基于在线用户评论的互联网企业估值
沈泽鹏
（南京财经大学 会计学院，江苏 南京210046）
摘 要： 通过在已有互联网企业估值研究的基础上，引入用户评论这一非财务指标，并进行量化，探究其与互联网企业价值之间的关系。采集用户数量与用户评论数据同上市企业市值进行回归分析，证明加入用户评论后估值模型更能体现互联网企业的价值。
关键词： 互联网；用户数量；用户评论；价值
一、引言
互联网经过三十多年的迅猛发展，使得互联网企业在资本市场的投融资活动日益频繁。如何为其价值进行准确评估成为当前研究的热点。互联网企业与传统企业相比，通常有着更不稳定的现金流，存在着难以准确计量的高比例无形资产，企业自身还存在着高风险、高成长的特点。传统估值方法难以为其准确估值，由此，产生了对很多创新估值方法的研究。在众多对互联网企业的估值研究中，学者通常关注用户数量这一指标。诚然用户数量是评价互联网企业价值的核心指标之一，互联网企业的价值源泉来源于其客户。但是如果片面的根据用户数量来衡量互联网企业价值，很容易出现估值虚高与不准确的情况。本文通过引入用户评论这一非财务指标，对用户评论进行分析与量化，与用户数量一起应用于互联网企业价值评估中，使用回归拟合的方法探究用户数量、用户评论和企业价值之间的关系，为互联网企业估值相关研究提供了新的视角。
二、文献综述
互联网企业的不断发展为企业价值的相关研究带来了新的挑战，互联网企业由于预期收益不稳定、可比企业数量少、无形资产占比过高且难以准确计价等特点，导致基础的收益法、市场法和成本法在应用中存在着局限性。当前研究表明，对于互联网企业来说，企业的传统财务指标与其股价市值没有形成显著的关联性，部分研究甚至认为两者几乎不存在相关关系。
李曜和张子炜（2011）的研究结果显示互联网企业的价值受到非财务指标的影响相比于财务指标更加显著。Xingzhou Zhang（2015）对互联网企业估值方法中的四大定律 Sarnoff’s law,Odlyzko’s law,Metcalfe’s law和 Reed’s law的适用性进行了验证分析，最终得出四大定律中梅特卡夫定律（Metcalfe’s law）可以更为准确地衡量当前互联网企业的估值水平。魏嘉文和田秀娟（2015）使用传统的收益法估值模型和梅特卡夫定律估值模型，以新浪为案例分别对其进行估值对比分析，发现两种估值方法在实际应用中都存在着不足之处。马越（2016）提出了梅特卡夫定律估值模型的不足，希望与邓巴数字规律进行结合，为使用梅特卡夫定律的估值模型提供了崭新的修正角度和相应的改进思路。
根据相关文献的研究可以发现大部分对互联网企业的估值模型都是以用户数量为核心，并在此基础上加入非财务指标参数进行修正。但是已有文献都没有给出具体的非财务指标计量方法，也没有使用具体数据去探究模型与企业价值之间的关系。
通过对用户评论的相关文献进行梳理，可以发现相关研究通常围绕着用户评论的可用性分析、影响因素分析和创新性分析等数个方面。张璐等学者（2015）用实证的方法证明了用户对产品的评价会显著影响下一代产品的属性，为研究用户评论信息在实践应用中的有用性、可操作性及客观性打下了坚实的基础。朱丽叶等（2017）通过对电商网站上用户评论、用户付费意愿进行实证研究，发现用户对商品评论的质量和用户在电商网站的等级存在着正相关关系。刘甲学和冯畅（2018）在实证研究中结合信息科学中数据挖掘的相关理论，利用情感分析方法论证了两者之间的关系，表明用户评论对互联网服务提供商有着显著的影响。
每个物理知识点并不是独立存在的，具有一定的关联性.我们要找到它们之间的联系，进行知识的概括总结，构建完善的物理知识框架，形成良好的物理知识学习习惯，整体性的提升自己物理综合能力.
通过以上研究可以看出，随着对用户评论的获取和量化方法的研究不断深入，越来越多的跨学科的研究会使用用户评论这类网络数据，并与大数据分析和计算机相关技术进行结合研究。当前是移动互联网普及的全民上网时代，科技的进步会使用户评论的获取更为方便，大数据人工智能的发展也使对用户评论进行的分析会越来越准确便捷。相信在未来通过网络数据分析和解决问题的相关研究方法会逐渐普及。
三、基于用户评论的估值分析
其中V代表互联网企业价值；K是变现因子；N则是用户数量；S是用户评论的量化数值，用于衡量用户质量。关于S用户评论量化系数的确定方法，本文通过使用爬虫软件收集以上企业移动应用市场下的用户评论，并对其进行去重、清洗、分词后，构建情感词典与相应的权值表，使用词频分析从而确定具体的数值。
V为互联网企业价值，K为变现因子，N为用户数量。改进为：
用户评论可以看作是新型在线口碑的一种形式，与时下热点结合可以用来探讨用户在线评论与数据挖掘之间的关系，通过用户在线评论挖掘用户潜在需求，帮助商家统计用户偏好以提升用户满意度，还可以分析在线评论有用性与销量之间的关系。现有研究表明，对用户评论进行分析可以明确用户评论与电商销量之间的关系，还可以通过对用户评论进行情感分析来帮助改进产品。对用户评论的分析可以判断出企业的用户中有多少是真正可以为企业带来现金流入的。互联网企业的价值并不是用户评论决定的，但是用户评论的倾向可以间接地判断出企业价值的变化趋势。我们可以通过对用户评论进行合理的分析与量化，对用户评论与互联网企业的价值之间关系进行探究。由此，在前人研究的基础上本文将对以往估值模型进行修正：
3）参见参考文献[1]第285页，布罗认为“由于社会的关系使某些含义成为集中的，而另一些成为分散的。”
用户数量是互联网企业价值评估中极其重要的参考指标，现实中对这类企业投资和估值也十分看重月活跃用户数（MAU）。根据前文理论分析，当一个互联网企业拥有一定的用户规模时，资本便会蜂拥而来。但是，并不是所有的用户都可以为企业带来稳定的现金流入，企业可能拥有一定的用户数量，但是这些用户无法为企业带来应有的价值，将会导致企业从根源上无法支撑起通过用户数量计算出的高估值。
您手中的这本书已经入选“北京市绿色印刷工程——优秀出版物绿色印刷示范项目”。它采用绿色印刷标准印制，在封底印有“绿色印刷产品”标志。
独立学院的大学英语教学尚为年轻，有很多前人的经验可以借鉴，也有很多教学方法有待尝试。作为一名独立学院的英语教师，要敢于突破传统的教学模式的束缚，创造性地构建新颖的、符合独立学院学生特点的英语课堂教学模式。任务型教学法是值得推崇的语言教学的有效途径，有利于提高学生的英语语言应用能力和综合技能。但是，任何一种教学方法都不可能是完美的，教师应根据学生的特点和教学的实际情况，进行适时的调整和取舍，最大限度地发挥任务型教学法的积极作用，以期达到最好的教学效果。
本文选取腾讯控股、百度、58同城、前程无忧与搜房网这五家上市互联网公司，利用其市值V与月平均活跃用户数N的数据时间区间为：2017年1月到12月。数据中的市值取自WIND数据库，月活跃用户数则是通过联通大数据沃指数获取。联通大数据沃指数对活跃用户的定义为一个月内至少产生一次使用行为的联通用户。并按中国联通在通信用户市场份额占比，转化为整体移动互联网活跃用户数量。移动互联网占比高达全网的98.6%，手机网民规模已达8.17亿之巨。因此使用第三方的联通沃指数可以有效衡量这些企业的真实活跃用户数量。以下是这五家企业具体数据的线性拟合分析。
图1 引入用户评论前后的线性拟合对比图
表1 情感词典与权值表示例
由图1可以看出如果使用用户数量这一参数作为估值核心指标，其与市值的线性拟合度R2=0.8675＜0.9。在加入用户评论的量化系数后，其线性拟合度R2=0.9839＞0.95表现出了非常强的线性关系。
四、结论与不足
基于用户评论的评估模型，相比于只依靠用户数量为核心的估值模型，可以更准确地反映出互联网企业的价值，回归结果有着更高的拟合度。但是，作为从新角度对以往评估模型的修正，这个方向还有很大的发展空间。本文也存在着一些不可避免的局限性，例如使用非财务数据难以避开主观性与数据量化难的问题，本文使用情感词表对用户评论进行量化存在着一定的主观性；另外在用户评论的收集上本文覆盖的范围还不够广阔。如果以后可以更好地与大数据技术进行结合，涵盖市场上几乎所有的用户评论，相信可以有更为合理准确的估值模型。
参考文献：
[1]李曜,张子炜.私募股权、天使资本对创业板市场IPO抑价的不同影响[J].财经研究,2011,(8):113-124.
[2]魏嘉文,田秀娟.互联网2.0时代社交网站企业的估值研究[J].企业经济,2015,(08):105-108.
[3]马越.互联网经济估值研究[J].科技与企业,2016,(01):19-20.
[4]朱丽叶,袁登华,张静宜.在线用户评论质量与评论者等级对消费者购买意愿的影响——产品卷入度的调节作用[J].管理评论,2017,29(2):87-96.
[5]刘甲学,冯畅.基于用户评论信息的网商信用度影响因素研究[J].情报科学,2018,V36(1):87-90.
[5]Xingzhou.Zhang.and Jing,J.L.and Wei,X.Tencent and Facebook Data Validate Metcalfe's Law[J].Journal of Computer Science and Technology,2015,V30(2):246-251.
[6]张璐,吴菲菲,黄鲁成.基于用户网络评论信息的产品创新研究[J].软科学,2015,29(5):12-16.
Research on Internet Enterprise Valuation Based on Online User Reviews
Shen Zepeng
(Nanjing University of Finance and Economics,Nanjing,Jiangsu,210046)
Abstract: Based on the existing Internet enterprise valuation research,the non-financial indicators of user reviews are introduced and quantified to explore the relationship between them and the value of Internet companies.The regression analysis of the number of collected users and user review data with the market value of listed companies proves that the valuation model can better reflect the value of Internet companies after adding user comments.
Key words: Internet;number of users;user reviews;value
中图分类号： F713.36
文献标识码： A
收稿日期： 2019-09-21
基金项目： 江苏省研究生科研与实践创新计划项目（项目编号：SJCX18_0396）
作者简介： 沈泽鹏（1995— ），男，安徽蚌埠人，南京财经大学会计学院硕士研究生在读，研究方向：互联网企业估值。
标签：互联网论文; 用户数量论文; 用户评论论文; 价值论文; 南京财经大学会计学院论文;