2021年3月9日
互联网产品的商业基础是用户流量
用户流量（user traffic），在互联网产品开发、运营以及投资领域简称流量，指产品的用户访问量，在网页互联网时代指网站的单位时间内的用户访问数量，进入移动互联网时代，主要指单位时间内手机应用的用户使用数量。
由于互联网产品基本功能使用免费，产品社会价值与用户规模高度相关，所以无法用付费用户规模和营收来衡量其实际业务规模。
计算机局域网技术联合发明人梅特卡夫阐述过一个定律，即互联网的价值与其用户数的平方呈正比。现代互联网从业者将其推广为所谓的梅特卡夫定律，即“互联网企业的价值与其用户数的平方呈正比”。
梅特卡夫定律很好的描述了互联网企业或互联网应用的社会价值，对于单一互联网应用来说，其社会价值随用户人数的增长而提高，且用户人数越多应用的社会价值增长越快，呈指数增长关系。按照这个逻辑推算，用户数增长30倍，对应价值可以增长900倍。
需要注意的是用户数不直接等价于有价值的用户流量，作为电信运营商的中国移动和中国联通用户数量庞大，但由于其从事的是低差异性的基础网络数据传输业务，并不是桌面端或移动端互联网产品，且无法通过规模效应形成数据传输业务以外的经营壁垒，所以其商业模式、价值的认定和评估与互联网公司有本质区别。
互联网产品有独立应用和平台型产品的区分，由于用户流量的区别，平台的社会价值一般远高于应用。
（1）免费商业模式是商业价值补偿社会价值的一种模式
微信等免费应用创造的社会价值可以用其为使用者提供的功效来度量，比如微信节省了人与人之间的通信时间，提高了通信效率，其功效是难以量化但实际存在的。由于互联网基础架构给微信等应用提供了边际新增用户使用成本近似为零的业务扩张模型，微信就可以向用户免费提供服务，然后通过用户获取其他商业价值，如商业广告。
（2）互联网企业的价值评估框架
根据国泰君安的互联网公司估值框架[1]：互联网企业的价值取决于其用户数、节点距离、变现能力和垄断溢价。网络之间的节点距离由科技进步和基础设施建设外生因素，以及网络内容、商业模式等内生因素共同决定。
互联网开放但不平等，具有赢者通吃特征，马太效应明显。
估值和影响因子的逻辑关系如下：
V = K * P * N ^2/R^2
(V – 互联网企业商业价值， K – 变现因子，P – 行业地位决定的溢价率系数， N – 网络用户数， R – 网络节点之间的距离)
从国泰君安的研究框架出发，我们可以看出互联网公司在发展阶段最重要的核心指标是流量增长，即DAU和用户使用时长的成长速度。由于马太效应的存在，没有足够用户流量，节点距离、变现能力等其他影响因素都无法支撑互联网公司的长期竞争力。
互联网企业的用户流量是其成长性的源泉，评估互联网企业未来价值的核心在于考察其DAU等流量数据的增长潜力。
从历史数据验证互联网企业价值评估框架
我们先选取最近的两家上市大型互联网企业，美团和拼多多，均在2018年下半年上市，分别登陆港交所和美国纳斯达克交易所。
拼多多每个季度披露MAU数据，此MAU（月活跃用户数量）为当季度三个月MAU数据平均值，月活跃用户指当月至少登陆拼多多移动端应用一次的用户（不包括微信内登陆）。
2018年Q2拼多多MAU为1.95亿，利用30天移动平均线计算拼多多当时市值约为1967.6亿人民币（汇率取当时季度值）。利用市值除以当季MAU可以得到2018年Q2拼多多平均每个用户对应市值1009元。
通过计算往期两年数据可得，2018年6月到2020年9月，拼多多MAU从1.95亿上涨到6.43亿，共增长229.9%；MA30市值从1967亿元人民币增长到6945亿元人民币，共增长231.8%，拼多多MAU增长幅度与公司市值增幅相近。
平均每个用户对应市值在2018年IPO当日约为1009元，随后的一年里拼多多饱受质疑，股价持续低于IPO当日收盘价，但其MAU持续保持半年环比30%+的高速增长，单用户市值随即下降到最低438.5元人民币左右。
2020年市场对拼多多信心恢复后，其市值开始高速增长，2020年6月和9月其单用户对应市值分别为1037元和1079元，基本与IPO当日水平保持一致
从上面的数据中我们可以看出除开2019年市场质疑、公司股价低迷的时期以外，拼多多的单用户对应市值稳定在1000元左右，其二级市场市值和MAU呈高度正相关性，但总体上市值与MAU本身，而并非其平方成线性相关性。
美团每个季度不公布MAU数据，但公布12个月TTM的消费用户数据，该数据为过去12个月在美团、大众点评和美团外卖上至少消费一次的用户数量。
2018年Q3美团当季TTM消费用户数为3.82亿人，利用30天移动平均线计算美团当时市值约为3521亿元人民币（汇率取当时季度值），利用市值除以当季MAU可以得到2018年Q2美团平均每个用户对应市值921.8元，与拼多多上市时的单用户市值数据（1009元/人）很接近。
通过计算往期两年数据可得，2018年9月到2020年9月，美团TTM消费用户数从3.82亿人上涨到4.76亿人，共增长24.7%；MA30市值从3521亿元人民币增长到12967亿元人民币，共增长268.3%，美团市值增长幅度大幅高于其消费用户数，这与美团货币化率在2019和2020年的快速提升和2020年美团全面盈利有关。对比拼多多，近两年美团处于互联网企业的全面商业化阶段。
在2018年Q3，美团单用户市值为921.8元，正处于货币化起步阶段，单用户价值与拼多多相近。2018年Q3到2019年Q3，同拼多多一样，美团股价也处于低迷阶段，一度跌到低于IPO当日收盘价35%的位置。美团的单用户对应市值从921.8元/人，下滑到600元/人 – 700元/人的位置。2019年Q4，随着美团营业收入不断稳定增长，其二级市场市值不断快速攀升，连续三个季度市值增长到5319亿元、8404亿元和12967亿元，单用户对应市值也从747元/人增长到2721元/人。
从上面的数据我们可以看出美团的二级市场市值和其消费用户数呈正相关，但业务货币化率和业绩增长对市值上升的贡献更大。
以2018Q3数据为基准，分别计算季度消费用户数增长比例，市值增长比例和营收比例（增长比例 = 远期值/基期值），从2018Q3到2020Q3，美团市值增长比例为368.3%，消费用户数增长比例为124.7%，营收增长比例为185.59%，营收增长比例平方为344.4%。
我们可以看到美团市值与其营业收入平方呈正比，而与其消费用户数增长关联不大，这从侧面验证了美团二级市场市值与业绩增长相关性更大的推断。
互联网企业的价值评估方法与其所处发展阶段有关
经过上面拼多多和美团的数据验证，我们可以看到上市后的互联网企业估值较为复杂，并非简单与用户流量平方呈线性相关性。互联网企业的估值评估方式与其发展阶段有关。
拼多多处于互联网企业发展早中期阶段，商业化程度不高，注重用户增长，尚未全面盈利，2018-2020年拼多多的二级市场市值与月活跃用户数量（MAU）呈正比。美团上市后在2019年开始商业化进程较快且实现了盈利，2018-2020年美团的二级市场市值与其营收平方呈正比。
市场分别根据MAU和营业收入对美团与拼多多进行定价，其本质原因是美团与拼多多在上市后所处的发展阶段不同，美团处于商业化阶段，衡量商业化进展的主要指标是营业收入，而拼多多处于用户高速增长阶段，衡量其业务增速的主要指标是月活跃用户数量。
根据中信建投研报的数据[2]，在用户数2亿以下的早期发展阶段，腾讯、Facebook的营业收入、营业总成本与用户数之间呈明显的二次方关系。
随着用户数达到一定量级，对网络产生的贡献也会边际递减。另外随着用户数的增加，获客成本和维系成本也会增加。根据行业经验，互联网平台获得一个新用户的成本，是维护一个老用户的5-10倍。我们假设新用户的获客成本是老用户维系成本的5倍。经过测算，阿里巴巴的平均获客成本从2013年9月的12.17元/人上升到2018年12月的77.99元/人。京东的获客成本从2016Q3的44.23元/人上升到2018Q4的103.90元/人。拼多多的获客成本从2017Q2的1.95元/人上升到 2018Q4的54.71元/人。所以我们认为梅特卡夫定律对于处于早期的互联网公司可能比较符合，但是当公司进入成熟期，就需要使用其他的估值方法。[3]
互联网新兴企业普遍具有模式新颖、前景不明确、业绩波动大，高风险等特征，市场可比公司较少。根据中信建投的研报[4]，互联网公司往往经历三个阶段：
初创阶段，有大量研发、硬件、营销等开支，仅有少量收入或没有收入成长阶段，用户数量快速增长，收入快速增加，单位成本下降，但是为了获取更多用户，会将利润用于补贴，因此仍未盈利
第三、盈利阶段，市场占有率较高，虽然用户数量增速放缓，但是收入增加较快，开始盈利。
常见的估值方法有以DCF为代表的绝对估值法和相对估值法，互联网企业在前中期由于商业化不充分，难以对其应用DCF估值法。互联网企业的常用估值方法是市盈率（PE）、EV/EBITDA、市销率（PS）、P/GMV（市值/平台交易金额）、P/MAU（市值/月活跃用户数）等相对估值法。
对于未盈利的成长型互联网企业，大多采用市销率（PS）、P/GMV或P/MAU模型。随着企业开始盈利，估值方法开始转变为PE、EV/EBITDA等模型。其中 EV/EBITDA 剔除了财务杠杆、折旧摊销政策、税收政策等非营运因素的影响，在特定情况比 P/E 更适用。德意志银行 2013 年曾因为 Facebook 的所得税率相较其他互联网公司更高，采用了 EV/EBITDA 而非 P/E 指标进行相对估值。另外特定的行业可以使用专属估值指标，比如 P/GMV 是给电商企业估值时最常用的指标，适用于Amazon（亚马逊）、阿里巴巴、拼多多等。[5]
但上述估值模型不能脱离互联网企业的核心数据来进行建模，营业收入、GMV等数据是财务核算数据，其核心驱动力来源于互联网业务数据，即用户流量（MAU）、用户留存率、用户使用时长、货币转化率等运营数据。互联网公司估值应该根据其发展阶段和商业模式，合理结合PS、P/GMV等模型和MAU等企业核心运营数据来进行估值。
上面讨论的估值思路本质上属于从前往后进行估值，根据企业过去的业务数据，对比行业和同类公司进行估值。根据互联网企业成熟期垄断性经营的特性，有另一种估值思路，即从未来出发，根据远期企业终局的业务规模和利润水平，从后往前倒推来对企业的现在价值进行评估（参考麦肯锡的分享）[6]。
首先，根据商业模式和宏观经济增长对远期整体市场规模和公司的市场份额进行初步测算。评估和测算的关键是对公司现在的竞争力、未来发展路径，直到成熟稳定期的状态有良好的判断。
由于进行的是远期测算（5-10年），结果不确定性很高，所以需要设定不同情景（乐观、中性、悲观），并分别评估可能性（实现概率）。该测算和建模过程必须考虑宏观背景下用户的边际增长速度（比如智能手机的普及速度决定微信渗透率增速），商业化时期产品货币化的空间等一系列互联网产品设计和运营层面的核心问题。
在对远期市场空间的分布进行数据建模以后，通过宏观社会、经济、人口等数据对模型进行合理性验证，比如未来经济增长率决定的消费者购买力的上限、文化因素决定的产品渗透率边界等。
然后，根据产品形态和成熟期运营成本结构，对业务规模从高增速回落，进入低增速稳定增长时期公司的利润率水平进行评估。互联网公司前期的大量软件研发、广告宣传、客户获取等投入在当期被一次性费用化，往往导致当期持续巨额亏损，但其经济回报会在未来逐步显现并使公司获得极高的利润率。从这个角度来看，互联网公司在前中期扩张阶段其成本被财务报表高估。从实体商业会计核算演进而来的现代财务报告无法真实反映互联网公司在发展中获取的用户规模、产品品牌、业务垄断等无形资产。
最后，根据对企业发展路径、行业竞争态势等因素的判断，对公司达到未来成熟期营业收入和利润率水平所需要的具体所需时间，以及设备、人员、广告和补贴等资本开支需求，做一个预估。通过考虑企业现有资源，和达到未来成熟期所需要的时间、资金等成本，将远期现金流进行折现倒推，并考虑乐观、中性、悲观等不同场景下现金流净值的概率期望，我们可以得到一个该企业现有的合理估值区间。
互联网企业的业绩弹性很高，但其发展具有高度不确定性，这种估值思路不回避不确定性，而是将这种不确定性纳入到估值的测算过程中，强调合理的风险回报及其对应的企业现有合理估值。比如60%的概率100亿现值，30%的概率10亿现值，10%的概率2亿现值，则该企业现在合理估值为63.2亿左右（100*60% + 10*30% +2*10% = 63.2亿）。
正是由于上述估值思路中，企业未来成功与否的概率分布在很大程度上决定了企业的现有合理价值，每1%的概率变化都极大的影响估值数值，互联网企业的股票价格波动性才会具有远高于传统企业。
中国互联网公司的硬件成本分析
以拼多多为例，其依赖腾讯云计算平台作为基础设施而没有自建机房，采取租用云服务器的方式，按使用量付费，没有大额的一次性资本投入。根据年度财务报告披露，拼多多的平台运营成本是营业成本的一部分，包括网络带宽、服务器租金以及运维人员的薪资支出。由于平台运营成本包含运维人员的股权激励，我们将股权激励对应费用扣除，得到调整后2016年到2019年的真实平台运营成本。
根据行业经验，互联网公司的计算机服务器、网络等资源开支远高于相应运维人员薪资支出，这里我们假设平台运营成本的90%是服务器、网络等资源开支，则2016到2019年，拼多多的服务器和网络资源开支从0.37亿人民币增长到53.75亿人民币。
由于拼多多的MAU从2016年的0.15亿增长到2019年的4.82亿，我们可以计算出拼多多服务单个用户的服务器和网络成本从2016到2019年分别为2.48元/人、1.07元/人、8.32元/人和12.41元/人。我们看到随着用户数的快速增长，拼多多的单用户硬件成本没有下降，反而快速增长，这可能与其使用云计算作为硬件基础设施的选择有关。
在自建机房的场景下，一次性硬件资本投入前期占用大量资金，但随着用户快速增长，设备每年折旧金额固定，即使不断追加设备投资，作为运营固定成本的服务器折旧也会被用户增长所摊薄。
我们推测在云计算模式下，服务器租金随使用量、用户规模的增加呈线性增长，硬件成本体现变动成本的特性，缺乏规模效应。这个推断还需要参考更多依赖云计算的互联网公司业务数据来验证。
从年平台交易金额（GMV）的角度来看，拼多多的GMV从2016年的200.9亿人民币增长到2019年的1万亿人民币，增速非常高，达到3年50倍的高速增长
通过计算GMV/平台运营成本，我们可以得到每块钱人民币运营成本支撑的平台交易额，从2016年到2019年分别为505元、795元、208元和169元。
该金额衡量拼多多硬件基础设施支撑平台交易额的经济效率，我们可以看到在2017年后该数值显著下滑，随着GMV的增长，拼多多的硬件基础设施经济效率下降。该结合与之前测算的单用户硬件成本走势相吻合。
接下来，我们选择采用自行购买和运营计算机服务器和机房等基础设施的电商平台京东，对自营计算基础设施和采购云计算资源这两种运营模式进行成本对比，验证前文关于拼多多硬件基础设施经济效率随着用户量的增长而下滑和其采取云计算有关的假设。
京东采用国际会计准则（IFRS），将国内财务报告划分为主营业务成本的部分全部归入营业费用类别。由于其营业成本科目没有详细拆分运营成本，这里我们利用其固定资产中的电子设备账面资产以及折旧费用来对其硬件基础设施经济效率进行评估。
根据京东年度财务报告的数据，从2013年到2016年京东的平台交易额（GMV）从1255亿增长到6586亿元人民币，年活跃用户（AAU, Annual Active User）从0.474亿人增长到2.266亿人。这段时期是京东发展初期，也是其业绩增长最快的时期，在发展阶段上这段时间可以和2016年到2019年的拼多多形成匹配。
2017年及以后京东的平台交易额统计口径发生变化，和之前4年难以合理对比，所以我们选取2017年的数据进行测算（由于京东和腾讯合作后，腾讯将自己的电商业务转让给了京东平台交易额不包含腾讯电商的部分，京东2012到2016年没有披露月度活跃用户数据）。由于互联网公司电子设备资产以计算机服务器为主，我们这里利用其固定资产中的电子设备账面资产以及折旧费用来进行用户和交易额增长下的运营效率指标测算。
2017年及以后京东的平台交易额统计口径发生变化，和之前4年难以合理对比，所以我们选取2017年的数据进行测算（由于京东和腾讯合作后，腾讯将自己的电商业务转让给了京东平台交易额不包含腾讯电商的部分，京东2012到2016年没有披露月度活跃用户数据）。由于互联网公司电子设备资产以计算机服务器为主，我们这里利用其固定资产中的电子设备账面资产以及折旧费用来进行用户和交易额增长下的运营效率指标测算。
我们将平台交易额（GMV）除以电子设备账面价值，得到每个财政年度每一元人民币电子设备成本下支撑的平台交易金额。我们将平台交易额（GMV）除以折旧费用，得到每个财政年度里单位折旧费用支撑的平台交易金额。这两个数据越大，说明京东计算基础设施支持电商业务规模的经济效率越高。我们计算可得从2013年到2016年，GMV/电子设备资产账面价值从187下降到149，GMV/折旧费用从488下降到339。
接下来，我们将电子设备账面价值除以平台年度活跃用户数（AAU），得到每个平均每个活跃用户对应的电子设备历史成本。我们将折旧费用除以平台年度活跃用户数（AAU），得到每个活跃用户对应的折旧费用。这两个数据越小，说明京东基础设施支持的单位用户规模的平均成本越小。我们计算可得从2013年到2016年，电子设备资产账面价值/AAU从14.2上涨到19.5，折旧费用/AAU从5.43上涨到8.58。
我们可以看到京东每年一个货币单位的电子设备净资产和折旧费用支撑的平台交易金额（GMV）逐年减少，同时每个活跃用户占用的电子设备净资产和折旧费用逐年升高，由于2013到2017年京东平台的GMV和年活跃用户持续增长，上述数据显示其硬件资产平均经济效率随业务规模增长而下滑。这个事实与前文中拼多多的硬件基础设施经济效率下降的现象相符合。
来源：乘是资产付饶
来源：乘是资产付饶
接下来我们对京东营业收入/利润与硬件成本的关系进行分析，由于京东的业务是自营电商，其营业收入是平台商品销售款，不适合用来衡量实际业绩，我们这里使用其毛利润（平台商品销售额 – 商品采购成本）来进行评估，需要注意采用国际会计准则（IFRS）下京东将硬件折旧费用归入到Operating Expense科目下，而非主营业务成本（Cost of Revenue，这里是商品采购成本）。从2012年到2017年，京东的毛利润从68.4亿增长到508亿人民币。
从毛利润与硬件成本的关系来看，折旧费用在毛利润中占比随毛利润增长而扩大，但基本保持稳定在低位，随着毛利润的大幅增长，毛利润与折旧费用差值快速增大。这里可以看出虽然随这规模扩张，京东的硬件平均经济效率下滑，但其在毛利润中占比增长有限，整体上强有力的支撑了利润水平（对比非自营电商业务公司的营业收入）的上升。
来源：乘是资产付饶
来源：京东财务报告
美国互联网公司的硬件成本分析
我们以脸书（Facebook）为样本对美国互联网公司的营收、用户数量和硬件成本之间的关系进行分析，用以和中国互联网公司形成对比和印证。
脸书的计算机服务器等硬件基础设施采取自建自营模式，但其中有部分固定资产采用资本租赁和经营租赁的方式用于优化会计报表，合理避税。脸书的固定资产大部分是数据中心、计算机服务器等资产，在评估脸书的硬件成本时，我们将资本租赁费用、经营租赁费用以及固定资产折旧求和，作为脸书每年的硬件成本（固定资产成本）。同时
我们整理了脸书每年用于购置固定资产的现金流出数据。
我们以脸书（Facebook）为样本对美国互联网公司的营收、用户数量和硬件成本之间的关系进行分析，用以和中国互联网公司形成对比和印证。通过将每年的固定资产成本除以脸书每年12月的月活跃用户(MAU)，我们可以得到每年平均单个活跃用户占用的固定资产成本。通过将每年固定资产现金流出量除以MAU，我们可以得到每年平均到每个活跃用户身上固定资产采购金额。
来源：乘是资产付饶
我们看到从2012年到2017年，平均单个用户占用的硬件成本是下降的，从2012年的1.06美元/人每年下降到2014年的0.83美元/人每年，然后逐步回升到1美元/人/年以上，可以说脸书的单用户硬件成本有一个先下降然后回升的过程。从长期来看，脸书和京东、拼多多一样，单用户硬件成本随业务规模扩大而上升。脸书2012到2017年平均1美元左右的单用户硬件成本换算成人民币在6.5元左右，和京东单用户硬件成本相近。
和京东类似，脸书的硬件成本在营收中占比营收增长而扩大，但随着营业收入的大幅增长，营收与硬件成本差值（营业收入 – 固定资产折旧和租赁费用）快速增大，形成对利润水平的强力支撑。
来源：乘是资本付饶
我们可以总结出以下结论，互联网公司在各个不同时期（发展前中期和成熟期），在用户规模持续扩大的过程中，其硬件平均单用户经济效率都呈现逐渐下降趋势。
互联网公司营收和总成本关系
根据中信建投研报的描述 (中信建投, 2019)，在互联网公司亏损发展期，其营收增速加快，但总成本增速会逐渐降低，最后达到一个盈亏平衡点。我们这里利用数据进行验证，京东的盈亏平衡出现2017年（营业利润转正）。
由于京东的业务模式为直营电商，其营业收入是销售货款，所以这里我们用其毛利润（商品货款 – 采购成本）替代营收进行分析。营收增速加快的实际含义是其同比增长速度呈逐渐上升态势，即营业收入的二阶导数为正。
通过上面的数据可以看到，从2012年到2019年，京东的毛利润增速从2012年的202.6%逐年下降到2017年的28.9%，这一年京东实现盈亏平衡。然后在2017、2018和2019年毛利润增速保持在28%左右。
同样由于直营电商夸大了实际运营成本，这里我们将总成本定义为市场、销售和管理费用（包含固定资产折旧），然后我们将所有的股权激励费用从总成本中扣除，得到调整后总成本。我们看到从2012年到2019年，调整后总成本增速从2012年的109.2%下降到2017年的23.7%。
我们发现在盈亏平衡点之前，京东的毛利润和调整后总成本增速都呈现逐年下降趋势（即增速逐渐下降，二阶导数为负）。中信建投研报中对亏损期互联网公司营收和总成本曲线的描述不准确。
来源：乘是资本付饶
利用同样的逻辑，我们挑选脸书作为已经实现盈亏平衡的公司样本进行分析。将脸书的主营业务成本和所有费用之和记为总成本，通过描述营收 – 总成本关系的折线图可以看到，在2011年到2015年高速发展期脸书营收增长加速（营收二阶导数为正）的情况下，总成本增长同样呈加速状态。
接下来我们考察成熟互联网公司的历史利润率变化趋势，我们按季度统计历年阿里巴巴、谷歌、微软、百度这四家公司连续12个月的毛利润率（TTM Gross Margin、营业利润率（TTM Operating Margin）和净利润率（TTM Net Margin）。
我们发现这四家公司的毛利润率、营业利润率和净利润从2008年到2020年均呈现下降趋势，也就是说在营收持续扩张的背景下，成熟期互联网公司的主营业务成本和营业成本占比逐年上升，营业利润率和净利润率是逐年下降的，但仍保持在一个相对较高的水平。
图表来源为macrotrends.net。
微软
图表来源macrotrends.net
谷歌
阿里巴巴
百度
图表来源为macrotrends.net。
我们可以总结出以下结论，成熟期互联网公司虽然营业收入快速扩张，但其营业费用占比逐渐上升，营业利润率成下降趋势。
互联网公司和其他行业头部公司的业绩对比
从美国市值最大的头部上市公司历史业绩对比来看，以营业利润降序排列，可以发现前5大公司均可认为是互联网/软件公司，其中苹果从事消费电子业务，但其苹果智能手机（及iOS操作系统）是现代移动互联网的重要终端。
由于强生、沃尔玛和宝洁等传统巨头已经有很长的经营历史，同时在美国乃至世界经济中占有重要地位，其营业利润可从一定程度上代表传统经济的利润规模边界。我们发现代表互联网/软件行业的苹果、微软、谷歌、脸书网(Facebook)和亚马逊营业利润远高于前述传统经济巨头，且谷歌、脸书网和亚马逊这三家互联网公司在200-400亿美元这个相对于传统企业规模巨大的营业利润水平上，仍在2020年具有极高的营收增速（12% - 37%）和营业利润增速（17.4% - 58.3%），并在过去8年保持极高的复合营收增速（17.5% - 42.4%）以及复合净利润增速（17.9% - 120%）。
对比强生、沃尔玛和宝洁等传统巨头，头部互联网公司可以在保持营收高速增长的同时拥有稳定的高利润率，显示出垄断经济的特征。
从商业竞争的角度来看，产生高额利润和快速增长市场机会的领域会吸引大量竞争，从而削弱行业平均利润率水平，遏制个体公司业绩过快增长。 在一个开放的市场环境里，激烈竞争导致企业利润普遍水平下降，最终达到行业内部整体动态均衡状态，行业规模的扩张也难以被单一个体公司所独享，从而抑制个体公司的业绩增速。在大体量上市公司里，非互联网型企业无法兼具规模、业绩增速和利润率，这是由传统市场竞争的商业规律所决定的。
拥有垄断性行业地位的公司在高增长的同时保持高利润率，主要是由于行政法规或规模效应导致其他公司无法有效参与竞争，这种规模效应体现在成本、用户心智、用户习惯等多维度优势。
比如从市场占有率的角度，谷歌垄断了全球（不包括中国）网页搜索引擎市场。从用户量的角度，脸书垄断了全球（不包括中国）社交网络市场。从网络电商平台交易额角度，亚马逊垄断了全球电商市场。
从形成和保持垄断的方式来看，谷歌在用户规模持续增长下，深度依赖用户点击行为等经营数据来优化搜索引擎的效果，在用户增长 – 搜索体验提升 – 用户增长的正循环中形成并持续保持垄断地位，缺乏用户数据的其他厂商无法在搜索体验上对谷歌形成有效竞争。
脸书依赖社交网络自身黏性保持用户垄断，由于社交网络的产品特性决定了用户的使用目的是联络和保持社交关系，在形成垄断后单一用户难以切换平台使用其他社交平台。
亚马逊依赖直营商品、入驻商家的增长与用户增长相互促进，形成正向循环，从而获得电商平台型规模效应，依赖平台内商品类目广度和SKU储备的深度涉垄断网购用户的消费心智，形成用户在其平台上消费的习惯，增加用户的平台切换成本。
从内生财务回报的角度来看，互联网公司的优势在于相较营业利润大于50亿美元其他大型企业，成熟期互联网公司的营业费用率较低，部分公司还兼具高于传统行业平均水平的毛利润率。同时由于其垄断特性，互联网公司能在保持营业利润率的情况下实现持续高增长。
我们先拉取了美股2021年3月市值排名在前50以内的非金融、非互联网/软件领域具有代表性的本国本土企业财务数据。通过统计可得这批样本的销售毛利率均值为58.4%、营业利润率均值为19.5%、EBITDA/营收比率均值为24.7%、营业费用率均值为38.9%（这里的营业费用指营销费用、管理费用、研发费用之和）。
从内生财务回报的角度来看，互联网公司的优势在于相较营业利润大于50亿美元其他大型企业，成熟期互联网公司的营业费用率较低，部分公司还兼具高于传统行业平均水平的毛利润率。同时由于其垄断特性，互联网公司能在保持营业利润率的情况下实现持续高增长。然后我们统计了2020年美股营业利润最高的5年互联网公司苹果、微软、谷歌、脸书和亚马逊的利润率数据，可以得到他们的销售毛利率均值为55.9%、营业利润率均值为25.7%、EBITDA/营收比率均值为33.4%、营业费用率均值为30.3%。
对比上述头部互联网和非互联网企业的数据，我们可以看到在毛利润率上，互联网公司并不占据绝对优势，剔除有大规模制造业务的苹果公司以后，互联网样本集毛利率均值为60.4%，高于非互联网公司均值2%；不剔除苹果公司的情况下，互联网毛利率均值小于非互联网公司均值2.5%。
但在营业费用/营业收入比率上，互联网公司占据绝对优势，其营业费用/营业收入比率均值低于非互联网公司8.6%。结合毛利率和营业费用率，我们看到在营业利润率均值上，互联网企业平均高于非互联网企业6.2%。
由于互联网企业的营业费用中含有大量的股权激励费用，这部分费用不占用公司实际现金流，只是摊薄了未来每股净利润，对实际自由现金流无影响。如果将股权激励费用从营业费用中扣除，互联网公司的营业费用率还会进一步下降，从这个角度讲，前述互联网企业的营业费用率优势实际上更大，其报表营业利润率低估了企业整体利润水平。
我们总结发现，大型互联网企业的营业费用率显著低于传统企业，利润率较高，同时大型互联网企业拥有较高的业绩增长速度。
八、互联网企业的特点总结
互联网企业在通过用户规模和市场占有率形成垄断/半垄断优势后，业绩（营收和利润）能够高速增长，同时由于其占有垄断地位，可以享受大部分行业经济增量，在高利润绝对值水平上还能够继续保持较高的利润率持续快速增长。通过前述几个部分的分析，我们可以总结出以下事实：
1. 互联网公司在各个不同时期（发展前中期和成熟期）其硬件平均经济效率都呈现逐渐下降趋势。
2. 成熟期互联网公司虽然营业收入快速扩张，但其营业费用占比逐渐上升，营业利润率呈下降趋势。
3. 大型互联网企业利润率显著高于传统企业。
4. 大型互联网企业的营收和利润增长速度远高于顶级传统企业。
5. 大型互联网企业的营收增长和利润率优势来自于其行业垄断地位。
软件类公司
从软件公司的发展路径来看，前期投入的研发费用会在中后期的营收增长中被逐渐摊薄，研发费用率持续下降、毛利率持续提升。同时由于加强了市场推广进行产品销售以回收前期研发投入，销售费用率逐年上升，但由于营收持续增长和研发费用降低，净利润绝对值保持增长，营业利润率成上升态势。
比如A股的福昕软件，2017年开始单独列示研发费用，从2017年到2019年，营收从2.21亿增长到3.69亿，研发费用率从21.7%降低到15.4%，销售费用率从34.8%提升到39.8%。期间，毛利润率逐渐提高，从91.9%提升到94.9%。
随着营收增长，研发费用占比逐年下降，但销售费用率逐年上升，营业利润率整体上升，前期软件研发投入加速回收。国产CAD厂商中望软件从2015到2020年的财务数据也显示出类似规律。
引用资料
国泰君安策略报告：互联网公司估值那些事儿 ↑
