摘要：近年来，互联网行业蓬勃发展，经济行为愈发频繁，企业间的并购更是屡见不鲜，随之而来的便是对于互联网企业准确估值的迫切需求。但由于互联网企业的特殊性，传统估值方法不再适用。文章就这一问题展开研究与探索，引入梅特卡夫模型，并以B企业并购A企业为例，探究梅特卡夫模型对互联网企业并购估值的适用性，以期为互联网企业并购估值方法的选择提供借鉴意义。

　　关键词：互联网企业；并购；梅特卡夫模型

　　随着不断加快的全球化进程，企业间的竞争愈演愈烈，且形式不断多元。并购重组作为一种能加快转变经济发展方式，利于产业结构调整的手段，被许多企业选择，成为一种重要的发展形式。中国互联网行业在近几年发展迅速，大大小小的互联网企业也如雨后春笋般出现。与此同时，由于互联网企业竞争压力的升级，加上自2010年以来我国企业并购的浪潮推动，目前，互联网行业的并购行为越来越多。在互联网企业并购的过程中，估值问题是核心。对目标企业的估值决定了并购价格，甚至将直接决定并购能否成功，对于并购双方来说都十分重要[1]。但由于互联网企业的特殊性，在并购中对其进行估值并非易事。所以，选择适合的估值方法对互联网企业并购有十分重要的意义。

　　一、互联网企业的特点

　　互联网企业指的是利用互联网作为媒介与平台，进行经营活动的企业。随着互联网行业的飞速发展，互联网企业的种类也愈发多样。但总的来看，互联网企业之间存在共性且与一般企业有明显的不同之处。由于依托互联网，与传统的企业相比，互联网企业在公司结构、盈利手段、发展情况等方面都有明显的独特之处。这些特点在企业的并购过程中将会对估值活动产生显著影响。

　　（一）无形资产占比较大

　　传统企业依靠厂房、仪器、材料等进行生产经营，产生商品与服务从而盈利，提升企业价值。但互联网企业的主要生产经营方式是依附互联网，通过网络提供产品与服务，所以对于传统的类似厂房的固定资产需求量很小。与此同时，互联网企业对技术、数据、知识产权等无形资产的需求较高。这些无形资产对于互联网企业吸引用户、开拓市场、存续发展有着重要作用。

　　（二）用户对企业至关重要

　　互联网企业十分依赖用户，相较于一般企业，用户对于互联网企业的影响更大。一方面用户能带来直接的消费使企业获得直接收益，另一方面用户量高低代表着流量的大小，一定规模的流量能为互联网企业带来新用户、提升品牌知名度等。对互联网企业来说，其商业模式离不开对用户资源的获取[2]，其市场规模所占比例也通常用用户规模衡量。

　　（三）排他性显著

　　互联网企业在发展的过程中面对的同业竞争压力要大于传统企业。这表现在较早进入的互联网企业能以较低的成本获得资源，发展壮大。但当其发展到一定规模后，该互联网企业将占据大部分资源，形成规模效应，阻止新的互联网企业进入。这就使得互联网行业虽然准入门槛不高，每年有众多新企业加入，但能发展壮大、长久存在的却少之又少，更多的是在竞争中消失。

　　二、传统企业并购估值方法

　　（一）市场法

　　运用市场法进行企业估值的关键之处在于选择与被估企业规模、发展情况相近的可比企业，估值结果才能更准确。互联网企业在寻找可比企业的过程中要选择用户数量相近、经营方式类似、发展阶段相同的企业。但互联网企业的规模大小相差十分悬殊，各互联网企业的类型也千差万别。此外，互联网行业发展时间并不长，互联网企业的快速发展也是近些年才开始的。所以交易数量并不多，也就是说可比的数据并不容易找到。所以市场法在互联网企业并购估值的实际操作上存在难度。

　　（二）收益法

　　收益法需要假设企业未来持续经营，并把企业未来的收益折现到估值日期，以此获得企业的价值。所以对企业未来经营情况的准确合理估计是得到准确估值结果的前提。但对于互联网企业来说，企业的发展难以估计，可能在风口实现直线上升，也可能短时间内在激烈的竞争之中就此消亡。收益的不稳定性使得对互联网企业未来收益的估量十分困难，所以实际中不易得到准确的估值结果。

　　（三）成本法

　　成本法通过重新建造的成本与企业贬值额估算企业价值。但互联网企业的成本较难估价，其资产大多数是无形资产。这些资产的价值一方面难以通过企业会计报表体现，容易被忽略；另一方面对无形资产的估值本身就是难点，容易产生误差，在后续的企业估值过程中误差还会进一步增大。此外，互联网企业资产之间的协同效应也会在运用成本法估值的过程中被忽略，从而造成估值结果的偏低。

　　三、梅特卡夫模型

　　梅特卡夫模型以梅特卡夫定理为依据，将用户考虑进价值计算的过程当中，认为网络价值等于网络节点数的平方，用户数的增长将大幅提升网络的价值。该模型将用户放在了重要位置，反映出互联网企业价值会随用户数的增加而边际递增的趋势，体现出用户对于互联网企业的重要意义[3]。相较于其他评估手段，更加适合互联网企业的特殊性，该模型的原公式为：

　　V=K×N2。

　　其中：V表示网络价值；K表示价值系数；N表示用户数。

　　但该模型也存在明显的缺陷，例如定义过于宽泛、估值过高、考虑因素不全等，所以对梅特卡夫模型进行改进才能更好满足现实需求。

　　（一）区分用户并量化价值

　　互联网企业会拥有一定数量的用户，但并非所有用户都能给企业带来相同的价值。用户之间的区别很大，对企业的影响也大不相同。活跃用户区别于一般的普通用户，其对企业有黏性且能给企业带来持续的价值。所以在计算过程中，选择活跃用户来替代普通用户能更好反映用户与互联网企业价值之间的关系。在明确哪些用户能带来价值之后就是量化每个用户所带来的价值量。可以采用每用户平均收入这一指标来表示每个用户能为企业带来的价值。

　　（二）对企业价值与用户之间的关系进行修正

　　原模型中的平方表示每个用户带来的价值量是相同的，但实际上即使同是活跃用户，初始用户和后续进入的用户所带来的价值也并不均等。所以平方关系在实际中并不合理。此外市场规模是有限的，用户也不可能无限增长下去，用户价值也不可能无限高增长下去。所以可以根据齐普夫定律将平方关系更改为更为贴合实际情况的对数关系，即从KN2变为KNLnN。

　　（三）成本问题

　　用户的获取并非用户的自发行为，而是需要企业投入成本获得的，特别是互联网企业更是需要在前期投入大量资本用于宣传，吸引用户，争夺用户资源。所以在估算企业价值的过程中要将成本因素考虑进去，用户获取的成本越高，相应的给企业带来的价值就越少。引入单位用户获取成本R这一指标，反映互联网企业每获得一个用户所需的投入。

　　（四）引入市场占有率

　　原公式中的价值系数K是概括性的，在实际计算的过程中要将其具体化。对于互联网企业来说可以采用市场占有率来反映企业的整体价值。这一指标体现出了互联网企业排他性的显著特点，对于在市场占比较大的互联网企业来说，其更有能力继续发展壮大，增长企业价值，同时在并购过程中获得更高的并购价。

　　其中：V表示互联网企业价值；ARPU表示每用户平均收入；MAU表示月活跃用户数；R表示单位用户获取成本；P表示市场占有率。

　　四、互联网企业并购案例分析

　　（一）并购案例介绍

　　A企业是一家网络科技公司，于2008年创立，该公司主要运营即时配送与本地生活服务平台，平台主要经营在线外卖等业务。经过几年的发展，依托互联网的壮大普及，A企业现已打造成为中国知名外卖品牌，在很大程度上推动了中国外卖行业的发展，促进了人们形成依靠外卖就餐的新一类就餐习惯。B企业于1999年创立，经营业务涉及电子商务、金融服务、快递物流等多项领域，是一家非常成熟且有雄厚实力的电子商务公司。

　　B企业在发展过程中，不断扩大商业版图，涉足越来越多的领域。但在线上销售做的风生水起的同时，其线下销售就成了其短板。此外，在2016年，该企业负责人提出“新零售”概念，企业开始布局新零售板块。所以对于B企业来说，在线下和零售领域方面表现优异的A企业无疑是很好的选择，可以帮助B企业快速打破行业壁垒[4]。2016年，B企业就对A企业进行了投资，且投资额高达9亿美元。紧接着2017年B企业继续向A企业投资，成为A企业最大股东。2018年4月2日，B企业集团与A企业联合宣布，B企业以95亿美元全资收购A企业。

　　（二）梅特卡夫模型对被并购企业估值

　　每用户平均收入的计算一般用企业的营业收入与用户数之比得到。但实际计算中由于A企业没有上市且并未公布其营业数据，无法直接通过查询得到所需数据，所以可以选择间接计算。A企业作为外卖平台，连接顾客与商家，营业收入可以大体上分为两个部分：抽成与会员费。

　　A企业的抽成面向商家进行收费，即作为服务平台，A企业会从平台上产生的每笔交易中抽取一部分，成为收入。但A企业并未公布其交易额，所以用整个外卖市场的交易额间接计算。根据易观分析的数据显示，2018年第一季度中国互联网餐饮外卖市场的交易规模为705.8亿元。Trustdata发布的《2018年上半年中国移动互联网行业发展分析报告》中显示2018年上半年A企业的交易额占比为36%。所以可以得到A企业的月平均交易额约为705.3÷3×36%=84.696（亿元）。这些交易额中的一部分会被A企业抽取，成为其营业收入。对于抽成比例，并未有明确公布，但可以了解到抽成比例与入驻商家的类型、成交单数、配送问题、与平台的协商等多方都有关。根据网上一些商户的分享和相关分析文章来看，一般大型商超、连锁商家的平台抽成较低，在6%~10%之间，普通商家的抽成较高约10%~15%。且随着近几年外卖行业的发展、平台的成熟，外卖平台的抽成的比例逐年上涨。2020年6月A企业就曾与同为外卖行业头部企业的另一家企业联合上调抽成比例。所以综合来看，2018年A企业的抽成比例平均约为10%。

　　A企业的会员费面向消费者进行收费，即消费者可以选择购买A企业的会员而获得一定数量的优惠券用于在该平台上消费。会员费直接成为A企业的营业收入。A企业会员根据开通时长分为月卡、季卡和年卡三类，根据付款方式又分为一次支付和连续包月。以月卡为例，2018年A企业会员月卡的售价为12元，连续包月每月10元。但购买会员在按正常售价之外还有可能享受平台优惠，以购买会员的优惠券体现，用户以低于售价的价格购买到会员。特别是2017、2018年左右为争夺外卖市场，增加用户数，使用户产生使用惯性，增加用户黏性，A企业运用了很多营销手段，其中力度较大的是购买会员的优惠。但对于不同用户优惠力度并不相同，会员折扣力度与是否为新用户、用户之前是否开通过会员、在平台上消费程度等因素都有关联。折扣较大的情况折后购买会员的价格会远低于A企业的会员定价，甚至有3、4元开通三个月会员的情况。此外还有联合会员即与其他平台的会员资格打包销售的情况存在。所以综合来看，实际用户花费的会员费远低于定价，2018年平均会员费为5元/月。开通会员与否是用户的个人选择，并非所有用户都会选择开通。根据艾媒数据咨询发布的《2018年A企业超级会员专题研究报告》，A企业的用户中有15.6%愿意开通会员。

　　A企业发布的《2017年度企业社会责任报告》显示，截止2017年，A企业共拥有2.6亿用户。由于A企业被B企业并购的时间为2018年4月，所以选择距离此收购活动发生时间最近的3月份的A企业月活跃用户数，即MAU为5 136.9万人。由此可以计算出A企业的每用户平均收入ARPU为（84.696×10%+2.6×15.6%×5）÷0.513 69=20.44元。

　　单位用户获取成本即获得每个用户所需的平均费用，通过一段时间内用于吸引用户所投入的费用与新增用户数的比计算。A企业并未公布营销推广等方面的费用，但可以从新闻报道中得知2018年A企业投入4.43亿元与另一家同为外卖行业头部的企业进行竞争，A企业的CEO表示其目标是争夺市场份额达到50%以上。而2018年1月A企业MAU为4 380.5万人，12月增长至6 268.9万人，期间增长人数为1 888.4万人。由此可以用投入费用比增长数，计算出A企业的单位获客成本R约为23.46元。

　　市场占有率P在外卖平台行业中可以由交易额规模占比来体现。2018年上半年A企业在整个外卖市场上的交易额占36%，所以A企业的市场占有率P为36%。

　　将上述数据代入修正后的梅特卡夫模型的公式中计算A企业的企业价值为V=20.44×（5 136.9*Ln5 136.9）/23.462×36%=586.74（亿元）。根据在中国人民银行的汇率查询可知2018年4月2日人民币对美元的汇率为6.276 4。可以得到A企业的企业价值约为93.48亿美元。

　　（三）计算结果分析

　　对比B企业所支付的并购价95亿美元，可以发现修正后的梅特卡夫模型的计算结果与之相差不大。说明梅特卡夫模型在对互联网企业并购估值中有一定的适用性，在实际的并购过程中能给互联网企业并购双方一个参考与选择。而并购价与计算价之间的差异有如下几个方面的可能：首先，B企业对A企业的估值可能较高。这种现象普遍存在于企业并购的过程中，特别是被并购的互联网企业在被并购前已经取得一定的发展水平，拥有一定规模和市场份额。这样的企业容易使并购企业的经营者对并购后的结果过于乐观，或是对于诸如协同效应等正向影响产生过高期待，从而演变成为对被并购互联网企业的过高估值，导致整个并购价格产生较高溢价。其次，可能是由于在运用梅特卡夫模型计算的过程中数据取值的偏差造成最终结果产生偏差。可以发现在实际计算的过程中虽然梅特卡夫模型规避掉诸如对无形资产估值这样难度较高、容易产生误差的部分，但部分数据的获得还是受到互联网企业对营业数据公开程度大小的影响，所以对于数据的选择在估值过程中也是十分重要的。最后，对梅特卡夫模型的改进仍有进一步提升的空间。本文只是对于该模型进行改进的一种尝试，改进后的模型在并购估值中展现出合理性，并在一定程度上证明梅特卡夫模型对互联网企业并购中的估值问题有一定的解决能力。但对于梅特卡夫模型仍有进一步研究的价值和意义存在，本文的改进不一定是最优解。

　　五、结语

　　首先，互联网企业并购估值方法还需要不断深入研究，探索在并购过程中对互联网企业适应性更强的估值方法。将互联网企业的特征考虑进去，结合当前互联网行业发展状态，优化估值方式，以期找到能更准确估计被并购企业价值的方法，为并购行为提供帮助和保障。

　　其次，就互联网企业来说，并购的过程应该更为谨慎。由于互联网企业并购估值问题的复杂性，在衡量企业价值时应格外慎重。对于并购交易中的并购方而言，应该考虑估值难度谨慎选择估值方式，对并购交易会对公司价值产生的影响做深度思考，使并购活动与企业本身的战略相一致。被并购企业也同样如此，应避免盲目并购行为可能给企业带来的威胁与伤害。

　　最后，行业应该加强监管和引导，就互联网企业并购估值问题给予高度重视。行业监管机构或数据提供商，建立完善的服务于企业并购估值数据库。减少估值过低现象的出现，保护小型互联网企业的价值；严格监控过高估值的现象，及时叫停，维护互联网企业并购环境的良性健康发展。

　　参考文献：

　　［1］谭艳谷.企业并购业务中估值问题研究［J］.中国国际财经（中英文），2018（7）：114-116.

　　［2］贾凡.梅特卡夫定律在互联网企业价值评估中的应用［J］.上海商业，2023（1）：92-94.

　　［3］徐文兰，吴孝灵.基于梅特卡夫模型改进的成长型互联网企业价值评估——以虎牙直播为例［J］.江苏商论，2023（4）：17-23+42.

　　［4］李雅雯.互联网企业并购财务风险分析——以阿里巴巴并购饿了么为例［J］.北方经贸，2023（4）：67-70.