对互联网商业项目价值的真正洞察，源于对其商业模式本质的深刻把握。

长久以来，业界惯用的两种估值逻辑——网络效应估算与GMV（商品交易总额）推演——已在实践中屡屡失效。自互联网浪潮兴起至今，如何科学、理性地评估一个数字商业体的真实价值，始终是悬而未决的难题。大量机构投资者看似精明，实则常以巨额资本押注所谓“黄金赛道”，在高度不确定性的迷雾中摸索前行。

面对这种混沌局面，许多研究者试图构建一套普适模型，以精准锚定互联网项目的内在价值。然而讽刺的是，越是努力量化，估值反而越发模糊不清。于是，“早期投资本就是一场豪赌”逐渐成为行业默认共识。对此，我无意否定其现实合理性，但作为商业模式的研究者，我们仍有必要探索更具逻辑性与前瞻性的投资判断原则。



归根结底，对互联网商业项目价值的认知，必须回归到对其商业模式底层结构的理解之上。或许，正是在这个方向上，我们尚有可为。

早在2014年，我在《叠加体验：用互联网思维设计商业模式》一书中提出了“桶模式”理论，指出用户资产、生态资产与转化能力（即高效配置生态资源以服务用户的能力）共同构成了互联网商业模式GMV的三大支柱。本文将聚焦于其中最基础也最易被误读的一环——用户资产的衡量方式。

需特别说明的是，以下讨论主要适用于以消费者（C端）为核心的商业模式。对于B2B、S2B2C等以商家（B端）为中心的模式，核心逻辑虽相通，但评估起点应转向“商户资产”。

---

一、传统估值方法为何失灵？

在互联网商业语境中，主流的用户导向估值方法仅有两类：一是基于网络效应的估算，二是基于GMV的推演。

网络效应的理论源头可追溯至以太网发明者罗伯特·梅特卡夫（Robert Metcalfe）。他在20世纪80年代推销3Com网卡时提出：网络价值随节点数量呈平方级增长——若网络中有N个节点，则潜在连接数约为N(N−1)，近似于N²。1993年，《吉尔德科技月报》创始人乔治·吉尔德（George Gilder）将其总结为著名的梅特卡夫定律：网络价值与联网设备数量的平方成正比。

与此同时，摩尔定律（由英特尔联合创始人戈登·摩尔提出）指出：在价格不变的前提下，集成电路上可容纳的晶体管数量约每18至24个月翻倍，性能亦随之倍增。这意味着单位计算成本持续下降，为互联网的指数级扩张提供了技术基础。

这两大定律共同构筑了互联网商业的底层逻辑。在此基础上，前摩根士丹利亚洲首席分析师玛丽·米克尔（Mary Meeker）等人于1995年提出DEVA模型（Discounted Equity Valuation Analysis），其核心公式为：

> E = M × C²

其中，E代表项目经济价值，M为单用户初始获客成本，C为单用户价值。该模型显然融合了梅特卡夫定律（C²）与摩尔定律（M递减）的双重逻辑。

据此逻辑，一旦基础设施（如服务器、数据库、客服系统）的固定成本被覆盖，后续增长便不再受线性成本约束，而将步入指数轨道。正因如此，Facebook、Google、Twitter等平台在融资时无不以用户规模作为高估值的核心支撑。2014年，Facebook以190亿美元天价收购仅有50名员工的WhatsApp，正是基于其4.5亿月活用户（MAU）所蕴含的巨大网络协同潜力。

然而，2000年互联网泡沫的崩塌敲响了警钟。数据显示，尽管美国互联网用户数量持续攀升（红线），纳斯达克100指数（蓝线）却并未与用户数的平方（绿线）同步增长，反而在千禧年初断崖式下跌。这一背离令人不得不质疑：DEVA模型是否真的可靠？

此后虽有多方尝试修正该模型，但收效甚微。有趣的是，在中国，许多早期互联网企业至今仍将用户数量作为估值锚点——或许并非出于信念，而是别无选择。

于是，一种更“务实”的替代方案应运而生：基于运营数据的估值模型，其典型表达为：

> E = K × ARPU × MAU × LT

其中，K为行业系数，ARPU为单用户平均收入，MAU为月活跃用户数，LT为用户生命周期（以月计）。该模型实质上是在估算项目全生命周期内的总GMV。

然而，此法亦存致命缺陷：除K外，其余指标均高度动态。若企业通过巨额补贴或流量采买人为抬高MAU，便极易制造“虚假繁荣”。资本若据此盲目入场，终将沦为接盘者。

---

二、回归商业模式本质：构建新估值范式

我们亟需一种更贴近商业模式内核的估值框架，以真实反映用户资产的质量与潜力。

#### 1. 导流 × 变现：解构用户价值

DEVA模型的根本问题在于，它将网络中所有节点视为同质化存在，忽视了不同角色在网络中的异质价值。事实上，互联网平台通常连接供需两侧，其网络效应可分为两类：

- 同边网络效应（Same-side）：同一侧用户（如社交平台上的用户之间）相互增强价值；
- 跨边网络效应（Cross-side）：一侧用户增长带动另一侧价值提升（如更多商家吸引消费者，反之亦然）。

前者适用于微信这类强社交产品，后者则主导美团、淘宝等交易平台。盲目套用梅特卡夫定律，显然忽略了这一结构性差异。

更重要的是，并非所有用户都具备同等变现能力。用户特征、使用场景、行为深度等因素，极大影响其商业价值。因此，我们提出更本质的用户资产估值逻辑：

> E = V × R

其中，V（Volume）代表高质量流量池的规模，R（Revenue Potential）代表单位流量的变现可能性。
换言之，真正的价值不在于“有多少人来”，而在于“来了的人能产生多大价值”。

#### 2. 标杆 × 点数比：引入相对估值维度

前述运营数据模型仅反映历史结果，难以捕捉早期项目的未来潜力。为此，我们将模型拓展为两部分：

> E = (V₁ × R₁) + (V₂ × R₂)

- V₁ × R₁：当前可验证的价值；
- V₂ × R₂：未来潜在价值（即“冰山之下”的指数增长可能）。

后者虽模糊，却往往是决定成败的关键。传统估值工具（如PE、PB、DCF）对此几乎无能为力。

于是，我们引入标杆对比法：选取同一赛道中已有明确市场估值的成熟项目作为“标杆”，通过多维指标将其价值转化为“价值点”，再对目标项目进行同类评分，最终得出相对估值：

> A项目估值 = 标杆项目估值 × (A项目价值点 / 标杆项目价值点)

此法尤其适用于赛道清晰、模式可比的项目。随着互联网商业日益呈现“分流×场景趋同”的演化趋势，赛道边界逐渐模糊，该方法的应用广度亦将持续扩展。

#### 3. VR矩阵：动态评估现状与未来



为系统化实施上述逻辑，我们构建VR矩阵（见下表），从“流量池质量”与“变现能力”两个维度，分别评估项目的现状表现与未来潜力：

| | 变现能力（R） |
|----------------|--------------------------|
| | 现状（R₁） | 未来（R₂） |
|流量池（V）| |
|现状（V₁） | 当前价值区 | 潜力释放区 |
|未来（V₂） | 增长瓶颈区 | 指数跃迁区 |

实践中，我们采用李克特五点量表对各项指标打分（5=非常同意，1=非常不同意），并结合权重计算各象限得分，最终汇总为项目总“价值点”。此矩阵不仅量化当下，更前瞻性地捕捉商业模式演化的可能性。

---

三、流量池的本质：端口质量决定用户资产上限

流量池的评估，实则是对互联网项目“入口质量”的检验。

我在《叠加体验》中曾指出，互联网商业模式存在两种核心端口：

- 功能型端口：凭借卓越的产品体验吸引用户；
- 情感型端口：依托社群认同或价值观共鸣凝聚用户。

二者或独立存在，或相互交织，共同构成用户留存与活跃的底层引力。优质端口不仅能高效导流，更能沉淀高价值用户资产——这才是“快缩短网址”（suo.run）所追求的终极商业效率：以最短路径，触达最具价值的用户，并实现最大化的商业转化。

在不确定的时代，唯有回归商业模式的本质，方能在估值迷雾中锚定真实价值。