V15: Nätverkseffekter — så analyserar du den

Nätverkseffekt = den starkaste moaten. Varje ny användare gör tjänsten mer värdefull för alla andra. Konkurrenter kan inte komma in ens om de har bättre teknik — de saknar användarna. Detta är varför Facebook besegrade Google+.

Detta är V15 — Nätverkseffekter i AKM1-modellen: en av de 20 variablerna som tillsammans avgör om ett bolag är en institutionell kvalitetsaktie eller ett sällskap av berättelser. I den här artikeln får du variabeln förklarad, hur du räknar på den själv, och hur tre av historiens största investerare skulle ha tolkat den.

Varför variabeln finns

Nätverkseffekter har funnits lika länge som mänskliga nätverk. Romerska vägsystemet (1:a århundradet f.Kr.) — fler städer anslutna till vägnätet ökade värdet för alla städer. Telefon-nätet (Alexander Graham Bell 1876) — Metcalfes lag i sin renaste form. TV-nätverk (1930-talet) — fler tittare attraherade fler annonsörer; fler annonsörer finansierade mer innehåll. Betalningsnätverk: Visa (1958) och Mastercard (1966) — fler kort-accepterande butiker attraherade fler kort-ägare; fler kort-ägare attraherade fler butiker. Internet (1990-talet) — flesta användare attraherade flest tjänster; flest tjänster attraherade flesta användare.

Nätverkseffektens makt — den ultimata moaten

Vad är en nätverkseffekt? Nätverkseffekt uppstår när värdet av en produkt eller tjänst ökar för varje användare när fler använder den. Klassiskt exempel: telefon. En telefon är värdelös om du är den enda användaren. Två telefoner = lite värde. 100 telefoner = användbart. 1 miljon telefoner = oumbärlig. Varje ny telefon-användare ökar värdet för alla existerande användare — nätverkseffekt. Detta är fundamentalt annorlunda än traditionella produkter. En kexchoklad är lika värd oavsett hur många andra som äter kexchoklad. En telefon blir mer värd för varje ny användare. Skillnaden är enorm ekonomiskt. Traditionella bolag växer linjärt (varje ny kund = 1 enhet värde). Nätverksbolag växer exponentiellt (varje ny kund ökar värdet för alla existerande). Metcalfes lag: värdet av ett nätverk ∝ n² (kvadrat på antal användare). 10 användare = 100 enheter värde. 100 användare = 10 000 enheter värde (100x ökning för 10x användare).

Att värdera nätverks-bolag i praktiken

Hitta nätverks-data i årsredovisningen Nätverks-bolag rapporterar ofta mer operativa mätetal än traditionella bolag. Tre ställen att leta. Först: VD-ord och investerar-presentation — nätverks-bolag rapporterar användar-statistik här. Spotify rapporterar MAU (Monthly Active Users), premium-subscribers, ARPU; Blocket (Schibsted) rapporterar GMV (Gross Merchandise Value), transaktioner, användare; Klarna rapporterar aktiv konsument, aktiv merchant, GMV. Andra: Not om 'Segment' eller 'Geografisk information' — bryter ner användare per region. Tredje: Not om 'Performance metrics' eller 'Operating metrics' — dedikerad sektion för nätverks-KPIs. Svenska exempel: Spotify har mycket transparent rapportering av användar-statistik (kvartalsvis); Blocket (Schibsted-ägt) rapporterar mindre detaljerat men ger GMV och transaktionsvolym; Klarna rapporterar aktiv konsument och merchant.

Nätverks-fällor — illusioner och erosion

Stort ≠ nätverkseffekt Ett vanligt misstag är att förväxla 'stort bolag' med 'nätverks-bolag'. Ett bolag kan ha 10 miljoner kunder utan nätverkseffekt. ICA har 5 miljoner stamkunder i Sverige men ingen nätverkseffekt — om en kund lämnar ICA minskar inte värdet för andra ICA-kunder. Volvo har miljontals bilförare men ingen nätverkseffekt — din Volvo blir inte mer värd för att fler köper Volvo. Nätverkseffekt kräver att användarna INTERAGERAR med varandra genom plattformen. Testet: 'Om en användare lämnar, minskar värdet för existerande användare?' Om ja → nätverkseffekt. Om nej → bara storhet, inte nätverk. Blocket: om en säljare lämnar, minskar utbudet för köpare → ja, nätverkseffekt.

Tre perspektiv på nätverkseffekter

Peter Lynch: Lynch menade att nätverkseffekter är den starkaste moaten. Han nämnde Visa, American Express och H&R Block som exempel. 'När fler använder nätverket, blir det värdefullare för alla — det är en oslagbar spiral.' Lynch varnade dock för att nätverk kan kollapsa (MySpace → Facebook).

Benjamin Graham: Graham (som skrev innan internet) såg nätverkseffekter som 'economies of scale' — storbolagsfördelar. Han menade att skala ger lägre kostnader per enhet, vilket är en moat. Graham varnade för att skala-fördelar kan urholkas av teknologi. Han föredrog mätbara skala-fördelar (fabriker) över digitala nätverk.

AK1:s tolkning: AKM1 vikt 6%. Nätverkseffekter bedöms på tre sätt: (1) direkta nätverk — fler användare = mer värde (Meta, telefon-nätverk), (2) indirekta nätverk — tvåsidiga plattformar (Uber, Airbnb), (3) data-nätverk — mer data = bättre produkt (Google, Netflix-rekommendationer). AKM1 varnar för 'nätverk-illusion' — bolag som verkar ha nätverk men där switching costs är låga.

Fördjupa dig

Från nätverks-igenkänning till moat-arkitektur

Vill du öva med räkneexempel, kapitel för kapitel? Kursen Nätverkseffekter (V15) innehåller 6 kapitel, Lynch- och Graham-perspektiv och hur AK1 använder variabeln i vågmatrisen. Se även komplett guiden till svensk aktieanalys för hur alla 20 variabler hänger ihop.

FAQ

Vad är nätverkseffekter?

Nätverkseffekter uppstår när värdet av en produkt ökar för befintliga användare varje gång någon ny ansluter — telefonen är klassikern: en enda telefon är värdelös, en miljon oumbärlig. Enligt Metcalfes lag växer nätverkets värde ungefär som kvadraten på användarantalet, vilket förklarar varför nätverksbolag kan växa exponentiellt.

Hur testar man om ett bolag har en äkta nätverkseffekt?

Använd lämna-testet: om en användare lämnar plattformen, minskar då värdet för de övriga? ICA kan ha 5 miljoner stamkunder utan nätverkseffekt — lämnar en kund påverkas inte de andra. På Blocket minskar utbudet för köparna om en säljare försvinner, alltså en äkta nätverkseffekt. Stort är inte samma sak som nätverk.

Hur väger AKM1 in nätverkseffekter i aktieanalysen?

Variabeln har 6% vikt och skiljer på direkta nätverk, indirekta tvåsidiga plattformar och datanätverk. Modellen varnar för nätverksillusioner — bolag som ser ut som nätverk men där byteskostnaderna är så låga att användarna kan lämna i morgon. Öva vidare i kursen Nätverkseffekter (V15).

Detta är pedagogisk finansanalys, inte investeringsråd.