社交媒體類企業數據資產評估探究
——以新浪微博為例

■ 袁林昊 劉春學 徐雪蓮 白彧穎

（云南財經大學城市與環境學院，云南昆明 650221）

數據通過簡便的方法在短時間內獲得了快速增長，2013年全球大數據的儲量僅為4.3ZB，到了2019年其儲量就已經達到了40ZB以上。數據已經成為繼土地、勞動、資本、技術、知識以及管理之后的新生產要素。數據資產被充分利用時可以創造大量的利潤，但并非所有的數據都能成為數據資產。數據資源能否成為數據資產需要結合其屬性進行界定，對于數據資產的界定、性質、特征和價值創造等方面，不同的機構和學者有不同的觀點。企業在對能夠帶來經濟利益的集合數據進行整理、清洗、分析和可視化分析之后，數字信息就成為了數據資產，并對數據資產如何計量的問題進行了探討（李永紅和張淑雯，2018）。針對數據資產的不同特點，論證了多種數據資產評估方法，諸如期權模型與傳統的評估方法結合、市場法、多期超額收益法等（劉琦等，2016；李虹和鮑金見，2020；陳芳和余謙，2021）。然而截止到目前，對數據資產的界定與價值評估仍就處于起步階段，對于數據資產的評估方法國際上也沒有統一的方法體系。

對于社交媒體類企業而言，用戶資源是數據資產價值的核心來源，但傳統評估方法及其局限性難以合理評估并全面均衡數據資產價值。因此，本文運用DEVA模型并合理引入用戶活躍度、市場占有率、用戶變動率等進行修正評估企業價值，最后通過AHP層次分析法剝離數據資產比例，為企業的數據資產價值評估提供參考。

一、社交媒體類數據資產價值分析

對于社交媒體類企業而言，其數據資產價值體現在數據的變現，可以概括為企業內部收益增加和外界合作實現價值變現互贏，這與其用戶行為有緊密的聯系。

對于企業內部而言，營銷收入和產品的變現是數據資產的主要來源。社交媒體類企業通過對收集到的用戶數據信息進行分析從而了解到用戶的偏好及行為模式，并根據這些信息對產品進行調整以更好的契合市場需求并增加營銷收入。同時，用戶的信息可以通過支付平臺、電商平臺和游戲平臺等服務進行高效利用和數據互通以實現相關業務的增值。

對于企業外部而言，數據資產主要來源于數據的跨界共享變現。不同的企業之間的數據資產通過網絡進行共享，從而實現互利共贏，但我國法律目前對相關用戶的隱私保護規定，導致我國數據資產交易的相關案例較少。

（一）數據資產價值特點

非實體性。數據資產具有無形資產的某些特征，與有形資產相比，不存在實體形態，具有非實體性。

業務附著性。社交媒體類企業在日常經營中需要處理冗雜的用戶數據，這些附著的數據資源在加工之后形成數據資產。

再生性。數據資產具有非消耗性，在經過一段時間之后仍有使用價值，這是其與實物資產的主要區別。在用戶產生數據后，這些數據資源不會被消耗掉，并且還會產生更多的數據資源并通過不斷積累以達到最大值。需求越大，這類數據的價值就越大。

體量大。社交媒體用戶不管是點擊鏈接還是發布動態，都伴隨著大量數據的產生。用戶自身的復雜性和用戶結構的多層次性都隨著數據規模的增加從而豐富了數據資產的多樣性。

除此之外，數據資產目前還具有權屬不明晰以及價值易變難以衡量等特性，但是未來在建立起完整的數據資產評估體系之后，這些問題亦能迎刃而解。

（二）數據資產的價值影響因素

數據規模質量。少量數據通常情況下難以加以利用，只有對大量的數據進行分析才有價值規律可循。大量的用戶能產生高規模的數據量，數據規模越大，數據的質量也會更有真實性和參考價值。

數據的關聯程度。由于孤立的數據不能與其他數據產生網絡連接，根據梅特卡夫的觀點其也就沒有價值節點，不能給企業帶來價值。因此，社交媒體類企業應該加強不同部門和不同業務之間的關聯性，使數據之間保持強的關聯度，數據資產的價值也就越大。

數據的更新頻率和時效性。數據的頻率更新越快，其蘊含的信息也就越豐富。其一般表現為用戶的活躍程度，如用戶的在線時長、上網頻率、瀏覽愛好等，活躍程度越高，其價值也越高。而時效性的影響主要體現在有限的時間之內對企業的投資決策能夠有效，比如隨著用戶人群和時間流動的不斷更替，對過去時點的數據分析可能并不適用于當前的信息決策。

處理數據的能力。無論是數據的獲取還是數據開發及應用都依賴于企業龐大的數據儲存和分析處理系統。更先進的信息處理分析能力和更快的處理周期不但能夠減少成本，還直接影響數據資產的準確利用。

二、數據資產評估模型修正

一般認為，數據資產是指由特定主體合法擁有或者控制，能持續發揮作用并且能帶來直接或者間接經濟利益的數據資源。

早些時候，成本法和市場法因其在成本核算和交易案例方面的困難，一般不用于數據資產評估。收益法中的超額收益法、增量收益法、有無對比法和許可費節省法等模型都較適用于評估數據資產，特別是多期超額收益法被廣泛應用于數據資產價值評估。

（一）梅特卡夫定律與傳統DEVA模型

梅特卡夫定律一般用于互聯網企業價值評估。該定律認為節點間的網絡連接可以創造價值，即網絡的價值是可以通過節點數計算所得到，其與網絡中的用戶數量的平方呈正相關關系。

DEVA估值模型以梅特卡夫定律為基礎，廣泛應用于互聯網企業的估值。其數學模型如下：

V=M×C2

式中M為單位用戶初始投資成本，C為單位時間用戶創造價值。

DEVA模型側重于用戶的創造價值和初始投資成本，這就避免了因為會計和財務報表問題導致的估值問題，且初創企業的歷史數據和可參考的指標不足，現金流不穩定的問題也能夠解決。

（二）DEVA模型的修正

1.DEVA模型的修正思路

考慮到活躍用戶的占比以及在大數據時代下社交媒體類企業的用戶規模以及增長率導致的簡單函數關系不再使用的問題，為了反映社交媒體類企業的真實價值，需要對DEVA模型進行一定的修正。

DEVA傳統模型在考慮企業價值影響因素時僅從用戶角度進行考慮，未能全面考慮影響企業價值的核心因素。只有活躍用戶數能給企業帶來價值，而非活躍用戶不會帶來任何收益。由于邊際貢獻遞減，新用戶在達到一定規模之后帶給網絡的價值在下降，因此也需要用新函數對其表達式進行改進。而黏度系數能反映用戶對于該公司產品的忠誠程度，活躍用戶數目的變動則會對企業價值產生影響。對于一家互聯網類型的社交媒體類企業而言，由于馬太效應的存在，用戶會選擇規模更大、流行程度更高的產品，因此行業龍頭往往會獲得更多的用戶，因此市場占有率也是需要調整的因素。上述修正的思路在對DEVA模型修正時應當被考慮到。

2.對公式（用戶價值與企業價值關系）的修正

由前文提到的，需要對式中的平方關系進行修正。原理來源于齊普夫提出的詞頻分布定律，將互聯網企業的n個用戶按照其貢獻進行排序，第一名為1，第二名為第一名的1/2也就是1/2，第三名為第一名的1/3也就是1/3，那么以此類推，第n名為第一名的1/n也就是1/n，那么對他們的貢獻求和，也就是對于發散級數1/n的求和，當n很大時，參考歐拉公式：其中γ是歐拉常數，γ≈0.5772，近似看作由于對于網絡里的每一個用戶都貢獻了ln（n），那么其他n-1個用戶都能夠貢獻ln（n），因此n個用戶的組合對企業的價值之和可寫為故DEVA公式調整為：

3.對活躍用戶數的修正

前文中提到，只有活躍用戶才能對企業的價值產生影響。因此這里引入月活躍用戶數（MAU）和單用戶貢獻價值（ARPU）兩個指標。

關于活躍用戶，騰訊微信對活躍用戶的定義是：至少一次通過微信發出一條或以上信息，或在微信進行其他主動操作（如登錄游戲中心或更新朋友圈）的用戶賬號。新浪微博對于活躍用戶的定義是在一個月之內多端口登錄過新浪微博客戶端。活躍用戶數的指標有年平均活躍用戶數（YAU）、月平均用戶數（MAU）和日平均用戶數（DAU）。國內互聯網行業的相關報告中用的最多的指標是MAU，因為MAU相較于DAU更加穩定，不會因為某一兩天的特殊事件而劇烈波動，且MAU相較于YAU數據更容易獲取，因此本文使用MAU指標。

對于單用戶貢獻價值的確定，選用互聯網行業的常用指標ARPU。ARPU是指單個用戶在單位時間內為企業創造的單位平均價值，其是單用戶對企業收入貢獻的指標。

由上，通過對DEVA估值模型中的所有目標用戶的價值進行修正之后，將C替換為MAU×ARPU，就得到了單位時間內用戶創造的平均價值，即此模型的計算公式變為：

4.對黏度系數K修正

正常組小鼠肺組織肺泡結構完整、肺泡腔內無異物、肺泡隔薄、支氣管正常、無出血點、無炎癥細胞浸潤。氣管注射LPS 6 h后,可見小鼠肺組織肺泡結構紊亂、大量肺泡塌陷、肺泡腔內可見著染成紅色的富含蛋白的水腫液、肺泡隔增厚、可見氣道上皮細胞脫落、大量血管充血和出血點。給予TPPU預處理(1 mg/kg)組可見上述肺內病理改變顯著減輕(圖1),提示TPPU可減輕LPS誘導的小鼠ALI的肺內病理改變。

傳統的DEVA模型沒有體現出用戶的黏性，用戶黏性是用戶對于品牌產品的忠誠依賴程度。黏度系數越大，代表每日的使用頻次在增加，對于平臺的依賴程度也在不斷攀升，再消費的可能性也就更高。因此引入黏度系數K調整后的公式為：

5.對市場占有率L的修正

隨著互聯網電商企業競爭進入白熱化階段，互聯網企業的明顯特點是由于馬太效應的影響頭部占有更大的市場份額，行業的資源會更多的向行業龍頭傾斜，企業價值也就更大，即強者更強，弱者更弱。因此這里引入市場占有規模率L。調整后的公式為：

6.對用戶變動率i的修正

本次調整還考慮了企業市場份額的未來趨勢。由于同行業間的競爭較為激烈，若企業市場份額能夠在未來將有大幅度提升，用戶數目的增加會對企業價值將會有正向影響，特別是以用戶為核心的社交媒體類企業，不能僅僅局限于當時時點的用戶數，應當考慮在未來變動的情況下的影響。因此引入用戶的變動率i，調整后的公式為：

（三）層次分析法

層次分析法（AHP：Analytic Hierarchy Process ）可以定量地表達和處理人的主觀判斷，并形成相對客觀的判斷標準，將整體的價值分解成若干個影響因素，通過兩兩比較各要素的權重并將影響因素中與數字資產價值相關的因素相加，得到數據資產價值的參與率。具體步驟為：

表1 模型參數說明

第二，根據層次和元素之間的關系，構造由某一元素與相鄰下一層次有聯系的所有元素的比較判斷矩陣。

表2 比較判斷矩陣

判斷矩陣元素按一定比例標度兩兩比較得到，標度含義見表3。

表3 層次分析法的重要性標度

以上判斷是一種對經驗和對問題認識程度的主觀反映。

第三，根據得到的判斷矩陣，運用數學運算得出各因素的權重ωi。

第四，進行一致性檢驗。有時候會出現自相矛盾的比較結果，這是由于計算之中反復進行因素與因素間的兩兩重要性比較。因此為了避免不合邏輯的情況，通過特征值法計算出權重后，需要對判斷矩陣進行一致性檢驗，通過計算的CI及CR值，判斷結果能否直接使用。

表4 判斷矩陣隨機一致性指標RI

其中CI為一致性指標，RI為隨機一致性指標，CR是一致性比率。

根據公式，計算出總排序一致性比率CR,若CR＜0.1，則說明矩陣通過了一次性檢驗，如果CR＞0.1，就需檢查原因，調整A后再重新計算，直到通過一致性檢驗。最終，若判斷矩陣通過了一次性檢驗，則取前面的結果ωi，得到各個因素的權重數值。

三、案例介紹

微博股份有限公司（簡稱“新浪微博”或者“微博”）為新浪集團控股有限公司控股的子公司，是一家專門提供微型博客服務的企業。用戶可以通過網頁、WAP頁面、手機客戶端發布消息或上傳圖片。2014年其在納斯達克（NASDAQ）上市，是首家上市的中文社交媒體企業。

（一）新浪微博盈利模式

1.廣告及營銷收入。新浪微博的廣告收入主要由活躍客戶、中小企業投放的廣告收入以及關聯方阿里巴巴的廣告收入兩大部分組成。由圖1可以看出，新浪微博的廣告收入均在85%之上。

圖1 新浪微博收入構成（億美元）

2.電商業務。阿里巴巴作為新浪微博的第二大股東，一直和新浪微博有著密切的戰略合作關系。通過業務的結合，用戶可以在新浪微博上訪問淘寶商戶界面，淘寶的賣家店鋪花錢在新浪微博的熱搜榜上做廣告宣傳，這為雙方帶來了大量的訪問量，同時也獲取了大批量優質的廣告主資源，實現了價值的變現。

3.其它收入。游戲相關收入，游戲玩家購買的虛擬貨幣。通過API通道的開放，新浪微博與包括游戲開發商在內的平臺合作伙伴簽定有收入分享協議。VIP會員費，包括每月簽訂和每年簽訂的會員費，為會員提供某些特權，享受增值服務。數據授權服務，由于他人向平臺獲取數據而收取的費用。

從上述的盈利模式來看，新浪微博的業務核心都離不開其海量的注冊用戶，用戶便是新浪微博最核心的數據。

（二）新浪微博數據資產

社交流量具有量大、時長以及黏性高的特點，由于市場具有馬太效應，一旦壁壘形成，新進入者會難以撬動行業龍頭的地位。前文提到活躍用戶的價值影響企業價值，因此以活躍用戶為出發點深入探究，分析界定新浪微博的數據資產。

1.活躍用戶信息。用戶在注冊賬號第一次登陸時會被要求填寫相應的信息進行實名制注冊，或者通過已經實名制注冊的第三方平臺等進行登陸。其中活躍用戶的信息，例如年齡，職業，地區，愛好等都被新浪微博進行劃分，新浪微博會以此建立對應的標簽來對用戶進行推送，用戶信息便是此推送的基礎。

2.用戶行為痕跡。新浪微博的用戶的瀏覽、互動、消費行為會被記錄到后臺的數據庫從而決定了這背后賬戶的價值。同時，新浪微博的熱搜榜會根據點擊量給對應的熱點內容和新聞進行排名評定。廣告商投放的廣告也會出現在熱搜榜之中，他們會選擇具有更高活躍度和號召力的賬號進行宣傳，關注該類賬號的用戶一般都有相似的愛好，這也提高廣告的投放效果。

3.用戶社交關系。與其他的即時通訊軟件不同，新浪微博的最大優勢就是建立了自由的社交網絡。新浪微博的用戶關系是基于其愛好所劃分，只需單方面關注對方之后就能進行互動，互動群體有可能具有相同的消費水平和傾向，能對特定的人群產生消費影響。另外，線上運營和社交關系的背書也為營銷降低成本和快速生效提供了有力保障，新浪微博的這一天然優勢使得品牌方更喜歡在新浪微博上做推廣。

新浪微博存在著“用戶流量→數據資產→利用→公司收益→企業價值”的價值轉化邏輯，但需要注意企業價值并非只由數據資產構成。有著豐富數據資產的新浪微博，用戶數據在其中發揮著至關重要的作用，因此選取新浪微博作為本次評估的案例。

（三）評估過程

本次評估對象是新浪微博的數據資產價值，評估范圍是新浪微博資產中涉及所有社交網絡用戶的價值，評估基準日為2020年12月31日，基本假設為：（1）公開市場假設；（2）持續經營假設；（3）交易假設，基本方法為基于梅特卡夫定律的調整后的DEVA模型與層次分析法。

由于梅特卡夫定律以及DEVA模型適用于以用戶作為核心價值的互聯網企業價值的評估，因此該方法適用于新浪微博企業價值評估。

1.DEVA模型參數確定

（1）月活躍用戶數（MAU）。MAU為月活躍用戶數，即使用唯一新浪微博賬號登錄并訪問的新浪微博用戶。由于本次評估基準日為2020年12月31日，因此選擇2020年12月的MAU作為指標計算，以求評估值更準確， 2020年12月的MAU為5.21億。

（2）單位用戶投資成本（M）。單位用戶投資成本等于企業初始投資成本與平均月活躍用戶數的比值。這里將新浪微博在2014年4月剛上市時的融資總額作為新浪微博的初始投資成本，根據新浪微博發布的招股說明書和wind終端數據查詢，得到首次融資額為2.86億美元。MAU5.21億人，評估基準日實時匯率為1∶6.5265，因此新浪微博的單用戶初始投資成本M為3.58元/人。

（3）用戶黏度（K）。目前采用的用戶黏性系數主要有兩種計算方法K=DAU/MAU：一種計算方法為，另一種為K=MAU/平臺平均活躍用戶。由于新浪微博公布了12月的平均DAU與12月的MAU，因此選取第一個方法，K取2.25/5.21=43.19%

（4）單位用戶貢獻值（ARPU）。ARPU的計算方法為營業收入/平均活躍用戶，平均月活躍用戶數目取期初月活躍用戶與期末月活躍用戶的平均值，期初月活躍用戶取2019年12月的MAU，期末月活躍用戶取2020年12月的MAU來源于新浪微博的財務報表，新浪微博12月份的ARPU約為21.25元。

（5）市場占有率（L）。如前文提到的，隨著互聯網的不斷發展，馬太效應更加突出?；谶@種特點，頭部企業會獲得更高的估值，而新型的企業則很難搶奪資源，難以生存下去。本文選擇評估的對象新浪微博是我國社交媒體行業的龍頭企業之一，與騰訊的微信、QQ這類即時強社交型的通訊軟件不同，輕社交型的新浪微博本身就是國內微型博客領域的行業龍頭。同為社交媒體類的公司，騰訊與新浪微博兩種類型對應的市場以及受眾人群并沒有必然的搶占與沖突關系，因此可以將新浪微博的市場占有率看作100%。

（6）用戶變動率（i）。由圖2可以看出，新浪微博的月活躍人數增長率逐漸下跌，通過計算得到2020年12月的MAU變化率為0.97%，因此本次取i=0.97%。

圖2 新浪微博近年月活躍用戶數（億人）和變化率（%）

將上述指標代入調整后的DEVA模型式中，得：

通過修正調整后的梅特卡夫DEVA模型，得到新浪微博在2020年12月31日的價值為670.12億人民幣。評估基準日新浪微博（WO.O）的市值為605億人民幣（按實時匯率折算），與本次的估值相差57.03億，誤差為0.76%，存在一定差距，這是因為：①雖然國內目前的微型博客領域只有新浪微博一家，但是之前市場上還有騰訊微博（騰訊已于2020年下半年宣布關閉該業務）以及一些國外公司的產品，它們同樣會占有一部分市場規模，但是新浪微博作為龍頭企業，市場占有率接近100%，但是本文在計算時取值為100%；②新浪微博2020年的營收由于疫情有所下降，投資者看衰，其股價受到一定的波動也比較正常，且在2021年上半年其股價已經回暖。③在評估過程中，數據獲取僅通過互聯網公開數據以及企業年報，會存在一定的不準確性。因此本次評估取670.12億人民幣作為新浪微博在2020年12月31日的企業價值。

2.基于AHP層次分析法的用戶數據資產分割

根據分析，由于數據資產也是企業擁有或者控制但不可確指的無形資產，且能夠以協同作用的方式為企業帶來預期的超額收益，因此本次評估構建以無形資產價值為目標層，且影響無形資產價值的因素主要包括收入增加、成本減少、技術創新優勢、品牌市場競爭力；對這四個因素能夠產生影響的因素有本文討論的數據資產，還有人力資本、專利技術無形資產、客戶網絡與生態系統、戰略投資與管理，即五個方案層。

利用yaahp軟件建立遞階層次結構，如圖3。

圖3 層次分析結構

其中第一層為目標層，第二層為準則層，第三層為方案層。

根據上部分對貢獻因素的分析，通過問卷的模式，邀請了十二位資產評估專家、學院教授對各要素進行了打分，對數據進行整理后處理得到比較判別矩陣。

（1）首先定義準則層對組合無形資產價值的比較判別矩陣

經過打分和數據處理后，得到比較判別矩陣A（表5），通過計算得出矩陣對應的四個特征值為4.038；0.003；-0.021；-0.021。一致性檢驗：CR=0.014＜0.1，檢驗通過。

表5 比較判別矩陣A

（2）確定方案層相關元素對四個準則層的貢獻

對收入增加的影響定義為判斷矩陣B1（表6），經過打分和數據處理后，得到比較判別矩陣B1（表6），通過計算得出矩陣對應的五個特征值為5.156；-0.016；-0.016；-0.062；-0.062。一致性檢驗：CR=0.035＜0.1，檢驗通過。

表6 比較判別矩陣B1

對于成本減少的影響定義為判斷矩陣B2，經過打分和數據處理后，得到比較判別矩陣B2（表7），通過計算得出矩陣對應的五個特征值為5.275；-0.035；-0.035；-0.102；-0.102。一致性檢驗：CR=0.061＜0.1，檢驗通過。

表7 比較判別矩陣B2

對于技術創新的影響定義為矩陣B3，經過打分和數據處理后，得到比較判別矩陣B3（表8），通過計算得出矩陣對應的五個特征值為5.309；-0.012；-0.012；-0.020；-0.266。一致性檢驗：CR=0.069＜0.1，檢驗通過。

表8 比較判別矩陣B3

對品牌市場競爭力的影響定義為矩陣B4，經過打分和數據處理后，得到比較判別矩陣B4（表9），通過計算得出矩陣對應的五個特征值為5.207；0.038；0.038；-0.142；-0.142。一致性檢驗：CR=0.046＜0.1，檢驗通過。

表9 比較判別矩陣B4

整理得表10如下：

表10 無形資產價值貢獻率的結果匯總

3.評估結果分析

查看新浪微博2020年資產負債表公布的總資產為6 335 117萬美元，即63.35億美元，其中的有形資產（包括機器及廠房設備）占0.61億美元，約為資產總值的0.96%。

通過參考有形資產對于企業整體價值貢獻比例，可以得到企業無形資產組合價值，再計算出數據資產的結果如下：

數據資產的價值=（評估出的企業價值-有形資產賬面價值）×數據資產對無形資產組合的貢獻率，前文計算出的新浪微博在評估基準日的企業整體價值為670.12億元，即新浪微博的在評估基準日的數據資產的價值為

新浪微博113.82億元的數據資產價值對應單用戶價值約為21.85元，約合3.35美元。2018年同為國內社交媒體類企業的陌陌收購探探時，探探的單用戶數據源價值為7美元，新浪微博的單用戶數據源價值僅為3.35美元，但是考慮到新浪微博基于用戶構建的應用模式和商業模式有所不同以及微型博客類社交用戶群體的消費水平差異，3.35美元的單用戶價值具有一定的合理性。由此可以看出，新浪微博的數據資產確實存在著巨大的價值，這對于企業經營運作具有戰略性的意義，數據資產作為企業的無形資產中的重要的一環，運用DEVA模型與層次分析法集合得到的113.82億元的數據資產的估值結果具有一定的參考價值。

四、結論

1.隨著數字經濟的規模的不斷增大，數據資產價值評估需求不斷增加。本文以新浪微博為例，應用DEVA模型，通過AHP層次分析法剝離出社交媒體類企業的數據資產價值。從評估來看，以用戶的價值為中心來評估數據資產具有可行性。

2.采用以用戶為核心的改進DEVA模型，除了考慮了常見的參數外，還可以調整市場占有率以及用戶變化率參數，使其更能契合社交媒體類的企業特質，能更能較好地評估其企業的整體價值，結果更為準確。

3.由于社交媒體類行業的商業模式、變現路徑存在差異，其擁有的數據資產各有所不同，本文采用層次分析法構建新浪微博的無形資產組合為目標層，以影響組合無形資產的因素確立了四個準則性，以此準則層確立了五個方案層，降低了由于指標比較次數過多而造成的打分不一致的風險，以此預測數據資產的最終評估價值更具有可靠性。