基于改進DEVA模型的線上健身平臺企業價值評估研究

摘要：隨著國家經濟技術的發展，互聯網與健身平臺結合形成了線上健身平臺，該平臺滿足了人民多元化的健身需求，也成為發展體育經濟中的一個重要模塊。目前對于線上健身平臺企業的評估較少，且多是以單一角度進行企業價值評估。因此文章在改進DEVA模型的過程中引入了情景分析法，并使用改進后的DEVA模型對案例企業Keep進行價值評估。評估結果表明，改進后的DEVA模型對線上健身平臺企業價值評估具有一定的適用性。

關鍵詞：DEVA模型；線上健身平臺企業；情景分析法；價值評估

中圖分類號：F275文獻標識碼：A文章編號：1005-6432（2024）35-0049-04

DOI：10.13939/j.cnki.zgsc.2024.35.013

1引言

國務院在2021年印發的全民健身計劃（2021—2025年）中強調提供全民健身智慧化服務，推動線上和智能體育賽事活動開展，支持開展智能健身、云賽事、虛擬運動等新興運動。體育總局在2023年印發的《2023年群眾體育工作要點》中真正實現對不同年齡層次、不同職業類型、不同健身習慣和需求人群的全覆蓋。這些政策說明國家對于全民健身有著極大的決心，對于健身模式的需求呈現多樣化。隨著互聯網經濟的發展，人民健身的模式也發生了改變，其中線上健身平臺產業以其健康的理念、便捷的使用方式出現在了全國人民的視野，滿足了人民多樣化的健身需求。

為了減少企業價值評估的不確定性，研究者將情景分析法應用在企業價值評估中，取得了不錯的研究成果。文章采用以用戶為核心的DEVA模型為評估模型，在改進DEVA模型的過程中引入了情景分析法，使用改進后的模型對案例企業Keep進行價值評估，研究改進后的DEVA模型在線上健身平臺企業價值評估中的適用性。

2DEVA模型改進

2.1DEVA模型理論

DEVA模型參考了梅特卡夫定律，由證券分析師MaryMeeker在1995年提出，漢文直譯為股票價值折現分析模型。該學者認為互聯網企業有其自身的特點，輕資產較多，與傳統企業的區別較大，應該將用戶作為互聯網企業價值的重要資源。其模型表達為：

E=M·C2（1）

其中：E是企業價值，M是單位用戶的初始投入資本，C是單位用戶價值。

2.2模型改進

2.2.1修正用戶價值

基于穩定性和準確性，文章選擇使用平均月活躍用戶MAU————來計算目標企業價值。同時使用用戶平均貢獻值（ARPU）來衡量活躍用戶的價值，ARPU為營業收入與平均月活躍用戶數的比值。

2.2.2修正企業價值與用戶價值的關系

傳統DEVA模型中指數型增長往往會使結果被高估，進而導致估值泡沫，因此文章將依據齊普夫定律修正企業價值和用戶價值的關系。

2.2.3修正初始投入成本

目前大多數線上健身平臺都積累了一定的客戶，經歷了一定程度的融資，為了提高結果的準確性，文章將用上市前的融資總額除以上市前的累計活躍用戶數來計算初始投入成本。

2.2.4引入市場占有率

互聯網行業馬太效應突出，這會影響企業價值評估。因此文章引入了市場占有率K對DEVA模型進行改進。

2.2.5引入用戶付費率

用戶付費是企業增加利潤的重要環節，用戶付費率是檢驗企業影響力的重要標準，能反映互聯網企業變現能力。因此文章引入用戶付費率P，平均月付費用戶數除以平均月活躍用戶數就得到P。

2.2.6引入情景分析法

線上健身平臺企業是一種新型的互聯網企業，用戶是其企業價值的核心要素，這符合DEVA模型的內核。目前線上健身平臺企業還處于高速成長期，其發展模式慢慢細化得更加具體，盈利方法處于探索過程中，因此其未來發展的不確定性非常強。現階段關于互聯網企業價值的研究多基于單一視角，是以歷史信息作為基礎進行研究的，這種視角適合研究穩定性高、波動不大的企業，不適合現階段的線上健身平臺企業。

在DEVA模型中引入情景分析法后，可以預測企業未來出現的多種情形，以多角度的視角對企業進行價值評估，減少估值的不可控性。為了估值的可操作性，研究人員一般會設置雙情景、三情景、四情景等情景框架進行評估。不同情景出現的概率為W，最終改進后的DEVA模型公式如下：

E=∑ni=1M·Ki·P·Wi·MAU————·ARPUi·ln（MAU————·ARPUi）（2）

其中：E為企業價值，M為單位用戶的初始投入資本，MAU————為平均月活躍用戶數，P為用戶付費率，Ki、Wi、ARPUi分別為第i種情景的市場占有率、第i種情景出現的概率、第i種情景的單位用戶平均貢獻值，其中i=1，2，…，n。

3案例分析

3.1Keep公司基本情況

Keep是于2014年成立的一家運動科技公司，于2015年推出Keep移動應用程序，為用戶提供全面的健身解決方案，幫助用戶健身。2018年3月，通過引入自有品牌智能健身設備及配套運動產品擴大了產品供應。于2018年9月，推出會員訂閱計劃，以提供更多優質內容及補充產品。2023年7月12日，在堅持不懈的努力下，該公司在香港上市。目前產品包括在線健身內容、智能健身設備和配套運動產品，三大產品涵蓋用戶整個健身周期，其服務效果起到了協同的效應。該公司在國內的注冊用戶超過了3億，中國健身人群中大多數都了解Keep應用軟件，Keep成為中國的一個頭部線上健身平臺。公司發展至今，經歷了九輪融資，融資合計超過40億元，可見其潛力是巨大的。

3.2構建未來情景框架

影響線上健身平臺企業價值的驅動因素有很多，分為外部影響因素和內部影響因素。常見的DEVA模型內部影響參數有單位用戶收益、平均月活躍用戶數。常見的外部影響因素為宏觀經濟、技術進步、行業政策等，同時外部因素會引起內部因素的變動。經過搜集和查閱相關文獻、行業資料，根據因素重要性和不確定性進行排序，文章選取宏觀經濟、技術進步、行業政策這三個關鍵驅動因素搭建未來情景框架，其中一個關鍵驅動因素分為兩種情況，一共構成了8種可能出現的情景。但很多情景在現實生活中出現的可能性不大，為了讓評估過程操作性更強，以公司在情景下的發展前景為判斷標準，選取3種情景：高情景、中情景、低情景來進行估值，具體表述如下。

3.2.1高情景

國家經濟發展良好，促進了線上健身平臺產業規模的擴大，讓技術人員有充足的資金進行技術研發，線上健身平臺企業技術中高速發展，具有強大的技術競爭力。同時國家頒發的相關行業政策在一定程度上推動了線上健身平臺企業前進，對行業發展是有效的。在高情景下，Keep公司的發展前景良好。

3.2.2中情景

國家宏觀經濟良好發展，其GDP增長率上升，線上健身平臺行業市場環境較好。但線上健身平臺企業在研發上進展不明顯，沒有攻克關鍵技術，市場競爭力下降。但國家頒發的相關行業政策在一定程度上推動了線上健身平臺發展，總體來說發展情景一般。

3.2.3低情景

國家經濟發展比較低迷，宏觀經濟緩慢發展。線上健身平臺企業沒有足夠的資金搞研發，同時沒有培養出關鍵競爭技術，造成市場競爭力低的困境。國家雖然頒發了有關線上健身的行業政策，但這些政策對線上健身平臺企業的發展效果不顯著。

3.3計算未來情景概率

不同驅動因素之間不一定是絕對的相互獨立，因此文章將使用基于貝葉斯規則的交叉影響分析法計算不同情景的概率，具體計算過程如下。

3.3.1初始概率的確定

Keep公司公開的財務數據較少，但國家經濟情況一定程度上能代表不同行業的發展狀況。因此文章依據我國近十幾年來GDP增長率，確定宏觀經濟這一驅動因素的初始概率。將4%作為宏觀經濟發展的分界點，超過4%為良好發展，不超過4%為緩慢發展，根據出現的頻次計算概率，計算得出宏觀經濟良好發展和宏觀經濟緩慢發展的初始概率分別為86.67%和13.33%。

3.3.2修正初始概率

不同驅動因素之間可能存在交叉現象，為了獲取更加準確的數據，向100名未畢業或已經畢業的研究生發放打分問卷，該問卷包括技術進步和行業政策初始這兩項驅動因素初始概率的確定，以及不同驅動因素之間的交叉影響情況。得出技術中高速發展、技術低速發展的初始概率分別為59.99%和40.01%，行業政策利好、政策中性的概率分別為62.09%和37.91%。通過整理相關數據得到表1。

通過表中的強度值，計算交叉影響系數。即當交叉影響強度小于0時系數取值為“1/（1-交叉影響強度）”，當不小于0時取值為“交叉影響強度+1”，得到交叉影響系數矩陣。再將矩陣里的每一列元素進行歸一化處理，得到如下矩陣B。

B=0.130.160.260.110.280.230.130.160.090.240.090.150.260.110.130.160.280.150.090.240.130.160.090.150.260.160.260.160.140.150.130.160.130.160.140.15

利用和積法算出該矩陣的特征向量WT=[0.200.140.180.140.190.15]T。將特征向量和初始概率兩兩相乘計算出后驗概率，最后求出每個驅動因素下兩種不同情況后驗概率的百分比為修正后的概率，具體如表2所示。

在計算出不同驅動因素的修正概率后，根據概率樹分析法計算出高、中、低三種情景的概率分別為38.76%、20.87%、1.27%。但文章只對這三種情景進行分析，最終三種情景的概率如下，高情景為38.76%/（38.76%+20.87%+1.27%）=63.64%、中情景為34.27%、低情景為2.09%。

3.4評估目標企業價值

3.4.1平均月活躍用戶數

文章依據目標企業2021—2023年上半年的平均月活躍用戶數的平均增長率，對2023年下半年的平均月活躍用戶數進行測算，得出2023年下半年的平均月活躍用戶數為2879.8萬人，則2023年一整年的平均月活躍用戶數為2917.4萬人。

3.4.2單位用戶平均貢獻值

ARPU等于營業收入除以平均月活躍用戶數。Keep公司經過多年發展形成了一套比較完善的銷售體系，近幾年營業收入跳動性不大。因此文章采用現有的2022年上半年、2022年下半年、2023年上半年的營業收入，計算其正增長率、增長率均值、負增長率，據此測算2023年下半年不同情景的營業收入，最后求出2023年高、中、低情景的ARPU值分別為73.8/人、67.6/人、61.4元/人。

3.4.3初始成本

根據目標企業的年報和招股說明書里的數據，在上市前累計活躍用戶數約為43665.3萬人，按照中國外匯交易中心公布的歷史匯率換算后，Keep公司上市前的融資總額為427725.75萬元，則初始成本M=427725.75/43665.3=9.80（元/每人）。

3.4.4市場占有率

根據相關資料可知，以月活躍用戶量為衡量基礎，Keep在2022年年底在線上健身平臺的市場占有率為23.5%。文章根據Keep公司的自身實際情況及現有的行業情形，確定了Keep在2023年一整年的市場占有率，得出其高、中、低情景的K值分別為28.5%、23.5%、18.5%。

3.4.5用戶付費率

根據目標企業的年報和招股說明書里的數據，計算得出2019年上半年至2023年上半年的用戶付費率，文章據此選擇一個相對保守增長的年用戶付費率，即10.4%。

3.4.6目標企業價值

將計算的不同參數數據代入公式中，評估出Keep的企業價值為69.46億元，測算結果如表3所示。文章選取的評估基準日為2023年12月31日，當天休市，則參考最近的股票活動時間12月29日的市值66.41億元驗證估值結果，計算出文章評估的誤差率為4.59%，與股票市值相差不大，這說明評估結果具有一定的合理性。

4結論及展望

4.1結論

利用線上健身平臺健身，不僅有利于增強人民體魄，還有利于建設和諧健康的社會關系，因此線上健身平臺企業的評估工作是非常有必要的。文章在改進DEVA模型的過程中引入了情景分析法，以多角度視角對案例企業Keep進行價值評估，減少估值的不確定性。評估結果為69.46億元，評估誤差率為4.59%，可見改進后的DEVA模型對線上健身平臺企業價值評估具有一定的適用性，為以后線上健身平臺企業的研究奠定了一定的基礎。

4.2展望

文章在評估的過程中基于可操作性，選取了3種情景來評估目標企業。事實上價值驅動因素較多，形成的情景也會更多。因此在之后使用改進后的DEVA模型進行價值評估時，文章認為可以增加目標企業的價值驅動因素、選取更多情景對企業進行價值評估，這樣可以提高評估結果的準確性。

參考文獻：

[1]DESSARTL，DUCLOUM.Healthandfitnessonlinecommunitiesandproductbehaviour[J].Journalofproduct&brandmanagement，2019，28（2）：188-199.

[2]羅恒，王家宏，鐘麗萍，等.數字技術賦能健身服務業：內在機理、應用實例與推進路徑[J].體育文化導刊，2022（9）：89-96.

[3]宋靜雅.基于EVA的網易公司價值評估研究[D].哈爾濱：東北農業大學，2020.

[4]王瀟.情景分析法在周期性企業價值評估收入預測中的應用[J].現代商業，2023（5）：88-92.

[5]陳蕾，張靜文，莫榮團.情景分析與公司估值：模型選擇、情景構建和概率測算[J].財會月刊，2019（21）：12-21.

［作者簡介］劉亞璇（2001—），女，湖北潛江人，西南林業大學經濟管理學院，碩士研究生，研究方向：資產評估理論與實務；李春波（1980—），女，云南個舊人，碩士，西南林業大學經濟管理學院副教授，研究方向：財務管理、農林經濟管理和統計應用。