在過去的20年中，Veronica Wu經(jīng)歷了許多重大的技術(shù)變革的萌芽。Wu出生于北京，在美國受過教育，她曾在多家美國大型科技公司的中國分公司(蘋果，摩托羅拉和特斯拉)擔任過高級戰(zhàn)略職務。2015年，她被任命為Hone Capital(前身為CSC Venture Capital)的管理合伙人，該公司是中國最大的風險資本和私募股權(quán)公司之一的中科招商投資管理集團(CSC Group)的硅谷分支機構(gòu)。她迅速使Hone Capital成為硅谷的活躍參與者，該公司最著名的一筆投資為用于初創(chuàng)公司的4億美元，這些初創(chuàng)公司通過AngelList(種子階段投資的技術(shù)平臺)籌集了資金。在與麥肯錫的Chandra Gnanasambandam進行的采訪中，Wu解釋了中美科技投資格局之間的差異并描述了Hone Capital如何開發(fā)一種數(shù)據(jù)驅(qū)動的方法來分析潛在的種子交易并取得了可喜的早期成果。

《麥肯錫季刊》：向我們介紹一下你在Hone Capital成立初期所面臨的挑戰(zhàn)以及你是如何碰到AngelList的。

Veronica Wu：中科招商投資管理集團的首席執(zhí)行官單祥雙(Xiangshuang Shan)曾對我說他想設(shè)立國際業(yè)務，那時我還沒有做過風險投資。我只知道他們是做什么的，也知道進入硅谷的風險投資領(lǐng)域有多困難。成功進入硅谷的外部資本寥寥無幾。部分原因是信譽問題。如果你是一名正試圖開辦公司的企業(yè)家，那么你怎么知道下一輪會有一家外國公司，而在硅谷的人們已經(jīng)建立了信任的記錄。

對我們來說，問題變成了：“我們?nèi)绾潍@得最重要的交易，以便我們建立信任網(wǎng)絡?”我很幸運，我的一位前麥肯錫同事向我介紹了一個名為AngelList的平臺，這可能是VC投資場景中的一個有趣的技巧。我很快就了解了更多與此相關(guān)的信息，即他們?nèi)绾谓⒂身敿壧焓雇顿Y者組成的線上生態(tài)系統(tǒng)以及源源不斷的經(jīng)過審核的種子交易。該平臺使我們得以接觸大量關(guān)聯(lián)度極高的人員——我們原本不知道如何與這些人建立聯(lián)系，我們還未變得更加成熟之前，它們中的一些人甚至不會考慮與我們建立長期的合作。因此，我們將AngelList視為立即可以利用風投社區(qū)的機會。

我們還見證了AngelList巨大的數(shù)據(jù)潛力。我們對早期種子交易的了解并不多，因此很難獲得與此相關(guān)的信息。我將其視為可以挖掘的數(shù)據(jù)金礦。因此，我們決定賭一把，也就是與AngelList合作，看看它是否真的可以加速我們獲得優(yōu)質(zhì)交易的機會。到目前為止，一切都很好。我們非常高興。我們已經(jīng)見證了交易數(shù)量的巨大增長。因此，當我們開始時，每周大約產(chǎn)生10筆交易，而現(xiàn)在已經(jīng)接近20筆了。不過，要我說，平均而言，我們只研究了其中80%的交易就因此拒絕了。但是，AngelList團隊所建立的交易多樣性簡直令人難以置信。

《麥肯錫季刊》：你是如何創(chuàng)建機器學習模型的?數(shù)據(jù)都提供了哪些有趣的洞察?

Veronica Wu：我們從過去十年的30000筆交易數(shù)據(jù)庫中創(chuàng)建了一個機器學習模型，該數(shù)據(jù)庫來源廣泛，其中包括Crunchbase，Mattermark和PitchBook數(shù)據(jù)。對于我們歷史數(shù)據(jù)庫中的每筆交易，我們都研究了一個團隊是否進行了A輪融資并探討了每筆交易的400個特征。通過此分析，我們發(fā)現(xiàn)了種子交易的20個特征，這些特征可以最可靠地預測未來的成功。

根據(jù)這些數(shù)據(jù)，我們的模型會為我們審核的每筆交易生成一份投資建議，其中考慮到的因素包括投資者的歷史轉(zhuǎn)化率，籌集的資金總額，創(chuàng)始團隊的背景以及由財團牽頭的專業(yè)領(lǐng)域等。

我們得出的洞察之一是，未能進入A輪融資的初創(chuàng)公司的平均種子投資為50萬美元，而進入A輪融資的初創(chuàng)公司的平均投資為150萬美元。 因此，如果一個團隊獲得的投資低于150萬美元的門檻，這表明他們的想法沒有引起投資者的足夠興趣，這可能不值得我們花時間，或者這雖然是一個好主意，但是需要更多資金才能取得成效。另一個洞察來自對創(chuàng)始人背景的分析，該見解表明了這樣一個事實，即與畢業(yè)于兩所不同大學的兩位創(chuàng)始人達成交易的可能性是與來自同一所大學的兩位創(chuàng)始人達成交易的可能性的兩倍。這支持了觀點的多樣化是一種優(yōu)勢。

《麥肯錫季刊》：你是否遇到過這樣的情況，即你的團隊希望繼續(xù)進行的交易，但是數(shù)據(jù)表明你可能要重新審視最初的結(jié)論?

Veronica Wu：實際上，我們最近才遇到一個這樣的案例，在這個案例中，我們的分析表明成功的概率為70%或80%。 但是，當我們最初對它進行研究時發(fā)現(xiàn)這種商業(yè)模式?jīng)]有意義。從表面上看，它似乎并不有利可圖，而且受到諸多監(jiān)管方面的限制。盡管如此，這些指標看起來十分驚艷。因此，我對主要投資者說：“請向我詳細介紹這筆交易及其運作方式。”

他解釋說，這些家伙找到了一種巧妙的方法來克服監(jiān)管限制并創(chuàng)建了獨特的模型，客戶購買成本幾乎為零。因此，我們將機器學習與人類的直覺和判斷力相結(jié)合，從而產(chǎn)生了我們原本會錯過的洞察。我們必須學習更多地信任數(shù)據(jù)模型，而不是完全依賴它。這實際上是人與工具的結(jié)合。

《麥肯錫季刊》：使用機器學習模型后的表現(xiàn)如何?

Veronica Wu：由于我們僅運營了一年多，因此，我們所考察的績效指標是投資公司是否繼續(xù)進行從種子期到A輪的后續(xù)融資。我們認為這是公司未來獲得成功的關(guān)鍵的早期指標，因為絕大多數(shù)新興公司都已經(jīng)破產(chǎn)并且沒有籌集到后續(xù)資金。我們對2015年處于種子期的公司進行了事后分析。我們發(fā)現(xiàn)，在由風投支持的所有種子期公司中，約有16%會在15個月內(nèi)繼續(xù)進行A輪融資。相比之下，我們的機器學習模型推薦可投資的公司中有40%籌集了后續(xù)資金，是行業(yè)平均水平的2.5倍，這與我們投資團隊選擇在未使用模型的情況下選擇的公司的后續(xù)融資率非常相似。但是，我們發(fā)現(xiàn)，最好的表現(xiàn)幾乎是行業(yè)平均值的3.5倍，這要歸功于人類對我們投資團隊和機器學習模型的建議。這表明了我堅信的東西，即由機器學習增強的決策代表了風險投資的重大進步。

《麥肯錫季刊》：你對其他試圖在硅谷建立業(yè)務的中國公司有何建議?

Veronica Wu：要我說，成功很大程度上取決于是否放權(quán)給當?shù)氐墓芾韴F隊。我發(fā)現(xiàn)中國的資金決策速度總是很慢，因為他們不得不等總部的決策。這使他們無法成為初創(chuàng)企業(yè)的理想合作伙伴，因為，正如你所知，在硅谷，優(yōu)秀的初創(chuàng)企業(yè)很快就被選中。如果你要等兩個月才能做出來自海外的決定，那么他們會在沒有你參與的情況下結(jié)束該輪融資，因為他們不需要你的錢。有些來硅谷投資的人很容易形成這種錯誤思維：“我有很多錢，我要參與投資并迅速達成交易”。但是硅谷已經(jīng)有很多錢了。優(yōu)秀的企業(yè)家非常清楚自己的錢來自何處以及潛在的投資者是否是合適的合作伙伴。如果你無法按照他們的期望與他們合作，那么你將被排除在外。

《麥肯錫季刊》：你會為那些試圖與中國風險投資公司合作的美國創(chuàng)始人提供什么建議?

Veronica Wu：要注意的是，創(chuàng)始人必須先了解各種折中方案，然后再考慮要不要接受中資。中國投資者往往想占大頭，成為董事會成員并在公司中有發(fā)言權(quán)。對于一家公司來說，放棄這種權(quán)力也許不是一件好事，因為這可能會嚴重影響公司的發(fā)展方向，無論這種影響是好是壞。堅持自由自主才是明智之舉。

也就是說，中國投資者確實十分了解中國。創(chuàng)始人應該對中國投資者的建議持開放態(tài)度，因為這是一個迥異的市場。在中國，消費行為有很大的不同，這就是大型的外國消費公司試圖進入中國時常常失敗的原因。其中一個例子是美國的Match.com。它們的模式在美國十分管用，但是在中國效果不佳。有一家中國的初創(chuàng)公司做了同樣的事情，但是它們改變了商業(yè)模式。它們讓你可以找到你感興趣的人的信息，但是如果你想了解更多信息就必須支付3塊或5塊人民幣?，F(xiàn)在，中國消費者希望直觀地了解付費項目，但是當他們看到立即可以獲得的服務時，他們實際上很樂意掏錢。由于費用很低，因此他們沒什么感覺，他們也不知道自己登錄的頻率和花費的金額。當你研究這家中國公司從每位用戶獲得的平均收益時，你會發(fā)現(xiàn)它實際上比Match.com的營收高。因此，了解你需要轉(zhuǎn)換模型以適應中國消費者的喜好和行為并與具有該市場第一手資料的公司合作可能大有裨益。

《麥肯錫季刊》：你如何看待中國與硅谷在技術(shù)投資方面的不同?

Veronica Wu：對于中國而言，風險投資是一個新生事物，而美國則具有更為成熟的模式。因此，這意味著中國人才庫尚未得到充分開發(fā)。早期，你會看到有很多這些中國私募股權(quán)公司在研究各種指標，他們會發(fā)現(xiàn)經(jīng)驗良好的公司并利用關(guān)系和渠道來確保交易并使其上市，然后將會投資加大三到五倍。從2000年到2010年的十年間，基于該模型的交易激增。但是大多數(shù)中國公司并不完全了解風險投資，2005年至2010年的許多重大交易被美國風險公司獲得。例如，阿里巴巴和騰訊是美國資助的。幾乎每筆早期交易都與外國風險投資家達成了協(xié)議。

我認為中國還在學習。兩年前，人人都想進入風險投資領(lǐng)域，但他們確實不具備進入該領(lǐng)域所需的技能。因此，初創(chuàng)公司的估值十分離譜。去年泡沫破滅了一點，因為人們意識到你不能什么都賭，畢竟不是所有的互聯(lián)網(wǎng)報道都是良機。

《麥肯錫季刊》：風險投資釋放了巨大的顛覆力量——那么為什么其自身的運營模式在很大程度上保持不變?

Veronica Wu：這是典型的創(chuàng)新者困境，即促使你成功的想法同樣有可能使你失敗。當我在摩托羅拉工作時，與我們的手機相關(guān)的最重要的事情是確保通話質(zhì)量并避免掉線。當時，天線工程師是所有電話公司中最重要的人。在2005年，我們最好的天線工程師之一被蘋果挖走了。但是僅三個月后，他又回來了。他說：“那些家伙不知道怎么做手機”。在摩托羅拉，如果天線工程師說你必須做這樣那樣的事情來優(yōu)化天線，那么設(shè)計人員就會更改產(chǎn)品設(shè)計以適應天線。在蘋果公司情況則恰恰相反。設(shè)計師會說：“請制造一個適用于這種設(shè)計的天線”。iPhone的天線確實有問題，但已經(jīng)沒人在乎了。一部好手機的定義已經(jīng)發(fā)生了改變。在風險投資領(lǐng)域，成功向來是由能夠獲得最佳交易的一小撮人推動的。但是，我們將押寶風險投資的范式轉(zhuǎn)移，因為新平臺使交易更容易達成，而投資決策是通過將人的洞察力與基于機器學習的模型相結(jié)合來推動的。