對於早期的項目,很多時候做判斷和藝術家對當代藝術的判斷一樣,是基於個人歷史經驗的主觀判斷。最早期的項目沒有利潤,退一步沒有收入,再退一步沒有用戶。
本文系小村資本合夥人梅晨斐投稿,內容為小村資本合夥人梅晨斐在參加第五期Doer Link論壇上的發言整理而來。
一、 投資人的Knowledge Gap
什麽是Knowledge Gap?
舉個例子,如果我們的投向是遊戲領域。那麽我們對遊戲領域的整個產業鏈,產業鏈上有哪幾個節點?每個節點做什麽?是否賺錢?每個節點分別有哪些公司?這些公司分布在北上廣深哪些城市?我們和這些公司的創始人是否熟悉?這些內容我們都需要熟悉,並且會形成我們對遊戲領域一個基本的知識壁壘。
如何使用Knowledge Gap?
當我們和項目進行交流的時候,會使用這個知識壁壘,去測試坐在桌子對面的項目創始人,他對於這個行業的熟悉和理解到底處於什麽水平。假設,我們自己對遊戲行業的知識壁壘是80分的話,如果桌子對面的創始人並不能接住我們的問題,意味著他們的知識壁壘還沒有超過我們的80分。而我們要尋找的,是那些能過翻過我們的知識壁壘的創業者,那些85分,90分,95分的創業者。
但反過來,如果我們自己對遊戲行業的理解只有40分的話,那麽大多數人我們接觸的創業者可能都能超過我們的知識壁壘,那我們就很難判斷和挑選出那些最優秀的創業者了。
所以,構建自己對於細分領域的Knowledge Gap是第一步。
二、 投資人的Pattern Recognition
什麽是Pattern Recognition?
即投資人的模式識別能力。什麽是模式識別?同樣舉個例子,如果我們要教一個小朋友認識什麽是玫瑰花,我們會怎麽做?打印一張玫瑰花的照片給小朋友看,然後打印100張不同玫瑰花的照片重複給小朋友看。最後,當我們拿出第101張玫瑰花照片時,小朋友應該能大致判斷出這個是否是玫瑰花。
如何使用Pattern Recognition?
判斷項目同樣如此,如果我們每年看1000個項目,那麽當第1001個項目進來的時候,你不需要很多的時間,就可以大致判斷出這個項目大概處於什麽樣的水平。
時間局限是大部分投資人都有的問題,而模式識別可以很大程度上解決投資人的時間局限問題。
三、 於不確定性中尋找確定性的藝術
通過降低單體風險降低系統性風險
假設你管理一支基金,每年投20個左右的項目。傳統的做法是,花更多的時間搜集更高質量的案源,做好業務、財務和法務盡調。通過降低單個項目的風險,來降低整個基金的系統性風險。這個傳統的做法,即精準投。
通過放大樣本數量降低系統性風險
但如果我們來看矽谷的一些早期基金和孵化器,他們的整體理念和做法則完全不同。並不把希望寄托於降低每個項目的失敗概率。而是增加投資項目(樣本)的數量,並通過運營增加項目與項目之間,創始人和創始人之間,團隊和團隊之間溝通交流的機會,從而增加項目轉型甚至團隊重組的可能性(當然希望是往好的方向轉)。
樣本數量過少,這樣新的重組和裂變可能性越小。樣本數量越多,重組和裂變產生新物種的可能性越大。這樣的重組和裂變產生新的物種,新物種的基因往往優於上一代的物種,這樣他們的生存能力也更強。通過這種方法,提高了產生更優基因項目的可能性,實際上降低了單個項目的失敗概率(即使你原來失敗了,你也有可能參與到產生新項目的事業中去)。
簡單來說,並不簡單降低單個項目的失敗概率,而是增加項目樣本數量,提高重組和裂變的可能性,讓高失敗概率的項目參與到重組和裂變中去,延長他們的生命周期,曲線地降低了這些項目的失敗概率,最終仍然是降低系統性風險。即概率投。
中早期的藝術家,中後期的銀行家
最早期的項目,沒有利潤。退一步,沒有收入。再退一步,沒有用戶。有的甚至連產品都沒有做完。在做項目交流判斷的時候,我們失去了傳統所有的與財務有關的判斷指標。
很多時候我們聽投資人說投早期項目就是投人,其實這不是一個主動選擇的結果。而是失去了所有其他判斷指標之後無奈被倒逼的一個結果。
對於最早期的項目,很多時候做判斷和藝術家對當代藝術作品做判斷一樣,是基於很多個人歷史經驗的主觀判斷。如果我們能夠回到當年的荷蘭,面對梵高的畫,能夠判斷出這是未來價值連城的作品的藝術家,就是真正厲害的天使投資人。