استارتاپ موجود زنده‌ای است که در چرخه عمر خود در نقطه صفر متولد می‌شود و با طی کردن مراحل توسعه متعدد به بلوغ می‌رسد. در طول این چرخه، بسته به استراتژی توسعه-رشد و سایر عوامل درونی و محیطی، برای جذب سرمایه چندین بار مورد ارزش‌ گذاری قرار می‌گیرد. وجود همین مراحل مختلف از تولد تا بلوغ بر کیفیت و دقت ارزش‌ گذاری استارتاپ‌ها تاثیر می‌گذارد. به روش‌های مختلف ارزش گذاری نمی‌توان برچسب بهترین یا بدترین زد. اینکه ارزش گذاری به روش Discounted Cash Flow (DCF) بالاترین دقت را در ارزش گذاری دارد و روش کارت امتیاز دهی دقت کمی دارد، یک برداشت کاملا اشتباه است. سطح بلوغ استارتاپ و میزان داده‌های دردسترس از جمله فاکتورهای انتخاب روش‌های مناسب برای ارزش گذاری استارتاپ هستند.

دقت ارزش‌ گذاری استارتاپ‌ها در مرحله‌ی تولد

یک استارتاپ در ابتدای مسیر خود، بدون داشتن ذره‌ای پیشینه و داده‌ تاریخیِ قابل اطمینان باید مورد ارزش‌ گذاری قرار گیرد. اما به تدریج در ادامه مسیر توسعه و با کسب تجربه و بازخورد بازار، داده‌هایی تولید می‌شود که در کیفیت و دقت ارزش‌ گذاری استارتاپ‌ها تاثیرگذار است. بنابراین، هرچه ارزش‌ گذاری با فاصله بیشتری نسبت به نقطه صفر استارت‌آپ صورت گیرد، استفاده از روش‌های ارزش‌ گذاری مبتنی بر داده (Data-driven) میسرتر می‌شود. این امر تا جایی می‌تواند ادامه پیدا کند که چندین متخصص ارزش‌گذار با داشتن داده‌های یکسان به اعداد بسیار نزدیکی از ارزش یک کسب‌وکار می‌رسند.

اما این موضوع در مراحل اولیه چرخه عمر استارتاپ‌ها صادق نیست. نبود داده‌های تاریخی کافی، نبود راهبرد دقیق توسعه محصول، بازار و کسب‌وکار، امکان ایجاد چرخش‌های (pivot) متعدد به واسطه ذات چابک و زنده یک استارت‌آپ، تغییر مداوم موضوع فعالیت یک استارت‌آپ همه و همه موجب می‌‌شود تا در مورد ارزش‌ گذاری استارت‌آپ‌ها در مراحل اولیه نتوان به‌صورت دقیق نظر داد.

به عبارت بهتر، در مراحل میانی و انتهایی (mid and late stage) مسیر توسعه استارتاپ‌ها، به قدری غنای داده‌ها، الگوها، روندها، بازخوردها و اطلاعاتی که برخاسته از ویژگی‌های ذاتی استارت‌آپ‌ها و تصمیم‌های مدیران و موسسان آ‌ن‌هاست، بالاست که ارزش‌ گذاریِ صورت گرفته خاصِ آن استارت‌آپ خواهد بود. اما اگر استارت‌آپ فاقد هرگونه اطلاعات پیشین باشد، چه عاملی می‌تواند متمایزکننده ارزش آن از از سایر استارتاپ‌های هم‌سن‌وسال آن باشد؟

ارزش‌ گذاری استارتاپ‌های فاقد اطلاعات پیشین

متخصصین این حوزه در ارزش‌ گذاری استارتاپ‌های مراحل اولیه، با دیدی کمونیستی (!) و برابر به همه استارتاپ‌ها نگاه می‌کنند.
دو استارتاپ را در مرحله‌ی تیم‌سازی تصور کنید. استارتاپ A صرفا یک ایده در حوزه ارائه خدمات آنلاین نظافت منزل در ذهن دارد. استارتاپ B ایده‌ی امکان اعتبارسنجی مشتریان بانک‌ها و موسسات مالی-اعتباری به کمک هوش مصنوعی دارد. استارتاپ A , B برای یک سرمایه‌گذار در این مرحله تفاوتی از منظر ارزش‌ گذاری ندارد.
در واقع سرمایه‌گذار در هر دو استارت‌آپ‌ A,B صرفاً با مقایسه دو تیم روبرو است . متمایزکننده این دو استارتاپ بیشتر از اینکه ایده آن‌ها باشد، تجربه، تخصص و انگیزه تیم‌ها است. در چنین شرایطی سرمایه‌گذاران فارغ از حوزه فعالیت و صنعت استارت‌آپ اقدام به ارزش‌ گذاری آن می‌کنند.

ارزش‌ گذاری استارتاپ ها پس از سپری شدن مرحله‌ی تولد

رفته رفته در مراحل بعدی چرخه عمر استارتاپ، با افزایش داده‌های تاریخی و داده‌های عملکردی (track records) وضوح (resolution) استارتاپ بیشتر می‌شود و سرمایه‌گذار به جای فضای مه‌آلود و ناشفاف، این بار با کسب‌وکاری که سابقه فعالیت کافی دارد مواجه است. در چنین مراحلی، ارزش‌ گذاری متأثر از اتفاقات گذشته و برداشت (perception) وی از آینده آن کسب‌وکار خواهد بود.

شبیه‌سازی استارتاپ‌ها با مراحل تولد نوزادان

فرض کنید فرآیند تولد و رشد یک استارتاپ مشابه تولد و رشد یک کودک است. اکثر مواقع و به‌صورت آماری دیده شده است که وزن درصد قابل‌توجهی از کودکانی که تازه متولد شده‌اند، با واریانس نسبتاً پایینی در حدود 3.5 کیلوگرم و قد 50 سانتی‌متر می‌باشد (اگر شرایط خاصی چون کودکان ناقص‌الخلقه و با ویژگی‌های خاص را کنار بگذاریم). استارتاپ‌ها نیز تا مدتی پس از زمان تولد خود، چنین وضعیتی دارند ( همه شبیه به هم هستند). بنابراین، واریانس ارزشی که می‌توان به آن‌ها نسبت داد خیلی زیاد نیست. یک استارت‌آپ مانند یک کودک در حال رشد به مرور توسعه پیدا می‌کند. به مرور با توجه به شرایط محیطی و داخلی آن، شاهد استارتاپ‌هایی خواهیم بود که نسبت به هم سن و سالان خود قد می‌کشند، چاق می‌شوند، لاغر یا کوتاه می‌مانند. در مراحل میانی و انتهایی، حجم و کیفیت بالای داده‌های تولید شده از استارت‌آپ‌ها، انعکاس جامع و دقیقی از وضعیت استارت‌آپ و به تبع آن ارزش‌ گذاری استارت‌آپ را ایجاب می‌کند.

نمایش کیفی وضعیت دقت ارزش‌ گذاری استارتاپ‌ها در چرخه عمرشان

به‌صورت کیفی در نمودار زیر مثال بالا را نمایش داده شده است. در مراحل ابتدایی استارتاپ‌ها، ارزش‌ گذاری صورت گرفته نمی‌تواند واریانس زیادی نسبت به میانگین ارزش‌ گذاری استارتاپ‌های مشابه (از نظر چرخه عمر) پیدا کند. اما با گذشت زمان و طی مراحل توسعه، ارزش‌ گذاری استارتاپ وابستگی بالایی به عملکرد آن خواهد داشت. بر اساس این تصویر همه‌ی استارتاپ‌ها در مرحله‌ی اولیه‌ی ارزش و value تقریبا یکسانی دارند. با گذشت زمان فاصله‌ی میان ارزش آن‌ها به میزان زیادی تفاوت یافته است.

آنچه در این نوشتار به آن پرداخته شد،‌دقت ارزش گذاری استارتاپ‌ها بود. استارتاپ در مراحل ابتدایی بلوغ، وقتی سرمایه‌گذار بر اساس داده‌های ارزش گذاری روی استارتاپی سرمایه گذاری می‌کند، این سرمایه گذاری بر اساس امید است نه بر اساس معیار و داده. ارزش گذاری‌ها در مراحل پیش بذری (Pre-seed) و بذری (Seed Stage) بر اساس روش‌های هزینه جایگزین، روش برکوس، روش تجمیع عوامل ریسک و روش کارت امتیاز دهی صورت می‌گیرد. اغلب این روش‌ها جز روش‌های کیفی در ارزش گذاری محسوب می‌شوند. میزان دقت روش‌های کیفی در مقابل روش‌های کمی نیز بر کسی پوشیده نیست. با گذشت زمان و رسیدن به مرحله‌ی اولیه (Early stage) نوع داده‌های در دسترس استارتاپ تغییر می‌کند و بر اساس این داده‌ها روش‌های ارزش گذاری نیز تغییر خواهد کرد. روش‌های نمونه کاوی تحلیلی، ارزش منصفانه بازار، روش سرمایه گذاری خطرپذیر از جمله‌ی این روش‌ها هستند. بنابراین همان‌طور که در ابتدای بحث هم اشاره شد، لقب بهترین یا بدترین روش بر روش های ارزش گذاری استارتاپ صحیح نیست. ارزش گذار با توجه به تجربه و تبحر خود و هم چنین سطح بلوغ استارتاپ و میزان داده‌های در دسترس بهترین روش‌ها را در ارزش گذاری انتخاب می‌کند.