搜索

从瑞幸咖啡事件看如何尽调互联网企业

阿尔法工场研究院 · 2020-05-22
互联网企业的尽职调查有有别于传统企业。​

编者按:本文来自微信公众号“阿尔法工场研究院”(ID:alpworks),作者:姚辑,36氪经授权发布。

作者:姚辑(Molly Yao),英国注册会计师(ACCA)、并购交易师及证券从业资格。初中就读于北师⼤实验中学,14岁起留学英国直至硕士毕业。曾先后就职于英国伦敦安永(EY)、英国伯明翰德意志银⾏(Deutsche Bank)、⾹港安永、北京安永、丹⻨哥本哈根普华永道(PwC)和瑞典斯德哥尔摩安永。现就职于大中华区毕⻢威(KPMG)企业并购重组融资部。

2020年2月初,美国做空机构浑水(Muddy Waters)公开了一份长达89页的关于瑞幸咖啡(NASDAQ:LK)的尽调报告,报告中包含了两万多张小票和大量视频资料,种种证据指向瑞幸咖啡存在造假问题,之后将其告上法庭。

瑞幸咖啡创建于2017年10月,标签是“互联网咖啡”,以后便以迅雷不及掩耳之势打进咖啡市场,按照融资烧钱、大面积广告营销和急速扩张的手法,18个月后就实现了IPO,于2019年5月登陆纳斯达克。然而在2020年4月2日,瑞幸咖啡发布公告承认虚假交易22亿元,股价暴跌85%,市值蒸发约350亿元。

2020年4月19日,瑞幸咖啡因财务造假引发的集体诉讼,公司的董事会成员和高管将面临着美国司法部所启动的《证券欺诈刑事调查和起诉》,面临着最高不超过 25 年的监禁刑期,同时企业或将面临总计约754亿元的索赔。

此次瑞幸咖啡曝出财务造假的丑闻,一方面对中概股产生了一系列的负面影响,另一方面也突显出互联网企业尽职调查的重要性。

瑞幸咖啡事件不但引发了中概股的思考,还触及了整个互联网行业的反思。

互联网企业的特点是财务指标效益不强,而运营指标是重点。运营指标包括了用户量,访问量,活跃度,留存率等指标,因为互联网真正的价值是建立在这些运营数据的基础上,这些数据可以变现为以后的收益。

创业初期的互联网企业都是烧钱的,前期亏损很正常,用户量访问量注册量下载量等可以飞速增长但是由于这些指标都是在财务核算体系之外的,所以无法反映在账面上。

但只要谁的销量数据与市场做得好谁就能继续融到钱,于是导致互联网企业不去追求利润,而是去追求市场。因此,互联网企业的尽职调查有有别于传统企业的,关注点不应是常用的毛利率净利润等指标,而是类似用户量等非财务指标及其趋势,以及筛查蓄意伪造系统数据或篡改系统日志的舞弊行为等。

那么互联网企业财务造假都有哪些具体手段呢?

首先,是销售额的造假。企业利润最核心的来源是收入,而且如瑞幸咖啡这样的互联网平台类公司,其企业的估值基本不参考利润,而是参考销售额,因为此类互联网公司在创业前期没有利润。所以其造假模式是通过销售来虚增收入。收入的主要构成是价格和销量,在分析企业价格和销量之前要对企业的商业模式有深入的了解。

以瑞幸咖啡为例,其商业模式为咖啡零售店,通过线上下单完成销售,之后顾客去店里自提或者靠外卖送达,每一家店的订单分为自提单与快递单。瑞幸咖啡的总销量=每件商品的平均售价×其门店总数×每家店的订单×每个订单商品数量。浑水通过实地尽调发现了这三项数据均被夸大,订单量平均膨胀率为72%,每日商品售出量为第三季度虚增69%,第四季度虚增88%。实际单价被夸大幅度至少为12.3%。

浑水在对瑞幸咖啡的尽调上主要核实了它的收入,从而查出虚增收入的造假。而因为瑞幸咖啡本身就是不盈利的,没有虚增利润,所以收入虚增后必然带来更多的相应成本,于是瑞幸咖啡通过夸大广告支出来对应虚增的收入,从而填补缺口。这类“不赚钱”公司的识别难点在于,难以通过财务报表看出其存在收入虚增问题。

其次,是关联交易的造假。前面提到了虚增收入的同时也需要增加相应的成本费用,但成本增加并无实际交易怎么办?这就需要上游供应商的配合,通过一个“关联方”就可以解决问题,瑞幸咖啡通过关联方采购咖啡机的交易即体现了这一问题。

关联方交易的定义是指关联方之间转移资源、劳务或义务的行为,而不论是否收取价款。关联方包括了:直接或间接地控制其他企业或受其他企业控制、以及同受某一企业控制的两个或多个企业(例如:母公司、子公司、受同一母公司控制的子公司之间)、主要投资者个人、关键管理人员或与其关系密切的家庭成员等。 

企业若想提高利润就需要有利益输送,这时就需要有一方“配合”,也就是要高价买入或低价卖出,然而在正规市场环境下这种交易属于反常态交易,所以只有企业的关联方才会愿意牺牲自己的利益去成就企业的利润。那么如何尽调关联方交易呢?

首先要挖掘交易背后的商业实质、查看其合理性和逻辑性,其次是评估其交易价格是否公允。公允价值的定义是指对某种商品、服务或资产的潜在市场价格的一种理性和无偏见的估计,也指资产在市场上的价格。一旦通过关联方利益输送,那么关联交易的价格一定不是公允价值。

不久之前,互联网租车公司神州租车就被美国相关机构指出了关联方交易:2019年神州租车收购了北京宝沃汽车公司,之后通过批量采购推高了宝沃的销售,在2019年初,神州租车通过全资子公司与关联公司宝沃签订了购买2万量汽车的协议,使其在2019年中国汽车行业十分不景气的情况下销售业绩却暴涨。

在识别关联方交易时,可通过经销网络的关联关系排查,识别存在关联经销商协助消化库存的情况。部分企业存在上下游重叠或关联关系,或存在销售单价低于采购单价等缺乏商业合理性的交易行为,此类异常将直接导致企业核心竞争力受到挑战。

此外,还有转移成本造假,通过转移成本费用来操纵利润。以往的财务造假在试图增加利润时,往往会增加资产,而资产是有形的,容易被查出,尤其是像瑞幸咖啡这种轻资产的行业,虚增资产是很容易被发现的。

于是,瑞幸咖啡将门店层面的费用转移到了集团层面,使得门店看起来是盈利的,而集团层面是亏损的,但只要门店在大众看来是盈利的,集团层面可以在未来通过削减开支来提升整体盈利,以此来骗过市场的眼睛。

再其次,还有数据及流量造假。对于处在未盈利初创期的互联网企业,尚未形成可分析的财务数据,投资人职能基于企业的运营数据例如用户数、访问量、活跃度、留存率等来判断企业的商业价值,这就为数据及流量造假提供了动机。

例如,为了提升业绩指标,企业通常会修改数据库中的ASP记录。ASP的定义为:公司某一类型产品的平均销售价格,计算公式为:营业额÷销售件数。ASP是分析预测公司销售收入和毛利率的重要指标,在销量不变的情况下ASP的提高可以增加销售收入和毛利率。ASP是电商企业经营数据的重要指标之一,它不但反映了企业的盈利能力,还反映了顾客的消费能力。

的确,互联网企业的用户行为和内部数据的真实可靠性,是了解其业务实际运营情况的重要依据。随着数据造假行为的不断升级,发现异常和风险已不再容易。由于互联网企业运营大多依赖于信息系统,用户行为与交易数据勾绘了企业的运营及盈利模式,这也使得互联网企业的财务数据向业务运营数据的可追溯性变得更加难以实现。

在某机构的一次调研中,65%的被调查企业存在包括刷单及KPI统计错误等数据问题,40%的企业在尽调前半年内更换了财务和业务系统,导致历史数据不可追溯,30%的企业在尽调前3个月出现了包括用户数、订单数成交金额等在内的业务量超过30%的增长。

部分企业通过直接伪造用户信息和订单信息,如刷单、批量购买数据等方法虚增用户数和交易量,再通过与物流公司合作购买物流空单使得线上线下结合,补全交易流程中的信息。

最后,每一个互联网的细分行业也有其独特的数据造假手段:

  • 互联网O2O平台,包括共享经济平台和撮合类平台,以及电商平台,包括自采自销、自产自销和综合类交易平台,影响该类企业核心业绩指标有日活跃数DAU、浏览数、订单数、成交额GMV等。

  • 此类企业常见的造假手法包括利用机器人或通过爬虫技术批量抄袭互联网上的公开评论,然后在后台系统中批量发表评论、通过与物流公司线上线下的结合伪造整个交易流程,雇佣真实用户进行刷单。

  • 互联网游戏行业区别于平台型企业,包括联合运营和自主运营,其核心业绩指标除了交易额和日活跃数以外还有获客成本与用户留存率。此类企业的造假手段常见为:使用机器人批量登录游戏平台或者在数据库后台伪造账号以冲高活跃量,开设内部账号进行游戏自行充值或购买虚拟货币。

  • 互联网金融类企业涵盖了第三方支付和众筹等企业,影响这类企业的指标包括用户转化率、获客成本、交易量和不良资产比例等。

    其造假手段有:虚构资金池、模拟外部资金需求方进行交易资金体内循环从而冲高金额指标、伪造或篡改银行首付款的凭单、以积分和优惠的方式引诱用户进行刷单行为或者在数据库后台为造价用户交易和投资等,从而虚增平台流量和交易数据,一些平台甚至可以鼓励用户为了获得积分或优惠券创造频繁交易以此优化运营数据。

  • 互联网医疗的运营模式包括了将传统医疗问诊的服务建立自动化信息系统,运用图像识别技术形成医学影像等。该类企业的核心业绩指标有使用用户数,模型的准确率,生成报告的数量,系统每日登录人数、实际使用医生数、分析报告升成数、以及用户使用时长等。

    造假手段包括:后台伪造平台用户数或生成报告数、虚增运营数据、利用医疗分析软件的系统后门远程使用客户账号进行系统操作从而虚增使用率、其人工智能的技术未达到宣传的水平等。

  • 互联网教育,包括在线题库、视频付费课程、以及直播模式,其核心业绩指标包括日活跃量、新增用户数、用户听课时长、直播讲师数及时长、课程点击次数、用户留存率、用户转化率、用户平均付费金额等。造假手段包括在数据库后台伪造用户及开设内部账号大量购买课程等以达到虚增运营指标的目的

  • 互联网零售企业的业绩指标包括每单流水收益、单店盈利、单订单成本费用的优化、企业订单量真实性及持续增长能力、企业的增销效益、固定费用的摊薄效益、流水和收入的转换率情况取决于管理层的营销策略和市场竞争情况。

    常见造假手法为:利用没有真实需求的客户和供应商虚构采购和收入,之后通过虚增应收账款和银行存款来消化虚构毛利所占用的资金。

了解了以上几种造假类型和方法后,我们该如何通过有效的尽职调查来发觉财务造假呢?

尽调数据的真实性、准确性及合理性将会对企业价值的判断产生直接影响,在进行财务尽职调查的过程中,通常会从企业财务数据的真实性和商业模式可靠性两方面入手,从而对管理层舞弊和商业逻辑薄弱等风险进行性识。

验证数据真实性的方法包括:对以假乱真的刷客们进行客户基本信息真实性核查、针对单价相似且接近均价的大批量订单可以检验订单中的异常交易价格、针对“沟通后”的规范化评论进行交易行为前后完整性的检验、针对“物流空单”可以对交易中的实物进行相关信息检验。

那么,有哪些有效方法可以帮助开展对企业收入真实性的尽调?穿性测试、多维度数据匹配、异常情景分析、预测假设合理性等都是通常采用的方法。

  • 穿行测试包括,在对类似“瑞幸咖啡”的下单型消费企业,可以通过自主下单来验证企业是否通过“非连续编号”的订单虚增了订单量。在对电商类平台型企业,可以通过收集流程中各环节的外部证据,以及对客户进行回访等进行核验;

  • 通过多维度数据间的内在联系来准确描绘出客户行为,例如多维度数据的匹配(订单流量、资金流水、物流的匹配),在分析指标类数据的趋势和异常情景的同时,利用数据分析模型及算法,从多维度进行异常数据判断。

    对业务指标多维度交叉分析:结合线上推广时间轴与数据出现的时间节点进行匹配,判断是否符合正常的商业逻辑、关注线上购买后的使用效率、用户和交易的集中度、支付流水与订单的匹配、交易时间及额度的合理性;通过编造系统数据或系统日志来提升业务指标的,在数据验证中仅需要逻辑场景验证即可识别出这类造假行为。

    因为此类数据虚构完全通过IT手段完成,没有任何实际业务的支撑,而且由于没有开展实际运营,虚假数据与真实数据缺少整体的逻辑关系。

  • 异常情景分析例如:再销售端发现发货或退货比例过高,单个的客户下单频次过高,下单的时间不在消费集中时点区间等。在互联网零售的领域里,由于SKU众多且分布呈现长尾特征,企业通常会通过低毛利和高毛利的商品组合来调整,以低毛利的SKU获得客源,再以高毛利的SKU来提升盈利水平,但由于企业依赖低毛利的SKU吸引客户持续购买,导致其销售策略很难推进。

    另外尽调过程中的异常信号还包括:异常资本支出,如超过正常标准的装修费用、设备投入等。异常获客、广告费用开支;商业实质存疑的并购 / 投资行为;识别单个设备是否有多个关联账号,单个用户是否存在重复购买或大额购买的情况、根据用户及订单分布进一步分析异常数据。如果发现有大量的点击量但成功转化的很少要警觉是否流量作弊。

  • 预测假设的合理性也是尽调中必不可少的一部分,有些互联网企业为了做高估值设定了夸张的收入增长假设,以及低于合理范围的费用假设等。尽调时,可以首先从企业历史的经营数据中推算出合理的增长,再去验证企业未来的订单收入增长是否符合逻辑。此外,根据企业历史费用与收入的占比,推算出企业的未来的费用是否合理的支撑了未来的收入增长。

    此外,在对企业运营数据的真实行及合理性尽调时,利用IT、大数据、人工智能等分析也是重要的方法。人工智能算法会根据目标业务的具体运营方式与所提供的数据内容,选用相对应的机器学习算法或数据分析模型,结合对非标准数据的处理能力对数据进行深度挖掘分析,从而定位出目标业务数据中潜在的造假风险;运用大数据可以识别出电商平台中存在的刷单情况,甚至能够估算出涉及金额所占比例和虚高的数据范围。其他还有:

  •  CAAT,即计算机辅助审计技术,可以利用计算机和相关软件对报告数据的准确性进行测试,从而提高了审阅大量交易的工作效率,还可以通过尽调人员自行编制的脚本从客户数据库中的所有订单导出并审阅,对业务和财务进行数据一致性核验。同时,尽调可以对SKU每个月的数据做出统计汇总,观察有无异常或不符合逻辑的情况(比如大部分客户每月都只买一单等)。

  • 离群分析:为了确保互联网公司与用户行为的非直接交易数据的真实性,尽调时可以选择一些能够对企业潜在收入带来影响的行为数据,比如评论数和点击数等,然后针对这些数据进行用户离群行为分析,并识别出脱离整群的极端数据值。

    在统计学中,离群点是并不属于特定族群的数据点,是与其它值相距甚远的异常观测,离群点是一种与其它结构良好的数据不同的观测值,检测离群点或异常值是数据挖掘的核心,通过大数据离群数据检测和聚类检测离群点方法检测出异常用户交易的异常值,从而定位刷单行为。

  • 聚类分析,也称为“群分析”,是一种基于统计学并以相似性为基础的研究分类问题的分析方法,同时也是一个数据挖掘的重要算法。在对互联网企业尽调时,针对真实用户的刷单行为,可以通过聚类算法对交易进行群划分,在定位特征变量的基础上通过聚类算法和机器学习定位可疑的交易数据,然后将交易数据中疑似刷单行为的数据归类并对此数据群进行分布分析与重点排查,对可疑的交易数据进行多维度的分析,进一步界定异常范围。

另外还有一个不容忽视的尽调方法,即第三方数据的引入。按照审计的原理,外部独立来源获取的审计证据比内部证据更加可靠。在对瑞幸咖啡的虚增营收核查的时候,尽调团队运用了第三方平台数据,亲自下单,监控客流人数等手段核查虚增销售收入,最后发现销量被严重高估。

通过第三方平台的记录,可以与企业的经营数据进行趋势性分析,审查是否一致,如果有较大的差异,则说明企业的经营数据存在造假的可能。

一些可以提供相对可靠的数据以供分析的第三方平台有:艾瑞的互联网行业研究报告,Gartner的研究报告,IDC,TalkingData等。企业数据的真实完整性核查,通常的方式是使用企业自有数据与第三方数据进行对比分析的。通过公开数据,例如某个地区的GDP趋势,及某细分行业的增长,与企业的实际销售数据作对比,从而对企业业绩真实性进行剖绘。

那么,尽调的难点在哪里?

浑水对于瑞幸咖啡尽调的完备性,严谨性和逻辑性值得我们深思。实际上,在投资任何一家互联网企业,行业内都是有一套专业的尽调体系。互联网企业的尽调难点不仅在于反映公司价值的不再是财务数据而是流量和用户等方面的非财务数据,还有一直在变化的运营模式,多方面数据的不匹配(例如两套账、由于系统升级导致历史数据流失等),以及隐蔽性更强的造假。

比如一些“技术高明”的企业利用发达的情报、监控体系和合理的软件架构,把底层基础服务和上层应用剥离,通过对短信接收、线程、宽带、频率、打码方式设置就可以实现刷量,使得真假难以分辨。

为此,专业的尽调需要通过监测和采集才能保证数据的真实性和准确性,通过对点击到下载激活的时间排查可以发现伪造的点击和激活在时间逻辑上的错误、通过第三方平台的技术支持和监测软件对流量数据进行实时监控、对客户数据的采集和关联分析实现更精准的质量评估、获取流量异常的实时信息等。

接下来,尽调的关键在哪里?

尽调注重于判断财务数据与业务数据的匹配性,研究数据之间勾稽关系,以及进行数据的对比和验证。勾稽关系的定义是指会计账目和報表中有关指标,数字之间存在的某种必然关系,可以进行相互考察与核对,一种基于有逻辑关系的指标之间的相互验证。

以瑞幸咖啡为例,浑水在对其做收入的尽调时,通过计算平均税率验证了瑞幸咖啡收入的不合理性。由于销售收入与增值税存在勾稽关系,在尽调期间,浑水通过收集到的2万多张小票,计算出了“其他产品收入”的占比,按照中国税法,非现制产品算货物销售的增值税适用13%税率,而现制产品与配送业务的适用税率为6%,由此推断瑞幸咖啡其主营产品咖啡的税率是6%左右,而“其他产品”的增值税应为13%。

最后按照“咖啡”和“其他产品”的比重得出了的瑞幸咖啡的平均税率,发现明显高于瑞幸咖啡财报上披露的税率,由此得出瑞幸咖啡存在收入造假的可能性;数据对比和验证的具体手段包括:对企业订单的规模增长和物流的费用及配送人员工作量进行对比,看是否匹配。

通过对交易流水的核查检验企业是否存在自主刷单,员工下单,手工录入订单等现象。通过比较业务交易的流水和资金流水推算企业是否存在收入舞弊现象。分析企业的下游客户,会员数据系统,比较企业的终端销售量与企业账面的销售额是否相同等。

再其次,尽调的重点在哪里?

由于互联网企业通常为轻资产模式运营,尤其研究费用与开发支出的界限模糊,所以尽调过程中需要重点关注其各项开支的合理性,结合公开信息予以查验,并摸清企业每项费用的性质和受益方。

另外,通过瑞幸咖啡的案例,互联网企业每年需要投入大量金额在市场拓展和技术研发上,而为了使得其运营门店的业绩“好看”,都不将这部分费用分摊到单店层面,使得单店的盈利被高估,所以,互联网企业的尽职调查需要结合企业的特点和商业运营模式进行有侧重点的尽调。

比如针对电商平台,尽调应重点关注用户购买的真实性、用户复购率和潜在的订单刷单等数据和行为;而对于游戏行业则应重点关注用户的转化率及活跃用户的真实性;对于服务类平台则应关注IT算法的有效性、平台系统的稳定性和用户的真实性;针对O2O平台,要关注线下商家或B端用户刷单的风险、成交量数据的系统计算规则、以及内部风控模型的验证;

针对互联网金融企业则需要关注信贷业务的真实性、信用评级数据、不良资产比例和偿付能力;针对互联网零售企业需特别关注由于管理层没有准确核算新老客户补贴、赠礼、会员福利、积分兑换、礼金卡折扣等导致收入被虚增的问题,需要结合企业商业策略来验证增销举措成本及效益。

了解到互联网企业的尽调难点、关键和重点后,我们该从哪几个方面开展尽调?

首先应关注其收入确认的合理性和准确性。由于互联网企业的业务模式多种多样而且结算方式不一,其业绩波动也较为普遍等特点,使得其收入不并能够真实准确的反映在报表里。

例如,随着移动互联网的发展,一些互联网企业已从传统的依靠广告盈利的模式开始转为合作分成的模式,自己开发的产品除了自主运营之外还通过其他的平台销售运营,使得用户在进入,使用和付款等平台不一样。此时的尽调需要判断清相关交易的主体的从而确保在会计核算上收入确认的准确性。

有的互联网企业为了降低成本与其他同行进行业务上互换,例如网络视频公司之间互换影片版权等。针对此现象去尽调收入确认时,需要先了解交易背后的商业实质及相关交易的价格是否公允。

另外,很多互联网企业是通过折扣促销来实现的销售,这种收入增长是无法长期支撑未来的盈利能力的,未来折扣率的下降会直接导致客户的流失。如果其毛利润难以覆盖其日常运营成本,公司则可能面临经营亏损及现金快速消耗的危险。

最后,对于企业的历史并购行为以及财务报表中科目的尽职调查也是必不可少的。如果企业在历史期间有过并购行为,则要对收购溢价的合理性进行论证,企业是以什么样的对价支付的,对价的估值倍数与同行业的对标公司相比是否虚高,收购的逻辑是什么,是否与主营业务相关,收购后运营状况等。

在公司造假的套路中货币资金也是一个重要指标:财报中有上亿的货币资金,但实际上是根本没有。而损益表中的利息收入科目是可以鉴别货币资金的真假的,因为公司的钱需存银行,钱存到银行是有利息的,如果对应的利息收入与上报的货币资金额不符,则有可能暗示平常的收入和利润造假。

企业有可能通过关联方伪造合同,形成“收入”后,再通过资金拆借形成收入的货币资金,之后再转出去,所以如果企业账面上有很多钱,又没有相应的利息收入,就需要进行重点的尽调核查。

另外,营运资金也是非常重要的。企业上游的压力反映在应付账款上,下游的压力反映在了应收账款上。为了增加利润,企业通常会对下游销售商放宽账期,而对上游供应商通常会缩短账期从而获得更加低廉的采购成本。

此时,企业的营运资金的头寸就会受到压力,所以在尽调营运资金时,要特别关注那些余额或者变动较大的营运资金科目,需要了解其性质,交易方,以及商业的合理性,尤其是一些互联网企业存在刷单的现象导致应收账款根本就无法收回。

瑞幸咖啡造假使投资人蒙受损失的事件应该为投资者们敲醒警钟,面对互联网企业频频造假的时代,投资人唯一能做的是,在投资互联网企业之前,务必要了解其行业的造假手段,并且做好尽职调查,以避免类似瑞幸咖啡事件再次造成投资损失。

+1
34

好文章,需要你的鼓励

参与评论
登录后才能参与讨论哦...
后参与讨论
提交评论0/1000

请回复有价值的信息,无意义的评论将很快被删除,账号将被禁止发言。

下一篇

36氪APP让一部分人先看到未来
36氪
鲸准
氪空间

为你推送和解读最前沿、最有料的科技创投资讯

一级市场金融信息和系统服务提供商

聚集全球最优秀的创业者,项目融资率接近97%,领跑行业