Как оценить компанию, у которой почти нет выручки

#кейс

Разберем задачку. У вас есть 150 миллионов собственных денег и до 200 миллионов кредитной линии, и надо решить будущее компании. На столе два варианта.

Первый почти без выручки, зато у него данные о двух миллиардах людей в месяц. Второй тоже почти без выручки, зато у него технология, которую конкуренты еще не умеют делать.

Как посчитать, что из этого дороже?

Это реальная история 2017 года, американская компания Zeta Global, маркетинговый сервис, который зарабатывал на массовых рассылках писем. Бизнес был стабильный и прибыльный, но клиенты потихоньку убегали к более современным сервисам, а крупные конкуренты уже успели купить себе технологии наперед.

Основатель компании понял, что стоять на месте опаснее, чем рискнуть. Собрал ресурс на "перезапуск" и сел выбирать, куда его вложить.

Вариант первый. Купить сервис комментариев на сайтах, который стоял на пяти миллионах разных сайтов и видел два миллиарда посетителей в месяц. Сам сервис почти не рос и уже не выглядел самостоятельной историей роста. Зарабатывал меньше 25 миллионов в год при оценке сделки 90 миллионов. Но у него были данные о пользователях в огромных масштабах. Кто заходит, что читает, как себя ведет.

Вариант второй. Купить маленькую компанию, которая делала персонализацию с помощью того, что тогда еще стеснялись называть искусственным интеллектом. Зарабатывала около трех миллионов в год при оценке сделки 35-40 миллионов, но растет вдвое каждый год. Технология работала, просто основной рынок у нее были небольшие издатели и мелкий ритейл, где контракты маленькие и денег на сложную персонализацию немного.

Был и третий вариант, самый рискованный. Купить обе компании сразу и получить и данные, и технологию, приняв на себя двойной риск по деньгам и по интеграции.

Директор по операциям хотел вторую компанию. Он провел время с их техническим директором и понял, что покупает мозги и технологию, а бизнес с клиентами тут вообще не главное. Идея была даже радикальнее: слабый текущий бизнес свернуть и встроить их технологическое ядро прямо в свою платформу.

Основатель тянулся к первой. Причем сам себе честно признавался, что сделку ему принес человек, которого он уважает, и это уважение могло искажать его собственную оценку.

Сделка прошла через самый долгий и первый неединогласный совет директоров в истории компании. Один инвестор сказал прямо: у нас нормальный бизнес, зачем нам этот риск. Основатель позже признавал: без статуса контролирующего инвестора он не уверен, что совет согласился бы на такой риск.

Вот как на самом деле оценивают компанию с почти нулевой выручкой. Не по тому, сколько она зарабатывает сегодня.

Сначала считают, какую способность она дает покупателю, данные, технологию, команду или доступ к рынку.

Потом сравнивают с альтернативой: сколько будет стоить построить это внутри самому, сколько времени это займет и сколько клиентов уйдет к конкурентам, пока вы строите.

И только потом: сможем ли мы это реально встроить в себя, или просто купим дорогую проблему.

Иногда вы покупаете не компанию. Вы покупаете способность стать другой компанией.

Кстати, спустя годы тот же основатель в одном из интервью назвал именно 2017 год моментом, когда компания случайно наткнулась на данные и искусственный интеллект как основу для платформы, которую строила с самого начала.

В самом кейсе из Колумбийского университета деталей намного больше. Там расписаны финансовые модели на три года вперед под каждый из вариантов, разбор всех конкурентов по AI в маркетинге того времени, включая Salesforce и IBM, и даже список того, что вообще нужно компании, чтобы построить AI с нуля, от данных до энергии на серверы. Кому интересно покопаться в первоисточнике, ищите кейс CU472 в базе Columbia CaseWorks.