Среди инвестиционного сообщества со специализацией на технологичные и/или высокорисковые рыночные ниши до сих пор нет единства в том, какие инвестиции называются посевными (seed-stage). Кто-то считает, что граница между посевными и венчурными чеками — это производная размера чека: например, до $50 тыс.— это предпосевные, от $50 тыс. до $500 тыс.— посевные, а все что выше — венчурные, раундов А (до $5 млн), B, C и т. д.
Фото: Из личного архива
У меня на этот счет другое мнение: ключевым отличием является не размер чека, а цель, которую преследуют команда и инвестор в момент инвестирования. Если цель венчурного специалиста — построение полноценной, широко масштабируемой бизнес-империи, то цель посевного инвестора — тестирование бизнес-гипотез, на которых строится предложенная командой основателей бизнес-модель проекта. Поставим еще раз в фокус внимания «построить бизнес» (венчурный фонд) против «протестировать гипотезы» (посевной фонд). Если источниками прибыли венчурного фонда являются его экспертиза в выборе инвестиционных целей и игра со статистическим аппаратом рисков (ну и возможности для выхода из инвестиций, конечно), то экспертизой посевного фонда является способность за минимальные деньги и время выжать максимум информации о коммерческом потенциале предлагаемой бизнес-модели и неразрывных с ним рисков.
Итак, что такое тестирование гипотез в контексте посевного инвестирования? Процесс работает так:
1. Предлагаемая командой основателей бизнес-идея формализуется партнером фонда в бизнес-модель в Excel. Важно: Excel-модель — это не унылая формальность перед вхождением в бизнес, а основной интегрированный инструмент работы с инвестицией, построенный на временном горизонте от шести до 24 месяцев на основе производных переменных (декомпозированных на несколько шагов вниз элементов модели). Например, продажи на десять месяцев от получения инвестиций могут выводиться из формулы с пятью-десятью элементами (средний чек, помесячная динамика среднего чека, старая аудитория с прошлого месяца, отвалившаяся за месяц аудитория, прирост аудитории в расчете на маркетинговый бюджет, размер маркетингового бюджета в десятом месяце и т. д.).
2. Все элементы бизнес-модели подвергаются проверке на достоверность или хотя бы разумность. При этом выделяют:
— Очевидные, легко проверяемые элементы модели (например, ставки налогов или бесскидочные цены крупных рекламных площадок для мелких рекламодателей).
— Неочевидные, но лежащие в определенном диапазоне элементы модели (например, цена за клик высокочастотного семантического ядра данной отраслевой ниши в «Яндекс.Директ»). Факт наличия доверительного диапазона исследуемой переменной величины дает возможность инвестиционной команде провести комфортный тест на эластичность модели, изменяя в Excel эту переменную в периметре спрогнозированного диапазона.
— Совершенно не предсказуемые параметры. Например, скорость роста вновь создаваемой ниши рынка или коэффициент виральности рекламы. Частным случаем непредсказуемой величины являются те элементы, которые вроде бы и лежат в некоем диапазоне доверительного интервала (см. выше), но минимальное изменение которых дает настолько оглушительный эффект на величину доходности, что делает оправданным помещение ее в эту группу непредсказуемых элементов (+10% роста принимаемой рынком цены ведет к +50% доходности проекта).
3. Тестирование группы последней параметров (см. предыдущий пункт) и является главной интригой всего посевного проекта для целей фонда. Корректно это называется «тестирование гипотез», потому что в Excel-модели на местах этих элементов стоят не пустые места, а гипотетические цифры (оценочные суждения или величины, выведенные математическим аппаратом прогнозирования, но без статистической достоверности).
После того как Excel-модель совместно c основателями разработана, ее переменные определены, гипотезы для тестирования обозначены, наступает момент получения инвестиционного посевного чека. Цель чека — протестировать и оцифровать (если релевантно) заложенные в бизнес-модель гипотезы. Сумма чека зависит от отрасли: в некоторых контентных историях достаточно и $20 тыс., а для проектов Life Science или CleanTech на посев может быть недостаточно и $2 млн.
Какие основные виды гипотез закладываются в бизнес-модель и какими методами проводится тестирование?
1. Кадровая гипотеза: в состоянии ли команда управлять проектом как бизнесом, адекватна ли в казначейских вопросах (сформулируем это так), способна ли постоянно наращивать свой багаж новых компетенций, готовы ли прислушиваться к экспертному мнению инвестора, могут ли привлекать новых незнакомых сотрудников в коллектив и доверять им часть своих полномочий? Всего три месяца погружения предпринимателей в реальные боевые условия ведения дел в существующих экономических реалиях однозначно дают понимание инвестору по всему списку кадровых вопросов выше.
2. Инженерная гипотеза: а можно ли вообще на сегодняшнем уровне развития фундаментальной науки и прикладных технологий создать заявленный основателями функционал продукта? Обычно шести месяцев вполне достаточно, чтобы если и не создать технологию окончательно, то хотя бы увидеть прогресс между точкой старта (когда команда получила посевные деньги, что наконец-то сделало для них возможным уволиться с текущей работы без риска для персональных социальных обязательств перед близкими) и точкой финиша (когда посевной чек почти израсходован). Если успели сделать основу технологии — великолепно, если не успели — все равно для инвестора почти всегда за эти шесть месяцев кристаллизуется определенность: за следующие 16 или 26 месяцев они смогут или нет? Это понятно по скорости работы инженерного ядра команды, по способности делегировать непрофильные разработки вовне, по эффективности решения вопроса «сделать самим / купить и адаптировать извне».
3. Продуктовая гипотеза: а нужен ли вообще заявленный продукт или сервис для целевой аудитории? И будет ли масштабируемый размер этой целевой аудитории достаточен, чтобы оправдать текущие и будущие чеки инвесторов и время работы команды? Это наиболее легко проверяемая гипотеза: если основа продукта (пусть даже в грубой, неотполированной форме, только в основном функционале без «рюшечек») готова, то реакцию рынка получить сравнительно легко — либо покупают, либо не покупают, либо дают массовую обратную связь, что обязательно купят, если изменить некоторые атрибуты продукта.
Что делать, если продукта еще нет и продавать нечего? Тоже не проблема: с помощью Photoshop или видеомонтажа отрисовываются промоматериалы, делается полноценный веб-сайт (это недорого) и главное — запускается полномасштабная рекламная кампания так, как будто бы этот продукт уже есть. А далее идет анализ, как много пользователей дойдет до нажатия кнопки «Оплатить» (реально принимать оплату, разумеется, не надо). Этот тест дает команде и инвесторам достаточную уверенность в востребованности продукта, как если бы он уже существовал на самом деле.
4. Ценовая гипотеза: если цена является существенной неизвестной переменной в модели, то нет ли риска, что заложенная в модель цифра избыточно оптимистична и аудитория сочтет ее дорогой? Для этого делают в режиме реального времени А/Б-тестирование, когда разным пользователям из потока посетителей на сайте в моменте показываются разные цены (5, 10, 20, 50, 100 руб.). Во время рекламной кампании на больших числах становится очевидным наилучшее ценовое позиционирование продукта: дешевый для массовой аудитории или дорогой для премиум-публики.
5. Маркетинговая гипотеза: даже если продукт востребован и надежно прогнозируема его цена, есть риск, что расходы на вход на уже существующий рынок (или, что чаще случается в историях с посевными инвестициями, расходы на создание с нуля на пустом месте совершенно нового рынка) будут слишком велики в сравнении с ожидаемыми продажами. Другими словами, встает вопрос: если что-то мы производим за $4, уверены, что продадим за $10, то сможем ли мы вообще достучаться до отдельного среднего клиента через маркетинговые каналы, чтобы расходы на рекламу (чтобы получить одну сделку) были хотя бы меньше $6? Кстати, для мобильных и веб-проектов приведенные пропорции близки к реальным. Для этого стартуют рекламные кампании на скромные чеки по нескольким наиболее перспективным каналам. Поскольку выхлоп от рекламы существенно зависит от креатива (фото- или видеоматериала) и рекламного посыла, то количество рекламных материалов также является переменной — запускаются в ротации самые разные креативы по разным каналам. В результате появляется определенность, сколько денег надо «сжечь» в рекламу (важно также, по каким именно рекламным каналам, с каким именно креативом), чтобы получить одну продажу.
При этом в Excel-модели учитывают существенные скидки от рекламных площадок при более солидных маркетинговых бюджетах проектов в постпосевной фазе. На этом же этапе тестируется коэффициент виральности: например, сколько новых бесплатных для проекта пользователей приведет за собой каждый из купленных за рекламу пользователей продукта. Даже если на больших рекламных бюджетах масштаб виральности прогнозируется существенно лучший, чем на тестовой рекламной кампании, все равно она дает возможность собрать для инвесторов и команды достаточно входящей информации, чтобы разумно оцифровать виральность на постпосевное будущее.
6. Есть много других гипотез, закладываемых в Excel-модель, которые требуют тестирования на посевном этапе: конкурентная, административная, творческая, PR, гипотеза масштабирования, отраслевые гипотезы — специфичные для своих отраслевых ниш, гипотеза ролевых моделей и т. д. Все они имеют собственный уже хорошо проработанный механизм их валидации (тестирования). Стоит упомянуть и гипотезу неизвестного, когда в случае выхода на рынок с чем-то «принципиально новым» мы даже не можем спрогнозировать природу и источник того риска, с которым придется иметь дело. Здесь лучшей механикой валидации будет сам факт жизни и работы проекта какое-то время.
Если звезды улыбнулись, и тесты в боевых условиях доказали адекватность заложенных в Excel-модель переменных (или тесты доказали их неадекватность, но команда смогла оперативно переформатировать старую модель, и денег посевного чека хватило на ее повторное тестирование), то для инвестора это большая удача! Потому что на ранней посевной стадии 50–70% проектов неудачны. Особую радость добавляет случившаяся капитализация проекта: вход в посевной проекта при максимальной неопределенности (читай — при максимальных рисках всего и вся) осуществляется посевным инвестором по сравнительно небольшой оценке, когда за скромный посевной чек, необходимый для валидации гипотез, приобретается существенная доля будущего бизнеса.
Что потом? В условиях, когда количество рисков радикально сократилось после всех тестов посевной стадии и уже есть очень четкое видение, что, и как, и за сколько, и ради чего надо делать, могут произойти два сценария:
1. Сам посевной фонд делает уже второй раунд инвестиций в уже знакомый ему проект — разумеется, по уже возросшей в несколько раз (на практике в три-десять раз) оценке.
2. В проект инвестирует специализированный на этой стадии зрелости бизнеса новый венчурный фонд (раунд А), опять же по оценке проекта в разы большей, чем было в момент посевной инвестиции.
Какая же стадия финансирования технологичных проектов является более доходной для фондов в сегодняшних экономических реалиях в РФ — посевная (с высокими рисками и низкой оценкой) или венчурная (с меньшими рисками, но более дорогой оценкой)? Об этом читайте в следующих статьях.
Мнение управляющего партнера фонда IT-Online Venture может не совпадать с мнением группы компаний IT-Online.
Другие колонки Михаил Казарцева:
О манипуляциях с капитализацией // «Как хакнуть инвестиционную оценку своей хай-тек-компании»