引言

在数字技术浪潮重塑全球经济格局与商业生态的进程中，电子商务作为数字经济最活跃、最集中的表现形式之一，已从一种新兴的商业渠道演变为支撑国民经济循环的关键基础设施。全球范围内的电商企业不仅深刻改变了亿万消费者的购物习惯，更重构了供应链、物流、金融乃至生产制造等各个环节，催生出庞大的数字商业强国。然而，电商企业与传统企业有着显著的差异，传统评估方法无法全面估算其以用户为核心进行商业交易的商业价值。

针对电商企业这类互联网企业的价值评估，理论界进行了积极探索。其中由美国证券分析师梅特卡夫提出的DEVA模型，为评估网络型企业价值提供了全新视角。但模型只考虑用户数量，忽视了用户质量、盈利能力和竞争格局等缺陷等。为了使DEVA模型更贴合电商企业的商业实践，使评估价值更加全面，对模型进行修正十分必要。

本文旨在通过分析电商企业的特点和发展趋势，了解电商企业的价值构成，探究现有企业价值评估模型的局限性，结合电商企业特点，对DEVA模型进行改进，并提出对相关方法论和实践建议。本研究有利于更深入地理解电商企业的特点与发展趋势，为电商企业的价值评估提供新的方法和思路。同时，以A企业为例的具体研究，为其他电子商务企业的价值评估提供借鉴。

1 电商企业发展现状及特点

1.1 电商企业发展现状

在互联网技术的迅速普及和网络基础设施的不断完善下，越来越多的人选择在网上购物，从线下转向线上购物，消费者的购物习惯发生了转变。随着微信和支付宝的普及，以及电子支付方式的安全性提高，使得在线交易更加便捷和安全。再加上智能手机的普及和移动互联网的发展，让人们可以随时随地进行网购。据国家统计局数据显示，2023年全国网上零售额达到13.57万亿元人民币，同比增长10.2%。将时间轴拉长，可以观察到2015年左右，年增长率曾高达30%-40%，而近年已稳定在10%上下，增速显著放缓。这明确标志着市场已从增量竞争转向存量竞争，电商企业的发展重点从单纯获取新用户，转变为深度运营现有用户、提升单客价值。

截至2023年12月，中国网民规模达10.92亿，其中网购用户规模约为8.84亿，网络购物使用率高达80.9%。将视角从全国转移到企业，A公司在其2024财年报告中显示，其在中国零售市场的年度活跃消费者已超过9亿，逼近国内电商用户的总体规模。这意味着，电商企业的用户市场规模快要接近饱和状态。因此，在这样的背景下，平台的用户增长策略不得不从“广撒网”转向“精耕作”，如何提升近9亿存量用户的活跃度、购买频次和客单价，成为核心课题。数据显示，阿里中国零售市场的年度人均消费额（ARPU）维持在超过1万元的水平，而京东的ARPU值更高，这反映了现有电商平台在提升用户价值方面所做的努力。

商业模式上，直播电商与社交电商已成为不可忽视的主导力量之一，持续重构市场格局。而头部企业如A里巴巴、J东、P多多则呈现出不同的增长态势与战略重心，或巩固核心，或出海寻机，或发力新技术，共同演绎着一个复杂、成熟且仍在快速演变的市场生态。总得来说，目前我国电商市场总体规模巨大，但增速系统性放缓。用户数量红利见顶，迫使电商企业竞争方向转向存量运营和价值深挖。这一现状也对企业的价值评估提出了更高要求，必须超越简单的营收和利润指标，更深入地洞察其用户质量、模式创新能力和生态构建潜力。

1.2 电商企业商业特点

中国电商企业经过二十余年的激烈竞争与迭代创新，已经形成了一套不同于传统商业乃至其他国家的商业模式。基于中国庞大的市场基数、独特的数字生态系统和激烈的竞争环境，我国电商企业主要呈现以下特点：

首先，我国电商市场结构的多元化与分层化。中国电商市场并非一个单一的整体，而是呈现出“金字塔”式的多层次结构。顶端是由A公司、J东和P多多构成的“三极格局”，它们各自占据了不同的生态位。T猫和J东主导品牌化、高品质的正品市场，其中J东以其自营模式和强大的自建物流体系“211限时达”著称。P多多则通过社交拼团和极致低价策略，成功挖掘并主导了庞大的下沉市场。在此之下，是D音、K手等内容平台跨界而来的直播电商巨头，这些电商企业以“兴趣电商”为核心，将内容消费与购物行为无缝融合，创造了新的消费场景。此外，还有W品会、X红书、D物等垂直平台，满足特定人群的细分需求。这种多元结构使得中国市场能够同时容纳多种商业模式并行发展。

其次，商业模式的深度融合与创新。传统电商是“人找货”的搜索模式，而目前我国电商已进化到“货找人”的推荐模式。这一转变的核心驱动力是直播电商和社交电商的盛行。抖音、快手等直播电商将娱乐、互动与购物紧密结合，主播通过个人魅力和专业讲解构建信任，实现瞬时、冲动的批量购买，2023年其规模已占网络零售总额的近30%。P多多、X红书等社交电商则深度嵌入用户的社交关系链，利用拼团、砍价、种草笔记等方式，实现病毒式传播和低成本获客。这种模式融合模糊了内容、社交与商业的边界，构建了“发现-兴趣-购买-分享”的闭环消费体验。

最值得关注的是，电商企业激烈的数据驱动竞争与快速的模式迭代。通过A/B测试、用户画像、精准推荐算法，企业能够实时洞察消费趋势，并迅速调整营销策略和产品布局。这种高度竞争环境促使企业不断进行微创新，从百亿补贴大战到直播PK卖货，从会员制到付费订阅，新模式、新玩法层出不穷，使得整个行业始终处于动态演进之中。

2 传统评估方法的不足

电商企业面临着激烈的竞争，投资大量资金用于市场推广和用户获取，导致初期净利润可能较低，但这并不代表企业价值的真实水平。在市盈率上，电子商务企业在初期可能会有高昂的市盈率，但由于行业的特殊性，市盈率可能会受到季节性、市场波动等因素的影响，使其波动较大，难以作为稳定的估值指标。此外，电商企业可能面临较大的现金流波动，特别是在促销活动、季节性销售高峰等情况下，这使得仅仅依赖现金流量进行价值评估具有一定的风险。许多传统企业价值评估模型主要侧重于财务指标，如净利润、市盈率等，而这些指标难以完全反映电商企业特有的价值创造和市场地位。对于电商企业的价值评估，传统的成本法、市场法和收益法虽然是常用的评估方法，但在电商行业中存在一些局限性和不足之处。下面将对这三种方法进行详细分析：

2.1 成本法

成本法是一种以企业资产的重建成本为基础来确定企业价值的方法，它将企业的价值定义为重建或替换企业资产所需的成本，包括实物资产和无形资产。首先，成本法评估电商企业的不足之处在于无法考虑品牌价值，电商企业的品牌价值往往是其最重要的资产之一，品牌的价值不仅取决于品牌形象的建立成本，还包括了品牌对市场的影响力和用户认知度等因素。其次，成本法忽略了市场对产品和服务的实际定价，而在电商行业中，市场定价往往受到供需关系、竞争格局和消费者偏好等因素的影响，这些因素对企业价值具有重要影响。此外，还未考虑技术创新价值。成本法主要关注企业资产的物质价值，但在电商行业，技术创新往往是推动企业发展的关键因素之一，而这种创新价值很难通过成本法进行准确衡量。

2.2 市场法

市场法是通过比较类似企业在市场上的交易价格来确定企业价值的方法。它主要依靠市场上已经发生的交易数据来确定企业的价值，包括市场上的类似交易或可比交易。但在评估电商企业时，很难找到和评估对象类似的企业数据。电商企业通常具有独特的业务模式和运营特点，很难找到与之类似的企业进行比较，因此市场法的可比性受到限制。另外，电商行业的市场变化较快，市场法可能受到市场波动和季节性因素的影响，导致企业价值的波动性较大。同成本法一样，市场法主要基于已有的市场交易数据，尤其是对于新兴的电商企业而言，无法准确反映企业的未来增长潜力和发展方向。

2.3 收益法

收益法则是基于企业未来的盈利能力来确定其价值的方法，常用的方法包括折现现金流量法和资本化收益法。电商行业的竞争激烈，市场变化快速，使用收益法对其评估很难准确预测企业未来的现金流量，尤其是对于新兴企业而言，其未来盈利能力存在较大不确定性。并且，收益法主要关注企业的财务指标，忽视了一些非财务因素对企业价值的影响，如品牌影响力、用户忠诚度和市场竞争优势等。另外，收益法未充分考虑到企业面临的各种风险，如市场风险、技术风险和竞争风险等，这可能导致对企业价值的高估或低估。

虽然成本法、市场法和收益法是常用的企业价值评估方法，但对具有独特商业模式的电商企业来说存在着较大程度的局限性。因此，现有研究中，学者们在评估电商企业的价值时会综合考虑各种因素，选取更为合适的评估方法，并结合电商行业特点和市场情况，对已有评估方法进行修正，以提高评估的准确性和可靠性。

3 DEVA模型修正及应用

3.1 DEVA模型修正

DEVA估值模型是一个用于评估互联网企业价值的分析工具，由摩根斯坦利的前分析师Mary提出，该模型的核心在于将梅特卡夫定律应用于互联网企业的估值中，强调了用户价值的重要性。其中梅特卡夫定律也称为梅特卡夫原理（Metcalfe's law），是由罗伯特·梅特卡夫（Robert Metcalfe）提出的一个关于网络效应的定律。梅特卡夫提出这个定律是为了描述计算机网络的价值增长与网络规模之间的关系。其定律核心概念是：一个网络的价值与其连接的用户数量成平方关系。换而言之，当一个网络的用户数量增加时，网络的价值会呈指数级增长，增长速度与网络中的用户数量的平方成正比。

用数学公式可以表示为：

其中，V表示网络的总价值，E是系数，N表示网络中连接的用户数量。

该定律认为随着用户数量的增加，网络中可以建立的连接数量呈指数级增长，这样就会出现更多的交流和互动，从而增加了网络的价值。先进入市场的企业可以抢先获取用户，并通过相关营销手段创造用户粘性，占据一定比例市场份额，由此给后进入企业造成进入壁垒，因此在该定律的基础上，可以解释在电商企业中出现的“马太效应”。DEVA模型用户的价值进行了量化，让它可以通过具体参数进行计算，并基于此对企业的价值进行衡量。其计算公式为：

其中，E表示企业价值，M表示单位用户的初始投入成本，C表示单位用户价值。

修正DEVA模型是在原始DEVA模型的基础上构建的，在梅特卡夫定律基础上认为企业价值会随着用户数量的增加而无限增长，但在实际市场中，在用户数量达到一定程度后，企业价值会随用户数量增加呈边际递减状态。因此根据奇普夫定律进行修正，企业价值与用户价值的关系可以修正为：

由于DEVA估值模型中的用户价值无法计量，在实际运用中更多采用用户数量进行替代。结合以A公司为首的电商企业特点来看，可以发现并不是所有用户都可以为企业创造价值，网购频率较高的用户才能为电商企业带来价值。其次，在电商平台推出的一系列优惠活动下，可以发现用户的使用情况会出现旺季和淡季的差别。因此，单位用户价值C选择用平均月活跃用户和单位用户收入的乘积来替代。引入活跃用户及用户贡献后修正的企业价值公式为：

其中，E表示企业价值，M表示单位用户的初始投入成本，MAU表示平均月活跃用户，ARPU表示单位用户平均收入。

各个行业都存在规模效应和马太效应的现象，市场占有率同样也在电商企业的发展中扮演重要的角色。当某个电商企业市场占有率较高时也就意味着其有将强的用户影响力，吸引潜在客户的能力也就越强。此外，市场占有率也是投资者考察电商企业的一个重要指标。考虑市场占有率后修正的企业价值公式为：

其中，E表示企业价值，M表示单位用户的初始投入成本，S表示市场占有率，MAU表示平均月活跃用户，ARPU表示单位用户平均收入。

3.2 DEVA模型的案例应用

A公司企业简介

A公司是中国电商行业的领军企业，其发展历程令人瞩目。创立于1999年的A公司，在经历了多个阶段的拓展和创新后，逐渐成为全球最大的电商和零售平台之一。从最初的B2B模式到后来的T宝、T猫等多元化业务，A公司一直积极应对市场变化，不断推动行业创新。A公司的成功不仅仅来自于其巨大的交易规模，更源于其独特的商业模式和数字化生态系统。其不仅提供了电商平台，还涉足支付、云计算、物流等多个领域，形成了一个庞大而复杂的商业网络。这种多元化的经营模式为A公司赋予了强大的竞争力，同时也给其价值评估带来了更多的挑战和可能性。

企业价值评估

根据A公司的经营范围以及企业特点来看，运用基于用户价值修正后的DEVA模型来对企业进行估值是合理的。

（1）单位用户的初始投入成本M

截至2023年12月，A公司自创立初期共获8轮融资，融资历程如表1所示。由A公司2023年财务报表显示，2023年底的用户数量为21.81亿人，其中活跃用户数量达13.1亿人。

融资轮数	年份	金额	投资方
第一轮	1999年	500万美元	美国高盛集团、新加坡TDF等
第二轮	2000年	2500万美元	美国软银、福达等
第三轮	2004年	8200万美元	日本软银、新加坡TDF等
第四轮	2005年	10亿美元	美国雅虎等
中国香港地区上市	2007年	15亿美元	中国香港地区联交所上市
第六轮	2011年	20亿美元	美国银湖、俄罗斯DST等
第七轮	2012年	43亿美元	中投、中信资本等
美国上市	2014年	220亿美元	美国纽约所上市

由以上信息可知，单位用户投入初始资本的值计算为：

（2）平均月度活跃用户数MAU

从A公司公布的2023年季度财务报告可以获得公司平均月度活跃用户，将2023年四个季度的平均值作为平均月度活跃用户数，年度营业收入视为用户收入。由A公司2023年季度和年度财务报告可知，营业收入按汇率转换为1264.91亿美元，平均月度活跃用户数MAU为1.09亿人。根据公式计算得出单位用户平均收入为：

（3）市场占有率S

A公司在中国电商市场拥有相当大的市场份额，旗下的电商平台包括T宝、T猫等，这些平台覆盖了各种商品和服务领域，拥有庞大的用户基础。除了电商之外，A公司还涉足云计算、数字媒体、金融科技等多个领域，其在这些领域的市场份额也可能对总体市场占有率产生影响。根据最新市场报告显示，目前A公司的业务范围以及扩展到两百多个国家，市场份额已经达到26.6%，在一定程度上碾压无数电商企业。

（4）企业价值评估E

将各参数具体数值带入改进后的DEVA模型中，即：

由估值模型可得A公司2023年的企业估值为1848.53亿美元，与股市公布市值1904.03亿美元之间的误差率为2.91%，所以基于改进后的DEVA模型对A公司进行价值评估是较为合理的。

4 结论与启示

4.1 结论

引入单位用户贡献和市场占有率的DEVA估值模型对电商企业A公司进行估值，得到的企业价值与公开市值相差较小，但从企业整体来看，还存在未考虑企业品牌价值、未充分利用企业经营数值等一系统不足之处。可以清楚认识到，电商企业价值评估是一个复杂而且具有挑战性的任务。电商行业的自身独特发展特点和发展速度远超过传统行业，导致传统的财务指标和方法在评估电商企业时可能存在一些缺陷。目前电商企业价值评估方法存在以下主要缺点：

市场环境的不确定性。电商行业的市场环境具有动态变化快、竞争强度高的特点，且易受经济周期、消费趋势等宏观外部环境与数据监管、税收政策等产业政策调整的显著冲击，这直接导致电商企业价值评估面临较高的环境不确定性。该不确定性会传导至评估过程，使对企业未来收益流、成本结构及盈利稳定性的预测难度显著提升，最终削弱评估结果的准确性与可靠性。

用户体验与品牌价值的量化缺失。用户体验与品牌价值是电商企业构建竞争壁垒的关键无形资产，对企业长期存续与可持续发展具有战略性意义。但此类因素具有“非财务性、隐性化”特征，难以通过传统财务指标体系进行量化衡量与有效评估；目前缺乏适配的评估框架，易导致对该类无形资产价值的低估或误判，影响企业整体价值评估的完整性。

竞争因素的考量维度缺失。电商行业的寡头竞争与差异化竞争并存，竞争对手的战略决策、市场行为及资源配置动向，均会直接影响目标企业的市场份额、盈利空间及价值创造能力。但传统企业价值评估方法在模型设计中常未嵌入竞争因素的分析维度，未能系统考量“竞争动态→企业经营→价值变动”的传导路径，导致评估结果脱离市场竞争实际，偏差幅度较大。

综上所述，电商企业价值评估方法存在诸多缺点，未来需要不断探索和完善适合电商行业特点的评估方法，以更准确地评估电商企业的价值，为投资者和企业决策提供更可靠的参考依据。

4.2 启示

电商企业价值评估是一个复杂而关键的领域，随着科技的不断进步、市场竞争的加剧以及消费者需求的不断演变，其重要性愈发凸显。对电商企业价值评估的深入思考不仅有助于提高企业自身管理水平，还为投资者、政府监管等各方提供了更全面的了解，推动了整个电商生态系统的持续健康发展。分析电商企业自身特点、传统评估方法的不足以及运用改进后的DEVA估值模型对A公司进行评估，未来对于电商企业的评估可以从这些角度展开。

在进行企业价值评估之前，应理解电子商务企业的特点和价值驱动因素。首先是技术创新和平台效应方面；电子商务企业往往依赖于技术创新和平台效应来实现持续增长。因此，评估时需要考虑企业的技术实力、创新能力以及平台生态的健康程度。接着是用户规模和用户价值方面；用户是电商企业最重要的资产之一。评估时需要综合考虑用户数量、用户活跃度、用户忠诚度以及用户生命周期价值等因素。其次，还应考虑企业的品牌价值和市场地位；在竞争激烈的电子商务市场中，品牌价值和市场地位对企业的长期发展至关重要。评估时需要考虑企业的品牌认知度、品牌声誉以及市场份额等因素。最后，更应从企业的商业模式和盈利能力方面出发；电子商务企业的商业模式多种多样，包括B2C、C2C、B2B等。评估时需要对企业的盈利模式、盈利能力以及未来的盈利潜力进行全面分析。

在分析各类评估方法后，不难发现每种评估方法都有其缺点，但其存在的优点也是其他评估方法所做不到的。因此，对任何企业进行价值评估时，都应该综合应用多种评估方法。例如，虽然成本法很难准确衡量电子商务企业的品牌价值和技术创新价值，但仍然可以作为评估的一个参考指标，特别是对于实物资产的估值。市场法可以通过比较市场上类似企业的交易价格来确定企业的价值，但需要注意在电子商务行业中找到合适的可比企业可能会比较困难。收益法通过对企业未来的盈利能力进行预测来确定企业的价值，是评估电子商务企业价值的重要方法。可以采用折现现金流量法或资本化收益法来进行评估。

最后，还可以考虑运用市场比较法、行业比较法、权益市场法等其他评估方法，以综合考量企业的各种价值驱动因素。不可否认，这是一个充满机遇的时代，但各行各业的发展中也不缺乏挑战。在对企业进行价值评估时，除了利用各类报表上的财务会计数值时，还应重视企业整体风险和发展的不确定性。电子商务行业具有较高的市场竞争性和不确定性，因此在进行价值评估时，需要充分考虑各种风险因素，包括但不限于市场风险、技术风险、法律风险和运营风险等。在风险考量方面，可以通过敏感性分析和场景分析等方法来评估风险对企业价值的影响，并制定相应的风险管理策略。随着大数据和人工智能技术的发展，应利用这些先进技术来提高电子商务企业的价值评估效率和准确性。通过对海量数据的分析和挖掘，可以更准确地把握市场趋势、用户行为和竞争情况，从而更科学地评估企业的价值。

总得来说，电子商务企业的价值评估是一个复杂而又关键的问题，需要综合考虑各种因素，并结合最新的研究成果和技术手段，采用多种方法相互印证，以提高评估的准确性和可靠性。

参考文献：

1. [1] 张亚萌,张波.基于修正DEVA模型的公司价值评估案例研究[J].商业会计,2023(01):29-33.
2. [2] 李佳妹.互联网企业数据资产价值评估研究——以哔哩哔哩为例[J].现代营销(上旬刊),2022(09):151-053.
3. [3] 韩兴国,许继博.基于DEVA模型互联网企业价值评估研究[J].内蒙古煤炭经济,2021(10):187-188.
4. [4] 胡格格,胡北忠.基于修正的DEVA模型在“独角兽”公司企业价值评估中的应用研究[J].企业科技与发展,2020(11):107-110.
5. [5] 徐慧卿.小微电商企业价值创造评估方法选择与评价[J].合作经济与科技,2020(20):100-101.
6. [6] 战颖.电商企业价值评估方法实证研究[J].现代商贸工业,2016,37(20):55-56.
7. [7] 丁新.大数据背景下电商企业风险管理浅析[J].商场现代化,2024(01):39-41.
8. [8] 李舟,张俊玉,魏凯,等.基于DEVA模型的互联网视频企业价值评估[J].商业会计,2023(13):44-48.
9. [9] 张雪梅,马心怡.DEVA模型在互联网企业估值中的应用[J].财会通讯，2021(04):129-132.
10. [10] 李晓雨.体验时代：用户视角创造企业价值[J].中国质量,2020(01):53-54.