有用。

更准确的收入预测法

CBCV适用的条件很简单。多数传统财务估价方法都借助季度财务来预测数据，尤其是收入预测，但CBCV强调每一分收入都来自购买商品的客户，所以选择用基本会计准则进行自下而上，而非自上而下的收益预测。尽管这种做法似乎与传统框架大相径庭，但事实并非如此：CBCV只不过更加关注客户个体行为如何推动收入增长。

部署CBCV需要哪些工具?除了常用的财务报表数据之外，我们还需要两大工具：一是客户行为模型（我们称之为客户导向型模型），二是输入模型的客户数据。客户导向型模型由四个相互关联的子模型构成。这些控制公司每一位客户行为模式的子模型包括：

1. 客户获取模型，用于预测新客户流量

2. 客户保留模型，用于预测客户保持活跃的时间

3. 购买模型，用于预测客户与公司的交易频次

4. 购物篮系数模型，用于预测顾客每次购物的支出

将这些模型整合在一起后，我们就可以了解到公司每位客户的关键行为——何时可获得哪些客户，在一段时间内他们会产生多少支出等。将所有客户的预计支出加起来，就得到了季度收入预测。综合利用这些模型，我们就可更精确地估算出未来的收入流，进而更准确地估算出公司的真正价值。

这一基础模型适用于所有行业的公司，不过具体应用取决于个体公司的商业模式，尤其要确定该公司是否基于订阅模式。对健身房或电信公司这种提供订阅服务的公司来说，管理者通常都知道客户每个月的支出，而且能够直接观察到客户的流失，因为客户会直接跟他们取消合同并且注销账户。这会简化客户保留和购买子模型的搭建流程。

然而，大多数公司提供的是非订阅服务，客户购买行为随机且流失率无法感知。举例来说，如果你有亚马逊账户，但决定不再从该公司购物，那么不论是不是亚马逊的人，都很难立刻意识到这一决定。市场营销人员将这种现象称为潜在流失（latent attrition）。洞察潜在流失要用到更复杂的子模型，但是营销人员已开发出了极富成效的预测方法。

窥见黑盒内部

新预测方法貌似高深，但操作起来相对简单，而且可根据具体商业情景进行适度完善与拓展。

现在我们通过具体案例来对收入预测的“黑盒”一窥究竟。假设你创建了一家发展迅速且基于订阅模式的年轻半成品净菜公司。前四个月的运营期内，公司分别创造了1000美元、2500美元、4500美元和7000美元的总收入。你想了解以上收入对于未来收入和企业整体生存能力有什么意义。首先你要做的是，预测第五个月的收入。

假设活跃客户每月为半成品净菜服务支付100美元的固定费用，而公司在前四个月运营期中分别获得了10名、20名、30名和40名客户（共计100名客户）。公司获取的客户中，有一半人会在第一个月之后流失；只要客户在第一个月未流失，就会留下来。

预测第五个月收入的第一步是，计算留下来的客户将产生多少收入。如果流失率一直都维持在50%，那么前四个月中获取的100名客户中，一半人，或者说50人会在第五个月留下来。因此，在第五个月的收入中，留下的客户会产生5000 美元（50×100美元）的收入。下一步是，预测新客户可贡献多少收入。假设客户获取率不变，预计你会新增50位客户，也就意味着5000美元的收入。把这两个预测值加起来，你会得出每月总收入为一万美元。

CBCV方法让收入数字不再存在理论层面上。相反，收入会随一组行为驱动因素的变化而改变。在本例中，驱动因素包括获取客户总人数、客户保留动态和每用户平均收入（ARPU）。这个框架让收入更容易预测，并能起到诊断作用，帮助管理者和投资者了解价值创造的来源（以及当结果与预期不符时，应问哪些问题）。

当然，像上述半成品净菜公司所使用的这种简单模型和模式，很少出现在其他公司中。我们举这个例子是为了阐述CBCV方法的基本原理，因为你自然而然会在这一基础上拓展。比如，假设你的公司采用分级定价策略（也提供另一方案，每月净菜供应量翻倍，收费189美元），所以你需要不定时记录ARPU变量。如果公司允许客户不选择配送服务或随机购买，那么你必须跟踪下单频率和每笔订单平均费用。如果公司放弃订购套餐模式，改用点菜模式，你就要用能够预测客户下单频率的模型。这些扩展因素虽然增加了模型的复杂性，但整合这些因素的过程与前例并无不同。如果你想要将期限延长到第五个月之后，可重复计算流程，算出更长期限内的收入，从而完成对长期收入的预测。这个预测结果对正确估算企业价值至关重要。

如何在复杂情境下使用CBCV？深入讨论详见我们的学术论文《用公开披露的客户数据来评估基于订阅模式的企业》（“Valuing Subscription-Based Businesses Using Publicly DisclosedCustomer Data”，《市场营销杂志》，2016年10月）和《对上市非合同制公司进行基于客户的企业估值》（“Customer-Based Corporate Valuation for Publicly TradedNon-Contractual Firms”，《市场营销研究杂志》，2018年3月）。

全面洞悉客户

通过CBCV获得的洞见有多全面，取决于分析师能够获得多少公司内部数据。企业高管能看到所有客户数据。负责评估收购目标的私募基金投资者通常可以访问交易数据和客户关系管理系统（CRM）数据。对于订阅型公司来说，这些数据包括合同期限、定期付款和明确的客户流失数据；对于非订阅型公司来说，这些数据包括每次购买产品的时间和件数。如果分析师可以访问其他客户行为、人口统计学、营销接触点和服务交互等方面的数据，就能进一步丰富CBCV分析的内容。

对于对冲基金经理、华尔街分析师、监管机构等外部人士和机构来说，详细的客户数据不可能定期获得。但他们可访问公司的客户群组图表（customer cohort chart，简称C3）。C3通过获取客户群组来跟踪收入变化，并显示不同年龄群组的客户总支出。（具体案例详见边栏“C3：新的企业价值评估工具“）很多大型知名企业（包括订阅和非订阅型公司）已开始披露C3数据，其中包括Slack Technologies、Dropbox、Lyft和奢侈品购物平台RealReal和Farfetch。公司的C3、活跃客户人数和订单总数数据，足够支持投资者充分理解客户行为。

如果公司不能或不愿意公布C3，投资者应迫使其披露四个关键指标数据：活跃客户人数（总数以及与公司交易超过12个月的长期客户占比）、近期获取客户总数、收入（总数以及长期客户产生的收入占比）和订单数量（总数以及长期客户订单数占比）。

虽然我们强烈建议公司披露更多信息，但只要从过往文件中获得三到四年时间内的数据，就足以支持CBCV模型的应用，以及对公司客群整体健康状况的评估——虽然未来收入的不确定性会更大一些。

透明化趋势

目前很少有公司向外部人员披露使用CBCV所需的全部数据，其中原因有很多。首先，披露客户指标属于自愿行为，几乎不存在迫使企业提供这些信息的压力。其次，对于哪些客户指标提供的信息最有用以及如何计算并且报告这些指标，业界几乎没有共识。最后，政策制定者和监管机构基本上对这些问题保持缄默，任由企业自行决定是否披露客户信息。

遗憾的是，高管在信息披露问题上往往抱着“少即是多”的心态。无论数据的聚合程度如何，高管都担心披露额外信息会令自己在竞争中处于劣势，或可能面临诉讼或监管审查的风险。成功的公司担心，若披露的指标开始显示不利于自己的信息，投资者会作何反应。一般只有营销部门才会进行客户层面的预测，财务和相关职能部门的管理者不习惯在预测收入时将客户行为纳入考量，反而更愿意使用传统方法。

在缺乏投资者压力和监管标准的情况下，企业可随意选择披露哪些指标，从而给投资界描绘一个过度理想化的未来。这些指标往往基于错误的假设和制定方法，所以定义都不准确。

以Peloton为例，该公司销售高端家庭健身器材，以及流媒体视频健身课程的月度订阅计划。Peloton在2019年8月提交上市前的S-1文件时，选择披露每位订户的客户终身价值（CLV），声称最近一个财年的CLV为3593美元。值得赞赏的是，Peloton还披露了用于计算这一CLV的基本公式，但公式本身有太多瑕疵。最明显的问题是，Peloton的公式没有考虑货币的时间价值，只是在不做折现处理的情况下增加了超过13年的未来现金流。即便按照较低的折现率计算，CLV也会因此减少50%以上——这个降幅会对客群健康产生重要影响。随着越来越多公司主动披露客户指标，分析师必须对可能有误导性或弄虚作假的审核数据保持警惕。

尽管Peloton指标远非完美，但代表着向客户信息透明化转变的可喜趋势，并将惠及股东、公司和客户。股东在评估潜在投资机会时，会越来越多依赖客户数据，因为更多人在网上消费，而同店销售额等传统实体店指标的实用性正在下降。高管可使用客户数据来论证为何要投资能够创造长期价值的投资项目，并向股东说明这些投资对CLV和其他长期指标的影响。客户将被视为价值有待长期提升的战略资产。现在股东因为缺乏评估长期客户盈利能力所需的信息，所以会敦促企业完成短期绩效指标，但新趋势反映了可喜的心态变化。

在CBCV改革尚未蔚然成风前，以上论述对你来说有何意义？如果你是投资者，请不要忽视与客户相关的指标——这些指标或许就隐匿在财务报告中，你必须积极找出来。如果你需要的数据没有被披露，那么你应主动索要或寻找可有效代替这些数据的资源。关注单位经济效益的话，你很有可能发现可利用的机会。

如果你是尚未披露客户指标的高管，那么开始想想吧，如果必须披露这些指标，公司会暴露什么问题。如果你们的客户指标数据并不尽如人意，那么现在就是你在私底下重新关注并改善客群健康的绝佳机会。也许过不了多久，市场参与者就会要求你披露数据了。

丹尼尔·麦卡锡（Daniel McCarthy）彼得·法德 （Peter Fader）|文

丹尼尔·麦卡锡是埃默里大学戈伊祖埃塔商学院市场营销学助理教授，也是基于客户的企业估值解决方案提供商Theta Equity Partners联合创始人。彼得·费德是宾夕法尼亚大学沃顿商学院市场营销学教授、《以客户为中心手册》（Customer Centricity Playbook）一书的合著者，也是ThetaEquity Partners联合创始人。