互联网平台估值：GMV 口径、用户价值与网络效应

互联网平台的估值，有一套自己的语言：GMV、MAU、ARPU、LTV/CAC。这套语言的问题在于，每个指标都有多种口径，选宽松的口径，估值就能翻倍。

一、GMV 与收入的换算

GMV（商品交易总额）不等于收入。换算取决于平台的模式：

• 自营模式：收入 ≈ GMV（扣除退货、折扣）；
• 平台模式（佣金）：收入 = GMV × 佣金率（通常 2%-8%）；
• 混合模式：拆分自营与平台部分，分别计算。

GMV 本身的三个水分：

• 未付款订单是否计入（规范做法：只计已付款）；
• 退货是否扣除（规范做法：扣除）；
• 刷单是否剔除（这是最大的水分）。

审计与评估时，要核查 GMV 的构成：订单数 × 客单价、退货率、刷单比例（可通过物流单量、支付流水交叉验证）。

二、用户价值的三种算法

算法一：单用户价值（ARPU）。收入 / 活跃用户数。要区分“注册用户”“月活”“付费用户”，用不同的分母算出的 ARPU 差 5-10 倍。

算法二：LTV（用户生命周期价值）。ARPU × 毛利率 × 平均生命周期（月）。生命周期 = 1 / 月流失率。

算例：ARPU 月 80 元，毛利率 60%，月流失率 5%（生命周期 20 个月），LTV = 80 × 60% × 20 = 960 元。

算法三：LTV/CAC。CAC 是获客成本（营销费用 / 新增用户数）。健康值：LTV/CAC ≥ 3，回收期 ≤ 12 个月。

LTV/CAC 低于 1，说明“获取一个用户花的钱比他能带来的价值还多”，模式不成立。

三、网络效应的量化

网络效应是平台估值的溢价来源，但很难量化。三个观察角度：

• 用户增长与获客成本的关系：有网络效应的平台，用户越多、获客成本越低；没有网络效应的，获客成本随规模上升；
• 双边匹配效率：供需匹配的成功率、匹配时间。匹配效率随规模提升的，有网络效应；
• 用户留存随规模变化：留存率随平台规模提升的，有网络效应。

三个角度都指向“规模带来优势”，才能说存在网络效应。否则只是“规模大”，不是“网络效应”。

四、一个 GMV 虚高的案例

某生鲜平台融资，评估值 42 亿元。评估报告：2022 年 GMV 68 亿元，按 PS（市值/GMV）0.6 倍估值 40.8 亿元，加现金 1.2 亿元。

问题：

• GMV 68 亿元中，未付款订单 6.2 亿元、退货 4.8 亿元、疑似刷单（物流单量与订单量不匹配）约 9 亿元，实际有效 GMV 约 48 亿元；
• 平台收入（佣金 + 自营毛利）仅 3.2 亿元，PS（市值/收入）应为 12 倍以上；
• 可比公司选取的是“社区团购平台”（PS/GMV 0.5-0.8 倍），但那些平台多为自营模式，GMV 接近收入，不可比；
• 月活用户 1200 万元，月流失率 14%（生命周期 7 个月），LTV/CAC = 1.8，低于健康值。

重新测算：按收入 3.2 亿元、PS 4 倍（考虑亏损与流失率）= 12.8 亿元；加现金 1.2 亿元，评估值 14 亿元。

与原评估值相差 28 亿元，高估 200%。

后果：投资方按 42 亿元估值投资 6 亿元（占 14.3%）。一年后平台 GMV 下滑至 32 亿元，收入 1.8 亿元，估值跌至 6 亿元。投资方计提减值 5.1 亿元，创始团队因“回购条款”承担个人连带责任。

五、用户价值的三种算法与适用条件

互联网平台的估值常被简化为“用户数乘以单用户价值”。这个乘法看似简单，实际每一步都有陷阱。

ARPU 折现法最需要警惕的是“用户”的定义。注册用户、月活用户、付费用户的单用户价值相差数十倍。用注册用户数乘以付费用户的 ARPU，是最典型的错误。

生命周期要用留存曲线积分，而不是取平均存续时间。互联网产品的留存曲线通常前期陡降、后期趋平，用简单平均会显著高估。

可比交易法的前提是口径一致。不同平台的用户质量、变现能力、增长阶段差异很大，直接套用单用户估值倍数，结论往往失真。使用时至少要调整用户活跃度与变现率两个维度。

六、平台估值的检查清单

• 核查 GMV 口径（是否含未付款、退货、刷单）；
• 用物流单量、支付流水交叉验证 GMV；
• 区分自营与平台模式，分别计算收入；
• 明确用户口径（注册、月活、付费），计算 ARPU；
• 计算 LTV、CAC、回收期，评估模式可持续性；
• 用三个角度验证网络效应是否存在；
• 可比公司选择同模式（自营 vs 平台）；
• 考虑补贴对收入的虚增（补贴停止后的留存）；
• 分析毛利率趋势（补贴退坡后是否转正）；
• 在报告中披露 GMV 构成、用户指标、估值方法。

平台估值的核心是“收入是不是真的”。GMV 是流量，收入才是钱。把流量当钱算，估值就飞了。