How do you measure the next generation of outliers from a ground truth perspective?

风险投资家每天都在创新的最前沿。他们是创业家背后的创业家。然而,我们鲜有看到风投行业内部的创新。十年如一日,风投用Excel表格建模型,靠着“天赋异禀”的直觉找到下一家独角兽。

因为早期投资是靠关系和直觉,所以偏见一直是个系统性的问题。不少投资人在推特上承认,早期投资,90%以上看的是创业家讲故事的能力。

Founders Fund's Keith Rabois famously said he's a "founder-driven investor." Marc Andreessen once said, when a startup is new, "the decision is driven almost entirely by the people."

我们终其一生也在修炼认知。当智慧隔代相传,创新就出现在巨人的肩膀上。硅谷新兴的基金开始探索如何使用数据找到基准真相。这是一个重要的创新。不仅因为它帮助投资人提高回报率,更因为它为创业者创造了一个公平的竞争环境,达到唯才是举。

我有幸与硅谷最前沿的数据化风投合作过,学习到他们是如何利用数据完善投资决策。下面有两个案例分析,为大家讲解:

1. 如何知道startup到达重大拐点?

2. 成功的创始人具备什么样的素质?

01.

如何知道startup到达重大拐点?

Marc Andreessen said, “The only thing that matters is getting to product-market fit.”

Product Market Fit (PMF) 像圣杯,世人想找到它,却不知道它长什么样。传奇投资人Andy Rachleff根据红杉资本创始人Don Valentine的理念,把初创公司成功的重大标志命名为PMF。

当一家初创公司达到PMF,我们可以预测它未来的成功。所以我们需要知道如何找到PMF。

Tribe Capital于2019年公布了他们测量PMF的方法。先给大家简单介绍一下这家基金。它成立于2018年,3年内融资10亿美金。创始人来自Social Capital,其中一名General Partner Jonathan Hsu自2016年起就致力于开发数据化的尽职调查工具。他曾创立了Facebook的数据分析部门,在斯坦福获得物理学博士学位。Tribe Capital一半的投资团队是数据分析师,包括桥水基金的工程师、芝加哥大学的物理博士。

我曾与他们的团队深入交流过,非常认同他们的理念和方法——通过数据找到真相。早期投资确实像艺术,但是当公司到了拐点(例如A轮),投资不只看团队,也看产品。投资成熟的企业,你看会计账目;投资早期初创公司,你看PMF。数据科学的祖先,其实是会计。(有两种流派的数据科学,我这里指的是应用于产品管理的数据科学。)量化初创企业的PMF,就像上市公司的会计帐表。

会计:财务健康<—>数据科学:PMF

会计师通过资产负债表和利润表衡量公司的财务健康,数据科学家用另一套方法来测量产品的健康。他们都是从数据里挖掘信息,评估公司的运营状况。数据科学中,有个词叫ground truth,简单翻译为基准真相。风投数据化,拥有基准真相是不容易的。因为投资成功率很低,所以很多人没机会见到标准答案。所幸Tribe Capital 掌握了多家成功企业的原始数据,包括Slack, Facebook, Carta。他们的机器可以从成功的案例中学习,达到可观的准确度。

秉承会计的理念,数据化PMF有以下三个原则:

简单:简单易懂

详尽:足够详尽以确保实用性

通用:可以应用到不同的产品和公司

会计最重要的三张表是资产负债表、利润表、现金流量表。虽然它们不能描绘公司的全部,但是它们是有用的快照。同样的原理,在早期投资,我们可以评估以下三个方面:

•增长会计 (Growth Accounting)

•同期群分析 (Cohort Analysis)

•PMF的分布 (Distribution of PMF)

很多人认为PMF是二元的——有或没有。Tribe持相反的观念——PMF是光谱。数据分析是重要的步骤,但它不是唯一的决定因素。就像巴菲特使用财务报表一样。他会看吗?当然。他会根据财务报表做决定吗?当然。他会只看财务报表来投资吗?希望不会。

本文挑选了数据化PMF有意思的片段。

1.    增长会计

我们一起来看个虚拟的例子。下图中,我们看到三条线。它们分别是三个月,六个月,十二个月的复合月均增长率。

由于最近几个月的缓慢增长,三个月的复合月均增长率下跌至9%。但是十二个月的复合月均增长率保持在20%,这说明业务对于短期的波动不敏感。通过这些线,我们可以衡量增长率和它的加速度。

在第二张图,我们把收入的增长和减少画在一条轴上,在另一条轴上画毛保存率(gross retention),速度比率(quick ratio),净流失率(net churn)。

留意到新客户收入(new)和收缩收入(contraction)如何影响了速度比率,暗示这个业务有季节性。10%的三个月复合月均增长率可以细分为以下成分。

10%(增长率)~9%(新客户)+1%(恢复)+4%(扩展)-4%(收缩)+0%(流失)

同时,我们可以从上面的数字里推算出-1%的净流失率,得知这家公司的收入增长不需要新的客户。这样的业绩在B2B SaaS公司中很常见,它们不仅通过新客户增加收入,更从现有的客户扩展收入。好的B2B公司具备低客户流失率,从而促成显著的高毛留存率。

第二家虚构的公司由下图表示。

这家公司的增长率与上面的公司一样快,它们的三个月复合月均增长率都是10%左右。然而,这家公司的增长在近几个月来明显放慢了。它的十二个月复合月均增长率高于三个月的。

这家公司和上家对比,有着明显不同:它有显著的流失和收缩,导致了它较低的毛留存率(<50%)和高净流失率。同样的,它的速度比率低于2.0x。

以上的两张图显示了典型的非消费必需品公司的表现,因为它们没有经常性收入(recurring revenue)来维持留存率。

两家公司,孰是孰非?数字并不是答案,而是帮助投资人理解公司运营状况的工具,引导我们问问题。第一个例子中的企业服务型公司,投资人的问题将围绕着它能不能组建一支强大的销售团队,以维持它的增长。第二个例子中的消费类公司,问题将围绕着客户盈利率。

收入只是一个例子,我们还可以用增长会计去测量其它的指标,例如客户契合(customer engagement)。

2.同期群分析

第一个例子显示了顾客的终身价值随着时间的推移如何改变。顾客的同期群是基于他们第一次付钱的时间。X-轴是同期群的存在时间,Y-轴是从每位顾客得到的累计收入(终身价值)。每条线代表了一个群组。虚线是所有群组的加权平均,权重是每个群组中的客户数量。

这张图中最重要的信息是线的形状。如果是“超线性”(曲线是向上的,如上图),则代表随着时间推移,顾客每个月花费了比上月更多的钱。即便有流失的顾客,也会有另一批忠实顾客留下,并支付更多的钱以弥补我们流失的收入。如果是直线,则代表顾客在未来的每个时间段会支付与前一时间段一样多的钱。除此以外,就是亚线性,顾客支付给公司的钱随着时间的推移越来越少。

3.PMF分布

通过考察月收入的累计分布函数,我们可以知道“典型”的收入是什么样。很多公司提供平均合同价值的数据,但这个数字经常被异常值扭曲。因此,我们不仅要看平均合同价值,也要看合同的总体分布。这样我们能看到中位数和其它分位数。

让我们一起看看典型B2B公司的收入分布。X轴是月收入的对数,Y轴是累积百分比。蓝线是客户,橙线是收入。X轴上看蓝线月收入4千,对应的Y值显示80%的顾客收入少于4千。反过来,头部的顾客消费多于4千。同理,橙线显示了60%的收入来源于花费多于4千的顾客。对于这家公司而言的八二法则是“60/20”。这算是典型的科技公司,因为科技的分配渠道更加平等,所以顾客的分布也更加均匀。

总结一下,上述方法是通过数据帮助投资人和创业者找到PMF。对于双方而言都是非常有价值的:投资人透过数据看本质;创业者从数据中评估公司的运营状况,强化优势,改善不足。

02.

成功的创始人具备什么样的素质?

投资就是投人。风险投资家每天都在寻找最优秀的创始人。但什么是优秀创始人,其实没有标准答案。由于需要在有限时间内做出决策,投资人过度依赖某些信号,例如年龄、学校、技术资历、过往经历,从而偏好认识的人或者与自己相像的人。

Basis Set Ventures是一家成立于2017年的早期风险投资基金,专注于人工智能及其应用。由Dropbox前机构发展主管Lan Xuezhao创立,她曾是麦肯锡项目经理,并于密歇根大学获得心理学博士学位。她们在2019年末公布了一份研究报告:What Makes a Successful Founder?

她们采访了管理超过400亿美金的硅谷早期投资人,让他们评估60多名创始人,问题涵盖人口统计、行为、心理特质等方面。在数据中,她们找到了塑造成功创始人的特征。

我个人对于这份研究是很兴奋的,因为量化心理学实在是,超级酷!人工智能快来剖析人类吧。。。咳咳,言归正传,我现在就向各位呈现BSV的发现!

有悖于常识的是,所有年龄段的创始人都有相近的几率获得成功。此外,创始人的技术背景并不是使公司成功的显著因素(YC那些年给我们洗的脑)。

然而,互补的联合创始人,与公司的成功是正相关的。

这份报告,我最欣赏的点是它通过数据分析诠释了软实力。因为软实力无形无体,难以证明,更难以名状。为什么Dropbox的创始人是成功的?看不懂的人会说,是因为他们曾就读于MIT,看得透的人会告诉你:他们既谦逊又足智多谋,还有毅力。

BSV根据以下九种特征把创始人分为六种原型:

机灵:创始人能快速领悟市场信号,整合融入到自己的产品

自信:创始人展现出极度自信

效率:创始人能保持持续高效

•创始人和市场的匹配度:创始人在细分市场有优势

谦逊:创始人表现出极度谦逊(这与她/他是否自信无关)

结果导向:创始人懂得在不确定时做决定,尝试多个解决方案并找到最好的

快速学习:创始人具备快速学习能力,并且不犯同样的错误

足智多谋:创始人不轻易放弃,利用有限的资源最大化效益

讲故事的能力:创始人有魅力,能令人信服

成功的创始人

还在挣扎的创始人

引领创业者走向成功的核心超能力

超强执行力

执行力是唯一一个和成功有持续相关性的特征。在所有的原型中,日常效率和快速学习能力和成功最具相关性。

结果导向

创业家经常在不确定的环境下做决定,所以成功的创业是以结果为导向的。他们快速尝试多个可能性并找到最优解。这是非常重要的特征,因为初创公司资源有限。

精湛、细腻的超能力

成功与失败的距离,是创始人如何运用他们的超能力。当创始人知道如何合理地运用它们,讲故事的能力、毅力、倔强的特质都能与成功产生正相关性。

讲故事

最厉害的人都是讲故事的人。他们为整整一代人设定远景、价值、和议程。

乔布斯,苹果创始人

为什么不是所有讲故事的人都能成为成功的创业家?

BSV研究发现讲故事的能力与其它两大特征有关联:自信,创始人和市场的匹配度。当创始人既能讲故事,又自信,还在他们的市场有优势,他们就更容易成功(Agile Visionary)。

典型的成功创始人能讲好故事,足智多谋,并能日复一日高效地执行自己的愿景(Agile Visionary)。然而,当讲故事的人过于沉迷愿景,他们或许就不能适应市场,因而找不到PMF(Overconfident Storyteller)。

谦逊和毅力

在2019年IPO的公司里,最成功的创业家同样是最谦逊和勤奋的。例如Zoom的创始人Eric Yuan、Datadog的创始人Alexis Lê-Quôc.

“Working hard, that’s the only thing I know better than my competitor. There are so many more smart people than me here in Silicon Valley. […] If my competitors say, ‘I work eight hours a day,’ then I can work 10 hours. If you don’t need sleep, I also do not need sleep. Hard work is in my DNA.”

— Eric Yuan, Zoom

为什么有些创始人能够靠着谦逊和毅力成功(Humble Operator),而另一些却停滞在市场边缘呢(Passionate Outsider)?

区分以上两者,能极大提升创始团队成功几率的重要因素包括:创始人的谦逊和毅力,很高的创始人市场匹配度,早期员工从另一家公司起就跟随创始人,创始人足智多谋、明白如何攫取资源。

不幸的是,Passionate Outsider在细分市场没有自己的独特优势,也没有办法弥合差距。他们可能从一个看似新颖却对市场不甚了解的角度出发,并没有办法抓住机会。

固执

第六种原型,风投行业最常使用“固执”一词形容创始人。但当“固执”与“优柔寡断”、“没有现实感”相连结,一家公司就会挣扎。最成功的创业家,例如Steve Jobs和Jeff Bezos,都是臭名昭著的固执。如果面前有一堵墙,他们会砸穿墙壁来实现自己的目标。这样的创业家还通常具备以下的特质:“真正的远见”、“日复一日的高效”、“结果为导向”、“快速学习”、“强大的组织才能”。

“We are stubborn on vision. We are flexible on details….We don’t give up on things easily. Our third-party seller business is an example of that. It took us three tries to get the third-party seller business to work. We didn’t give up.”  

- Jeff Bezos, Amazon

03.

结语

量化投资,即使在二级市场,也是70年代后才开始。像风投这样(存在了63年的资产类别)的一级市场,仍然是少数人的游戏。在美国,想要投资初创公司,必须成为受信投资者(accredited investor)。由于入门门槛高、渠道少、流动性低,风投市场内部一直没有足够的压力和动力去创新。

但近年内,科技估值水涨船高,大量的资金融入市场,风投基金简直如雨后春笋一般,百花齐放。请参考以下关于新兴基金公司(管理一到三期基金)的图片,一图以蔽之(数据来源Pitchbook)。

面对异常激烈的竞争,新兴的风投基金开辟了数据化早期投资的道路。这是开始,令人兴奋的开始。硅谷已不再是一个地理位置,而是一个概念。希望硅谷风投的创新,可以启发和激励世界各地的风投基金,帮助到更多的创业者,从而改变世界。

资料来源:

  • https://tribecap.co/a-quantitative-approach-to-product-market-fit/

  • https://www.basisset.ventures/founder-superpowers

往期推荐

数说第七次人口普查的结果,对于我们普通人有哪些重要的影响

热门话题“30岁还没结婚你会考虑将就么?”数据告诉你,网友们都如何做出抉择

预算只有300万,在大城市买不到好的房子该咋办?那就看看周边卫星城市的房源

如何用数据找到下一家独角兽?相关推荐

  1. 剑指长沙:如何用爬虫捕捉下一个线下餐饮独角兽?

    今年最火的赛道,毫无疑问是线下餐饮. 仿佛一夜之间,过去主投TMT的大大小小VC/PE,突然涌入了消费赛道,看起了茶饮烘焙.卤味烤串这样的线下生意,刷新了一个又一个融资记录. 茶饮品类方面,现象级网红 ...

  2. 独家 | Michael I.Jordan:大数据时代下的安全实时决策堆栈与增强学习(视频+精华笔记)

    金秋九月,2017国际大数据产业技术创新高峰论坛暨大数据系统软件国家工程实验室第一次会议盛大开幕,大数据系统软件国家工程实验室作为大数据系统软件技术研发与工程化的国家级创新平台,将通过大数据系统软件技 ...

  3. 手动创建线程更好哦_如何通过创建更好的工作流程找到下一个大想法

    手动创建线程更好哦 by Kashyap Bhansali 由Kashyap Bhansali 如何通过创建更好的工作流程找到下一个大想法 (How to find your next big ide ...

  4. 用一年的数据预测下一年数据_一年的招聘数据中的经验教训

    用一年的数据预测下一年数据 by Aline Lerner 通过艾琳·勒纳(Aline Lerner) 一年的招聘数据中的经验教训 (Lessons from a year's worth of hi ...

  5. 大数据时代下对马克思主义的一些探讨

    1 引言 最近因为查阅文献的原因,让我接触到了大数据,以前也听到过"大数据"这个词语,但却从未引起我的重视.平时需要查阅大量文献,相比于数十年前,现在的搜索引擎为学习提供了莫大的方 ...

  6. Thinking in BigData(二)大数据时代下的变革

    大数据时代的思维变革 A Revolution That Will Transform How We Live, Work, and Think. 不期而遇的一本<大数据时代>将我引进大数 ...

  7. 大数据时代下的贝叶斯公式

    2019独角兽企业重金招聘Python工程师标准>>> 大数据时代下的贝叶斯公式 2016-04-24 数据观 每当有技术热点或新概念出来的时候,人群就会分成三种:炒作的.观望的和踏 ...

  8. 企业大数据平台下数仓建设思路

    免费开通大数据服务:https://www.aliyun.com/product/odps 介然(李金波),阿里云高级技术专家,现任阿里云大数据数仓解决方案总架构师.8年以上互联网数据仓库经历,对系统 ...

  9. 在目前大数据时代下,怎么能成为一名合格的数据分析师

    "21世纪什么最贵,人才",在目前大数据时代下,什么最难找,什么最贵,实现数据价值的人,数据分析师. 但是对于数据分析师的认识,比较极端,但对数据分析师价值的认识正在回归理性.很多 ...

最新文章

  1. 表单美化-原生javascript和jQuery下拉列表(兼容IE6)
  2. 沽空机构两度狙击,波司登2018/19财年业绩显著,未来到底是否值得关注?
  3. 移动端怎么让底部固定_移动端排名应该怎么做?两种匹配移动端实战排名干货分享!...
  4. 数据库alter用法总结
  5. pytorch自动求梯度—详解
  6. 【Vegas改编】Winform最小化,系统托盘出现图标,并气泡显示tip
  7. alexa api php,php 读取 alexa信息
  8. ICS lab9 TinyShell 的10条建议
  9. 【Java从0到架构师】SpringBoot - 页面模版_Thymeleaf
  10. 一个demo学会js
  11. caffe的caffe.proto
  12. 关于DIPS的MVC 4.0项目发布与在IIS 7.0上的部署的方法
  13. 爬虫抓取百度文库中的文献
  14. When Work Becomes a Game
  15. hdu 3932 Groundhog Build Home
  16. 《天池龙珠 - Python训练营》03.Python基础进阶:从函数到高级魔法方法
  17. 利用shell遍历文件夹下所有文件
  18. jmeter性能测试--对MQTT服务做压力测试
  19. Windows10 1607版本锁屏聚焦黑屏问题解决办法
  20. 基于 javaagent + javassist 一步步实现调用链系统 (2)

热门文章

  1. 服务器的ip端口加密协议混淆,Obfsproxy - 混淆/加密端口数据
  2. 深度学习专业术语之英文介绍——附含历届ILSVRC冠亚军结果
  3. ICA简介:独立成分分析
  4. Ubuntu 安装 nvm
  5. 《数据结构》实验——顺序结构与链表
  6. MacbookPro安装前端开发环境的爬坑之旅
  7. 抛出异常与栈展开(stack unwinding)
  8. DRF-视图类APIView与GenericAPIView
  9. HEG安装及hdf文件转tif文件批处理
  10. 同步线程和异步线程的区别