作者 | Jamin Ball
编译 | 美股研究社
ERR与ARR
ARR（年度经常性收入）是最受欢迎的 SaaS（非 GAAP）指标之一。然而，它也是使用最松散的指标之一，并且经常被滥用。在最真实的形式中，ARR 被纯粹的 SaaS 商业模式用来描述整个客户集的年度总价值。客户签订的合同以年为单位递增（一年、两年、三年等），合同期间的支出是可预测的。在合同到期时，这些客户要么续订（签署另一份具有相同年价值的合同），要么扩展（签署另一份具有更高年价值的合同），要么签订合同（签署另一份年价值较低的合同），要么流失（不再是客户，支出归零）。
许多人推崇 SaaS 商业模式，因为 ARR 本质上是可预测的——你知道你的收入在未来 12 个月内会是多少，有时甚至比这更远。最重要的是，在低波动性的情况下，流失和扩张往往也是可以预测的。企业软件业务力力争达到 90-95% 的毛留存率（一般是指收入与流失收入的百分比），净扩展率在 120% 以上（扩张 - 收缩 - 流失收入的总变化）。对于以较小的中小企业客户群为目标的 SaaS 企业来说，毛保留率通常在 80% 左右，净扩展率在 105% 左右。有了稳定的毛保持率和净扩展率数字后，建立 SaaS 企业模型其实很容易，而对未来的可预测性也让投资者感到安心。
许多投资者嘲笑（有些人是正确的）软件公司的估值通常被描述为收入的倍数。归根结底，利润/现金流不应该是真正的估值驱动因素吗？为什么软件公司因为收入而获得“信用”？这很大程度上与我上面描述的内容有关。
软件 SaaS 收入流通常是高度可预测的和可长期持续的（90% 的毛保留率意味着您的客户平均会与企业合作 10 年）。一旦客户偿还了最初的购置成本，所有未来的收入流都可以粗略地描述为现金流年金。这一切最终意味着，一旦软件业务从增长模式（即大多数客户仍在偿还其 CAC）过渡到“成熟模式”（即大多数客户已经偿还其 CAC，现在正在吐出利润），整体业务将从高增长的烧钱过渡到低增长的利润产生。这至少是投资者在评估软件业务的收益倍数时，所能得到且愿意接受的SaaS承诺。
如果你想真正评估任何业务（包括软件），你应该建立一个DCF模型（贴现现金流模型）分析。此分析执行两项操作。首先，它模拟了企业的年度现金流（比如 10 年后），并将这些现金流的未来价值贴现回现值（这就是为什么软件企业对利率敏感的原因——随着利率的上升，贴现率也会上升）。其次，它将着眼于企业的最终价值（比如第 10 年的现金流），对营收增长率和到期时的 FCF 利润率做出假设，对其应用一个倍数，并将其贴现。
您会发现，对于大多数软件企业来说， DCF 的大部分价值在于最终价值（ FCF 的外部年限）。也就是说，软件投资者在评估软件公司时做出的最大假设之一是保留率将是稳定的，收入是经常性的。围绕 ARR 的一大假设是 留存率将保持稳定！
那么ARR是如何被滥用的呢？
最大的罪魁祸首是将非经常性收入描述为 ARR。这就有很多种理解，最令人震惊的是，将真正的一次性收入“年化”，并称之为“ARR”。让我们看看消费收入：它在技术上并非经常性的，更多地被描述为 "重复发生 "与 "经常发生 "。这就是为什么消费型企业（Snowflake、Mongo、Confluent、Azure、AWS 等）在宏观放缓中变化更大的原因。当Snowflake上市时，我记得他们在之前的季报演讲中有一张幻灯片，非常明确地指出“我们不是SaaS模型”。
滥用ARR之所以重要，是因为滥用ARR将对保留率产生最大影响。对于真正的 ARR，留存率通常是稳定且可预测的，也因此目前大部分估值都可以基于外部年份/终值。对于“假”ARR，留存率可能会有很大的变化。如上所述，SaaS 估值的关键在于留存率，以及围绕它做出的假设。如果留存率下降，终值很可能为 0。
这让我想到了人工智能。正如我所提到的，如今有很多方法会误用 ARR。最常见的两种方式是将非经常性收入按年计算（比如将每月收入乘以 12），或者将经常性收入称为 ARR。
说到人工智能，现在还有另一个滥用 ARR 的罪魁祸首，我称之为 ERR。ERR 是Experimental Runrate Revenue的缩写。如今，人工智能收入的很大一部分确实是实验性收入！在采购 AI 解决方案方面，组织成熟度非常低。每个买家都在争先恐后地寻找答案。
在预算紧张的环境下，人工智能解决方案的预算竟然如此 "开放"。客户正在试验两个向量 - 功能和供应商。当公司可能需要某些功能时，他们会迅速购买解决方案。但由于人工智能（尤其是AIGC）领域刚刚兴起，供应商数量并不多！但这种情况正在改变--许多品类正在商品化，从而带来了巨大的定价压力。而一些人工智能供应商认为是 ARR 的收入实际上是 ERR，因为他们的客户正在转向替代品。
买家也在对供应商进行试验。买家可能想要构建某种产品/功能，并将转向最快/最可用的解决方案来构建原型或缩小版本。一旦原型版本被构建和验证，买家就会问自己“从部署到生产阶段，我们究竟想在什么工具上构建这一功能？”。他们会考虑成本、可扩展性、合规性等因素。最常见的产品类别是矢量数据库。公司通常会使用专用的矢量数据库来构建早期功能，但当需要将其扩展并部署到最终客户时，他们就会使用 MongoDB（或其他大型数据库），因为他们已经与这些数据库建立了企业关系。
总而言之，我们在人工智能领域看到了很多实验性收入，这些收入似乎不具备真正 ARR 所具备的留存质量。对于创始人来说，重要的是要认识到他们的收入质量，并在理智上对自己诚实。你有 ARR 或 ERR 吗？员工人数规划、预算编制、资金筹集等往往在很大程度上基于终极计划。如果错把ERR当做ARR，就会导致终极计划大起大落，并再随后做出错误的决定（对未来造成实际影响）。
快速宏观更新
本周三，美联储发布的最新消息，也推动了市场的走高。美联储预计今年将降息3次。他们预计GDP将增长2.1%（意味着强劲经济/无衰退），高于12月预测的1.4%，失业率为4.0%，低于此前预测的4.1%，核心PCE通胀率为2.6%，高于此前预测的2.4%，联邦基金利率年底为4.6%，与之前的预测相同。您可以在下表中看到此数据：
前 10 名 EV / NTM 收入倍数
每周股价走势前 10 名
倍数更新
SaaS业务通常根据其收入的倍数进行估值 - 在大多数情况下，是未来12个月的预计收入。收入倍数是一个简写的估值框架。鉴于大多数软件公司没有盈利，或者没有产生有意义的FCF，这是比较整个行业的唯一指标。即使是 DCF 充满了长期假设。SaaS的承诺是，早期的增长会带来成熟期的利润。下面显示的倍数是通过取企业价值（市值+债务-现金）/NTM收入计算的。
总体数据：
总体中位数：6.3 倍
前 5 名中位数：19.1 倍
10年期：4.3%
按增长划分。在以下各组中，我认为高增长公司的预测 NTM 增长率> 27%（我必须更新这一点，因为本季度收益后，只有一家公司的预测增长率大于 30%），中等增长的预测增长率为 15%-27%，低增长的预测增长率< 15%。
高增长中位数：10.9 倍
中等增长中位数：9.6 倍
低增长中位数：4.5 倍
EV / NTM Rev / NTM 增长
下图显示了EV / NTM收入倍数除以NTM一致性增长预期。一家以 20 倍 NTM 收入交易的公司，如果预计增长 100%，其交易价格将为 0.2 倍。这张图的目的是显示每只股票相对于其增长预期的相对便宜/昂贵程度。
EV / NTM FCF
折线图显示了所有FCF倍数为>0倍和<100倍的公司的中位数。我创建这个子集是为了对比相关公司的 FCF 估值指标。
EV / NTM Rev 倍数与 NTM Rev 增长的散点图
增长与估值倍数的相关性如何？
操作指标
NTM增长率中位数：13%
LTM 增长率中位数：17%
毛利率中位数：75%
营业利润率中位数 （12%）
FCF保证金中位数：10%
中位数净留存率：110%
CAC 投资回收期中位数：38 个月
收入中位数 S&M 百分比：42%
研发收入百分比中位数：25%
一般与平均平均收入百分比中位数：16%
比较输出
规则 40 显示了利润增长 + FCF 利润率（LTM 和 NTM 均为增长 + 利润率）。FCF 按运营现金流-资本支出计算
GM 调整后投资回收期计算公式为： (上一季度 S&M）/（本季度净新收入总额 x 毛利率）x 12。它显示了 SaaS 企业在毛利润基础上收回其负担的全部 CAC 所需月数。大多数上市公司不报告净新 ARR，因此我采用隐含的 ARR 指标（季度订阅收入 x 4）。净新 ARR ARR 简单来说就是当季度的 ARR，减去上一季度的 ARR。未披露订阅收入的公司已被排除在分析之外，并被列为 NA。
