如何操纵机器学习进行风投

他解释说，这些家伙找到了一种巧妙的方法来克服监管限制并创建了独特的模型，客户购买成本几乎为零。因此，我们将机器学习与人类的直觉和判断力相结合，从而产生了我们原本会错过的洞察。我们必须学习更多地信任数据模型，而不是完全依赖它。这实际上是人与工具的结合。

 

《麦肯锡季刊》：使用机器学习模型后的表现如何?

 

Veronica Wu：由于我们仅运营了一年多，因此，我们所考察的绩效指标是投资公司是否继续进行从种子期到A轮的后续融资。我们认为这是公司未来获得成功的关键的早期指标，因为绝大多数新兴公司都已经破产并且没有筹集到后续资金。我们对2015年处于种子期的公司进行了事后分析。我们发现，在由风投支持的所有种子期公司中，约有16%会在15个月内继续进行A轮融资。相比之下，我们的机器学习模型推荐可投资的公司中有40%筹集了后续资金，是行业平均水平的2.5倍，这与我们投资团队选择在未使用模型的情况下选择的公司的后续融资率非常相似。但是，我们发现，最好的表现几乎是行业平均值的3.5倍，这要归功于人类对我们投资团队和机器学习模型的建议。这表明了我坚信的东西，即由机器学习增强的决策代表了风险投资的重大进步。

 

《麦肯锡季刊》：你对其他试图在硅谷建立业务的中国公司有何建议?

 

Veronica Wu：要我说，成功很大程度上取决于是否放权给当地的管理团队。我发现中国的资金决策速度总是很慢，因为他们不得不等总部的决策。这使他们无法成为初创企业的理想合作伙伴，因为，正如你所知，在硅谷，优秀的初创企业很快就被选中。如果你要等两个月才能做出来自海外的决定，那么他们会在没有你参与的情况下结束该轮融资，因为他们不需要你的钱。有些来硅谷投资的人很容易形成这种错误思维：“我有很多钱，我要参与投资并迅速达成交易”。但是硅谷已经有很多钱了。优秀的企业家非常清楚自己的钱来自何处以及潜在的投资者是否是合适的合作伙伴。如果你无法按照他们的期望与他们合作，那么你将被排除在外。

 

《麦肯锡季刊》：你会为那些试图与中国风险投资公司合作的美国创始人提供什么建议?

 

Veronica Wu：要注意的是，创始人必须先了解各种折中方案，然后再考虑要不要接受中资。中国投资者往往想占大头，成为董事会成员并在公司中有发言权。对于一家公司来说，放弃这种权力也许不是一件好事，因为这可能会严重影响公司的发展方向，无论这种影响是好是坏。坚持自由自主才是明智之举。

 

也就是说，中国投资者确实十分了解中国。创始人应该对中国投资者的建议持开放态度，因为这是一个迥异的市场。在中国，消费行为有很大的不同，这就是大型的外国消费公司试图进入中国时常常失败的原因。其中一个例子是美国的Match.com。它们的模式在美国十分管用，但是在中国效果不佳。有一家中国的初创公司做了同样的事情，但是它们改变了商业模式。它们让你可以找到你感兴趣的人的信息，但是如果你想了解更多信息就必须支付3块或5块人民币。现在，中国消费者希望直观地了解付费项目，但是当他们看到立即可以获得的服务时，他们实际上很乐意掏钱。由于费用很低，因此他们没什么感觉，他们也不知道自己登录的频率和花费的金额。当你研究这家中国公司从每位用户获得的平均收益时，你会发现它实际上比Match.com的营收高。因此，了解你需要转换模型以适应中国消费者的喜好和行为并与具有该市场第一手资料的公司合作可能大有裨益。

 

《麦肯锡季刊》：你如何看待中国与硅谷在技术投资方面的不同?

 

Veronica Wu：对于中国而言，风险投资是一个新生事物，而美国则具有更为成熟的模式。因此，这意味着中国人才库尚未得到充分开发。早期，你会看到有很多这些中国私募股权公司在研究各种指标，他们会发现经验良好的公司并利用关系和渠道来确保交易并使其上市，然后将会投资加大三到五倍。从2000年到2010年的十年间，基于该模型的交易激增。但是大多数中国公司并不完全了解风险投资，2005年至2010年的许多重大交易被美国风险公司获得。例如，阿里巴巴和腾讯是美国资助的。几乎每笔早期交易都与外国风险投资家达成了协议。

 

我认为中国还在学习。两年前，人人都想进入风险投资领域，但他们确实不具备进入该领域所需的技能。因此，初创公司的估值十分离谱。去年泡沫破灭了一点，因为人们意识到你不能什么都赌，毕竟不是所有的互联网报道都是良机。

 

（编辑：宿州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!