درجه سختی ارزشگذاری

یکی از خدمات چرخ برای استارتاپ‌ها ارزشگذاری ست. در واقع اندازه‌گیری ارزش استارتاپ به گونه‌ای منصفانه، قابل دفاع و با در نظر گرفتن عناصری کلیدی مانند اندازه بازار قابل تسخیر (پتانسیل فروش)، پتانسیل رشد سریع و افزایش مقیاس (نرخ رشد) و سودآوری (حاشیه سود عملیاتی).

اگر استارتاپ در مرحله‌ای از توسعه باشد که بکارگیری روش‌هایی مانند Scorecard، ارزش منصفانه بازار و یا بکارگیری صرفِ روش تنزیل جریانات نقدی ممکن نباشد، این خدمت می‌تواند گاهی به سخت‌ترین کارویژه‌ی تیم چرخ تبدیل شود؛ به سلسله جلساتی که ادامه می‌یابند تا زمانیکه دیگر افراد گرفتار استدلال‌های تو در تو نشوند و همگی بر سر جمله‌ی «این محاسبات اندازه بازار/این مدل رشد/این نرخ‌ ریزش/این نرخ تبدیل/این شرکت‌های بورسی/این فاکتورهای تعدیل/این نرخ رشد فاندمنتال/این… بهترین است.» به توافق برسند.

پیچیدگی این فرآیند دلایل فراوانی دارد که در ادامه به یکایک آن دلایل پرداخته‌ام.

فرضیات مدل مالی استارتاپ از حقایق (Facts) آن بیشتر است.

تنها قطعیت در ارزشگذاری استارتاپ های در حال رشد، وجود عدم قطعیت است. مدل مالی این استارتاپ‌ها بسته به مدت زمان  فعالیت تا حد زیادی وابسته به کلکسیونی از فرضیات است. در بسیاری از موارد نیز که مدل کسب و کار و درآمدی‌ استارتاپ هنوز مستحکم نیست، چرخشی جزئی در مدل درآمدی، قیمت‌ گذاری محصول و یا حتی در بازار هدف می‌تواند تمامی پیش‌بینی‌ها و مهم‌تر از آن فرضیات مدل مالی را زیر سؤال ببرد.

منظور ما از فرضیاتِ مدل مالی فرضیاتی ست که خروجی ارزشگذاری به مقادیر آن‌ها حساسیت بالایی داشته باشد.

دسترسی به حقایق (Facts) گاهی امکان‌پذیر نیست.

نبود اطلاعات کلان و قابل اتکا از صنایع موضوع تازه ای نیست. کافیست به یک مثال واقعی بپردازیم:

فرض کنید برای اطمینان از قابل اتکا بودن پیش بینی های مالی بنیانگذاران یک استارتاپ فینتک در رابطه با درآمد حاصل از خدمتی مانند انتقال وجه در سال ۳ام، بخواهید به سراغ اندازه بازار انتقال وجه در ایران بروید تا بر اساس «کل اندازه بازار انتقال وجه، سهم انتقال وجه آنلاین، سهم بانک‌ها از انتقال وجه آنلاین، سهم فعلی رقبای استارتاپ و…» دستیابی به پیش بینی‌ها را از نظر امکان پذیری چک کنید.

پس احتمالا به سراغ یکی از مهم‌ترین منابع برای بررسی اندازه بازار انتقال وجه در شبکه تبادل اطلاعات بین بانکی خواهید رفت: بولتن ماهانه نظام های پرداخت که توسط بانک مرکزی و متأسفانه فقط تا مهر ماه سال ۱۳۹۵ تهیه و منتشر شده است.

احتمالا مثل ما ناگزیر به تنظیم جلسه‌ای تلفنی/حضوری با یکی از افرادِ دخیل در تهیه این گزارش باشید. اتفاقی که در واقعیت می افتد این است:

زمانیکه موفق به صحبت با این فرد می‌شوید، شما را به شخصی ارجاع می‌دهد که «تنها» فرد مطلع از «اطلاعات این چنینی» ست. باز اگر مثل تیم ما اصرار داشته باشید که حتما با ایشان صحبت کنید بایستی روزها تماس بگیرید و پیگیری کنید که آیا ایشان از سفر طولانی خود بازگشته‌اند یا خیر…

استارتاپ داده‌های تاریخی اندک و غیر قابل اتکایی دارد.

پیش بینی های مالی مبتنی بر عملکرد مالی ۱ تا ۲ ساله استارتاپ چندان قابل اتکا نیستند. برای مثال فرض کنید در پیش بینی های درآمد، نرخ تبدیل کاربران نسخه رایگان به پولی اپلیکیشن بر پایه نرخ‌های تبدیل در ۱۵ ماه اخیر تعیین شده باشد و این نرخ‌ها به هر دلیلی (سیستماتیک/غیر سیستماتیک) نتوانند مبنای درستی از نرخ تبدیل واقعی استارتاپ باشند.

تأثیر این فرضیات پس از معامله و با گذشت زمان مشخص خواهد شد. بنابراین پس از ۱ سال و با نزدیک شدن این نرخ به مقدار واقعی خود، فروش استارتاپ کاهش/افزایش می یابد. حال آنکه در پیش بینی های مالی در پایان سال اول مقدار فروش کمتر/بیشتر در نظر گرفته شده بود.

در چنین حالتی هیچ امکانی در تغییر ارزشگذاری و یا درصد سهام واگذار شده به سرمایه گذاران در صورت عملکرد بدتر/بهتر بنیان‌گذاران و به بیان بهتر هیچ راه برگشتی وجود ندارد مگر زمانیکه معامله میان استارتاپ و سرمایه گذار مشروط به مقدار فروش در سال اول باشد.

حتی در صورت وجود داده‌های تاریخی کافی برای درون‌یابیِ مدل فعلی رشد کاربر، معمولا این مدل به دلیل رویکرد متفاوت استارتاپ در صرف مخارج برای بازاریابی و جذب کاربران نمی‌تواند نماینده مدل رشد آتی پس از جذب سرمایه باشد. در رابطه با مدل رشد شاید بپرسید که:

چرا از مدل‌های رشد رایج مانند راجرز استفاده نکنیم؟

به نظر ما نظریه‌ای که در سال ۱۹۶۲ (قبل از ظهور اینترنت) و بر اساس مدل تسخیرِ بازار در تکنولوژی‌های دهه ۹۰ میلادی‌ ارائه شده است به هیچ وجه نمی‌تواند نماینده مدل/تابع رشد کسب و کارهای نوپای کنونی باشد.

زیرا در حال حاضر یک استارتاپ یا در مدت زمانی مشخص سهم از بازار قابل توجهی را از آنِ خود می‌کند و یا شکست می‌خورد. اما طبق مدل رشد راجرز، تکنولوژی یا شرکت تمامی سهم از بازار مد نظر خود را تدریجا تسخیر می‌کند.

جالب است بدانید اولین پیام بین دو کامپیوتر ۷ سال پس از نظریه راجرز در سال ۱۹۶۹ از طریق ARPAnet ارسال شد و یا World Wide Web را ۲۸ سال پس از نظریه راجرز  Tim Berners-Lee اختراع کرد.

نکته دیگر که بکارگیری مدل رشد راجرز را در مدل مالی استارتاپ‌ها ممنوع می‌کند، متفاوت بودن فضای کسب و کارهای کنونی بدلیل تأثیر اینترنت و عواملی مانند مقیاس‌پذیری، اثر شبکه‌ای، وایرلتی، پیچیدگی‌ فزاینده‌ی نیازها و خواست‌های کاربران، هوشمند بودن تبلیغات و… نسبت به کسب و کارها یا تکنولوژی‌های دهه ۹۰ میلادی ‌ست.

چرا از مدل رشد نمونه‌های مشابه ایرانی استفاده نکنیم؟

حتی اگر نمونه مشابه ایرانی وجود داشته باشد، دسترسی به متریک‌ها و اطلاعات آن بدلیل عدم بلوغ کافی فضای کارآفرینی استارتاپی و عدم وجود پلتفرم‌های ایرانی ارائه کننده‌ی اطلاعات کسب و کار امکان‌پذیر نیست.

چرا از مدل رشد نمونه‌های خارجی مشابه استفاده نکنیم؟

این سؤال جواب ساده‌ای دارد، استارتاپ دچار معضل بیش ارزش‌گذاری خواهد شد.

«پیش‌بینی‌های مالی ما محتاطانه انجام شده‌اند»

این جمله‌ی همیشگی تمامی بنیان‌گذاران است. زمانیکه بنیان‌گذاران این جمله را بیان می‌کنند، در می‌یابیم که قرار است در فرآیند متقاعدسازی آنان به تغییر فرضیات و پیش‌بینی‌های مدل مالی‌ و انطباق بیشتر آن‌ با واقعیت‌ با چالش مواجه شویم.

امکان کراس چک فرضیات برای بسیاری از استارتاپ ها وجود ندارد.

معمولا اطلاعاتی از قبیل درآمد، حاشیه سود، نرخ‌های تبدیل، نرخ ریزش کاربر، نرخ نگهداشت کاربر و… در نمونه‌های مشابه ایرانی این استارتاپ در دسترس نیست تا بتوانیم بر اساس آن از منطقی بودن نسبی فرضیات و پارامترهای کلیدی در مدل مالی اطمینان حاصل کنیم.

مثلا اگر استارتاپ در زمینه پرداخت موبایلی فعالیت می‌کند، اطلاعاتی قابل اتکا از وضعیت استارتاپ‌های مشابه در این بازار برای اطمینان از منطقی بودن نسبی مقادیر تعیین کننده‌ در عدد نهایی ارزش‌گذاری مانند نرخ ریزش و یا هزینه جذب پس از جذب تعداد مشخصی کاربر و… وجود ندارد.

هیچ روش ارزشگذاریِ مبرا از عیبی وجود ندارد.

اگر استارتاپ در مرحله‌ای از توسعه باشد که بکارگیری روش‌هایی مانند Scorecard، ارزش منصفانه بازار و یا بکارگیری صرفِ روش تنزیل جریانات نقدی ممکن نباشد، به دلایلی که در ادامه مطلب می‌آوریم امکان بکارگیری تنها یک روش و اتکا به خروجی آن منطقی نیست.

متداول‌ترین روش‌های ارزش‌ گذاری در میان سرمایه‌گذاران خطرپذیر ایرانی

نتایج نظرسنجی چرخ از ۱۱ شرکت سرمایه‌گذاری خطرپذیر معتبر در رابطه با متداول‌ترین روش‌های ارزش گذاری در تصاویر زیر آورده شده است.

همانگونه که مشاهده می‌شود متداول ترین روش‌ها در ارزش گذاری استارتاپ ‌های در حال رشد به ترتیب جریان‌های نقدی تنزیل شده (DCF)، ضرایب (Multiples)، ارزش منصفانه بازار (Fair market value)، روش VC و نمونه‌کاوی تحلیلی (Analytical benchmarking) می‌باشند.

نرخ بازده موردنیاز بعنوان یکی از ورودی‌های‌ «روش VC» کاملا بستگی به سرمایه‌گذار دارد و روش «ارزش منصفانه بازار» علیرغم صلاحیت بسیاری که در ارزشگذاری استارتاپ‌های نوپا دارد، در رابطه با استارتاپ های در حال رشد کم ‌زحمت ترین و سهل انگارانه ترین روشِ ممکن است. از طرف دیگر گاهی استارتاپ یا شرکت قصد جذب سرمایه ندارد و مثلا برای اعطای سهام به کارکنان کلیدی و یا ارائه بازه ارزشگذاری به هیئت مدیره نیازمند ارزشگذاری ست در چنین حالتی روش ارزش منصفانه بازار هیچ کاربردی نخواهد داشت.

اگر از ۲ روش VC و ارزش منصفانه بازار برای ارزشگذاری استارتاپ‌های در حال رشد صرف نظر کنیم، روش‌های جریان‌های نقدی تنزیل شده، ضرایب و نمونه‌کاوی تحلیلی پرکاربرد ترین روش‌ها در میان سرمایه گذاران خطرپذیر هستند. ارزش گذاری های چرخ نیز بر اساس این روش ها صورت می گیرد. در ادامه به معایب هر ۳ روش می‌پردازیم.

روش تنزیل جریان ‌های نقدی آتی و معایب آن

روش ارزش ‌گذاری تنزیل جریان های نقدی بعنوان متعالی‌ترین روش ارزشگذاری برای استارتاپ‌هایی که مراحل اولیه رشد را پشت سر گذاشته و به درآمدزایی رسیده اند، علیرغم ضرورتِ بکارگیری به تنهایی کافی نخواهد بود. دلایل آن نیز واضح است:

• عدم وجود اطلاعات تاریخیِ کافی از فعالیت استارتاپ
• خوشبینانه بودن پیش‌بینی‌ های مالی بنیان ‌گذاران
• افزایش خطا در پیش بینی جریان های نقدیِ هر چه آتی تر
• نبود اطلاعات از مدل‌های کسب و کار مشابه برای اطمینان از مقادیرِ تأثیرگذارترین فرضیات در ارزشگذاری

در رابطه با معضل نبود اطلاعات از مدل‌های کسب و کار مشابه بایستی اعتراف کرد که هنر و ظرافت ارزش‌گذاری با این روش در محاسبه نرخ تنزیل و یا نرخ رشد فاندمنتال بازار مورد فعالیت نیست بلکه در شناسایی مهم‌ترین فرضیات در ارزشگذاری و سپس نزدیک کردن این مقادیر به واقعیت های بازار است که همانگونه که شرح دادم، چندان امکان‌پذیر نیست.

• …

هر چند تیم ما برای کاهش و محدود کردن عدم قطعیت ‌های حاصل از موارد بالا، ارزش ‌گذاری را بر اساس ۳ سناریو با احتمال‌های وقوع متفاوت انجام می‌دهد، اما همچنان بکارگیری روش‌های دیگر برای توجیه ‌پذیری/ناپذیری خروجی این روش ضروری‌ست.

روش نمونه‌کاوی تحلیلی و معایب آن

معمولا بنیان ‌گذاران به استفاده از روش نمونه ‌کاوی تحلیلی و در واقع ارزش‌گذاری بر اساس معاملات صورت گرفته بر نمونه‌های خارجیِ مشابه اصرار و همزمان نسبت به فاکتورهای معادل‌سازی‌ای که تیم چرخ برای ارزش‌گذاری با این روش بکار می‌گیرد، شکایت دارند. (در این روش ما عدد ارزشگذاری نمونه خارجی را با استفاده از فاکتورهایی که تفاوت استارتاپ ایرانی با نمونه خارجی‌ را به حداقل برسانند، تعدیل می‌کنیم.)

برای مثال در ارزش‌گذاری یک پلتفرم ایرانی در زمینه «اطلاع‌رسانی، فروش بلیت و ثبت‌نام آنلاین رویداد» با این روش، بدلیل وجود تفاوت میان نمونه ایرانی و خارجی از منظر اقلیم‌، ویژگی‌های دموگرافیک، اقتصادی و… برای تطبیق حداکثری از فاکتورهای تعدیل زیر استفاده می‌کنیم.

• مرحله توسعه استارتاپ
• سرانه تولید ناخالص داخلی (برابری قدرت خرید)
• جمعیت
• نرخ برابری ارز
• شاخص توسعه انسانی یا HDI (بدلیل تفاوت فرهنگ کشورهای توسعه یافته و تحت پوششِ نمونه‌های خارجی با ایران از منظر اهمیت توسعه فردی و یادگیری برای افراد مقیم)

در صورت بکارگیریِ این روش بنیان‌گذاران مدام از معاملات ادغام و تملک صورت گرفته بر نمونه خارجی‌ می‌گویند و اصرار تیم ما برای یادآوری عدم یکسان بودن اکوسیستم کوچک و بدحال ایران با اکوسیستم‌های بالغ از نظر پنجره‌های خروج و یا در بسیاری مواقع استراتژیک بودن آن معاملات برای خریداران به بحث‌های طولانی می‌انجامد.

روش ضرایب و معایب آن

معمولا در تمامی ارزشگذاری ‌ها با این روش، جلساتی تشکیل دادیم تا در مورد بن‌بست‌های ارزشگذاری هر استارتاپ با روش ضرایب همفکری کنیم. اشتراک تمامی این بن‌بست‌ها سؤال‌هایی ست در رابطه با نبود شرکت‌های مشابه بورسی و بالتبع قابل اتکا نبودن ضرایب شرکت‌هایی تقریبا مشابه بدلیل تفاوت‌ در حاشیه سود عملیاتی.

برای مثال فرض کنیم که در ارزشگذاری یک استارتاپ فعال در حوزه راهکارهای نرم‌افزاری (SaaS) قصد داریم در کنار روش جریان های نقدی تنزیل شده، روش ضرایب را نیز بکار بگیریم:

تنها شرکت بورسیِ تقریبا مشابه، همکاران سیستم (نماد بورسی: سیستم) است و ارزش‌گذاری استارتاپ با ضرایب همکاران سیستم قابل اتکا نخواهد بود زیرا ممکن است ضرایب این شرکت به هر دلیلی از ضرایب صنعت راهکارهای نرم‌افزاری در ایران بیشتر یا کمتر باشد.

علاوه بر این به دلیل قابل توجه بودن مدت زمان فعالیت همکاران سیستم، تنزیل جریانات نقدی آتی استارتاپ به میزان تفاوت مدت زمان فعالیت همکاران سیستم با استارتاپ، ارزش را شدیدا کاهش می‌دهد.

اگر از ضرایب سایر شرکت‌های بورسی که معمولا برای ارزش‌گذاری استارتاپ‌ها استفاده می‌شوند (برای مثال آسان پرداخت پرشین، آتیه داده پرداز، تجارت الکترونیک پارسیان، به پرداخت ملت، های‌وب، افرانت و…) استفاده کنیم، به دلیل تفاوت قابل توجه در حاشیه سود عملیاتی نسبتا بالای استارتاپ‌های حوزه SaaS با شرکت‌های بورسی نامبرده، خروجی ارزشگذاری قابل اتکا نخواهد بود.

علاوه بر تفاوت در حاشیه سود، متأسفانه شرکت‌های بورسی مورد استفاده در روش ضرایب شباهتی با استارتاپ‌های حوزه آی‌سی‌تی از منظر مدل کسب و کار و درآمدی، ارزش پیشنهادی، بازار مورد فعالیت، فرصت‌های رشد، ریسک‌ها و…ندارند. برای مثال آسان پرداخت پرشین (نماد بورسی: آپ) در واقع یک PSPست که ۸۸% از فروش عملیاتی خود را از فروش پین و اعتبار به دست می‌آورد. بنابراین منصفانه نیست که ضرایب چنین شرکت‌هایی برای مثال در ارزشگذاری یک استارتاپ فعال در زمینه Cloud Computing مورد استفاده قرار بگیرد.

چرا بکارگیری روش ضرایب اهمیت دارد؟

به این دلیل ساده که بهترین مکانیزم تعیین قیمت ۱ سهم، معامله آن در بورس سهام به دلیل بسیار نقدشونده بودن سهام در این بازار است.

به بیان بهتر یکی از دلایل بیش ارزشگذاری سهام استارتاپ ها این است که اگر استارتاپ مراحل اولیه رشد را با موفقیت پشت سر گذاشته باشد، بدلیل وابستگی تصمیم فروش سهام به فرد یا افرادی محدود، ممکن است سرمایه گذاران قیمتی بالاتر از منصفانه را برای سهامدار شدن در این استارتاپ بپردازند.

در حالیکه در بورس سهام چنین حالتی به دلیل تعداد بالای فروشندگان سهام رخ نمی‌دهد و قیمت به صورت منصفانه تری تعیین می‌شود. (فرض کردیم که سرمایه گذاران خطرپذیری در مراحل پایانی رشد استارتاپ‌ها وجود داشته باشند و قادر به تأمین مالی استارتاپ‌ها با مبالغ بالاتر از چند ده میلیارد تومان باشند:)

از طرف دیگر منطقی‌ترین روش برای ارزش‌گذاری شرکتی که در مراحل اولیه و فاقد اطلاعات مالی تاریخی و استحکام مدل کسب و کار و درآمدی ست، روش ضرایب با فلسفه‌ای بنیادین مبنی بر این‌ست که «هیچ شرکتی نمی‌تواند در بلندمدت عملکردی بسیار متفاوت با شرکت‌های مشابه و هم‌صنعت خود داشته باشد بنابراین شرکت‌های مشابه، ارزش هایی مشابه خواهند داشت.»

از سوی دیگر به دلایلی که در ابتدای این مطلب آوردم بهتر است از ۲ الی ۳ روش، ارزشگذاری استارتاپ صورت گیرد. با توجه به مزایا و معایب روش‌های ۱۳گانه ارزش ‌گذاری، در نهایت روشِ ضرایب یکی از این ۲- ۳ روش خواهد بود.

دعای سر میز جلسات تیم چرخ

در پایان جلسات این چنینی دعای سر میز این خواهد بود که «شرکت‌های تقریبا بالغ استارتاپی (دیجی کالا، کافه بازار، اسنپ و …) بورسی شوند، الهی آمین!» چرا که اطلاعات مالی و ضرایب آن‌ها می‌تواند در نمونه‌کاوی، کراس‌ چک‌ها و همچنین توجیه یا عدم توجیه ارزشگذاری دیگر استارتاپ‌ها بسیار مفید واقع شود.

علاوه بر این داستان‌های موفقیت ایجاد شده از بورسی شدن استارتاپ‌ها ممکن است منجر به جذب سرمایه‌گذاران جدید به ویژه در مراحل میانی و پایانی شود. چه بسا که سرمایه‌گذاران قبلیِ همین استارتاپ‌های بورسی بخشی از بازده خود را مجددا در استارتاپ‌ها سرمایه‌گذاری کنند…

ارزش گذاری برای جذب سرمایه

اگر هدف شما از ارزشگذاری اعطای سهام به کارکنان کلیدی، ارائه بازه ارزشگذاری به هیئت مدیره و… نباشد، بایستی به این نکته توجه کنید که در جذب سرمایه ارزشگذاری تنها یک ضلع از مثلثی ست که یک معامله خوب با سرمایه گذار را تشکیل می دهد.

۲ ضلع مهم دیگر حقوق و امتیازات سهام ممتاز و تناسب استراتژیک استارتاپ با سرمایه گذار است. از سوی دیگر ارزشگذاری استارتاپ در نهایت خروجی مذاکرات و توافق طرفین ست نه خروجی یک ورکبوک اکسل.