（一）

近日，浑水披露的一份匿名的89页做空瑞幸咖啡的报告堪称质疑的典范。这份报告从结论来说，用89页论述了一个众所周知的废话：瑞幸是不能赚钱的。

但是这个废话是需要论证的。

特别是在瑞幸咖啡已经在美国证监会公布了2019年Q4业绩快报，其中提到瑞幸咖啡的单店已经开始盈利了。瑞幸公司管理层是拥有最多的内部信息，他公布了多个维度的内部信息和分析支持了“瑞信咖啡单店开始盈利”的结论，审计师E&Y没有反对，美国证监会也没有反对。瑞幸咖啡已经完成了他的举证义务。

现在轮到质疑的人完成他的举证义务了。

套用陈铭说的话，你要承担反对方的责任，不是简单的挑刺。反对是需要论证的。

如果只是一个吃瓜群众，只要知道上面这句话，再等等看瑞幸咖啡官方的回应就能继续吃瓜了。但是作为一个被疫情死死按在家里的人，我来拆解了这89页报告，再锻炼下我们论证分析的能力。

附：做空报告原文（百度网盘链接）

链接：https://pan.baidu.com/s/1lJ-EuP28wWviZWD7WN7GTw
提取码：n16q

（二）

在拆解报告之前，我先普及一下瑞幸咖啡烧这么多钱，为什么还能在NASDAQ上市。对瑞幸熟悉的可以直接跳过这一部分。

瑞幸的商业模式可以放在这个框架下来拆解：利润 = (销售单价-成本) * 单店销售量 * 店面数量规模。那么之前烧钱随后如何挣钱？其中成本端简化成一个都放在了括号里了，其实严谨来说应该分为单杯变动成本、店面固定成本、公司固定成本。

1. 原来销售价格 – 成本是负的，亏钱卖咖啡。瑞幸说，是因为折扣做得多。折扣属于促销市场活动，烧钱主要是为了建设品牌和培养用户习惯。正常价格销售，毛利是正的。
2. 每个门店开店是有固定的房租人工成本的。为了覆盖这些固定成本，每一杯咖啡都挣钱还不行，每天还要卖足够多的量。
3. 一直开店，开店，开店。把单店利润反复复制。

不管原来烧过多少钱，只要从近期的某个时候开始，扭亏为盈，越来越盈，那就是好公司。

这个近期，就是2019年Q4。瑞幸在上市公司Q4业绩公告中说，单店已经扭亏了。

具体而言，平均销售价格从上市时候的9元上涨到15元，平均每店每天销售的咖啡杯数从上市时的293杯上涨到493杯。同时，瑞幸的门店也开了4500家。诺你看我的财务报表，主营业务亏损缩减了，这是审计过的哦。按这个增长趋势，瑞幸会挣很多很多钱。各位投资人爸爸，买我吧！

瑞幸一直说自己在烧钱，门店数量快速上升，DAU增加，跟我们的个人感觉是相符的。直至上市的时候也是这副样子。

走在上海的街上，确实看到越来越多瑞幸蓝色的门店，确实有很多朋友同事下载了瑞幸咖啡的APP，也经常收到各种各样的折扣券，这么低的价格真的好划算。亏钱补贴消费者，真是薅资本主义羊毛的良心企业。

质疑瑞幸的文章很多，瑞幸还要亏多久，有没有盈利的一天。

瑞幸就这个态度：你说我过去在亏，我认。但是你说我未来永远会亏，未来都还没来，没人说服的了对方。

然后，在2019年Q4，瑞幸说它单店层面盈利了。

他说，我现在也不亏了。

这就打了很多人的脸。瑞幸这个模式，单店怎么可能盈利呢。

 

（三）

让我们用这样的顺序来学习。列出一句命题，先自己想想，该怎么论证它是真的。然后看看浑水怎么做的。

命题1：瑞幸说全国平均每店每天销售的咖啡493杯，数字偏大了。

错误论证1：做做Market Sizing。对标下星巴克每天能做多少杯，或者对标下其他咖啡品牌的经验。同时用每天营业时间倒推，得到每1分半能卖一杯咖啡。从理论产能极限来看，几乎已经是100%满负荷不停。

错误论证2：我们说瑞幸现在一直在烧钱，唯一的稻草就是NASDAQ的增发。要增发必须给投资者一份过得去的答卷，所以管理层绝对有充分的理由和能力调高这个咖啡销量。他可以简单改下APP数据库里的记录，也可以通过供应商占款再回流的形式做成销售收入……

不完善论证1：我身边就有几个瑞幸咖啡的门店，我去那里看看，每小时平均出多少个订单，然后折算一下。

不完善论证2：我去想办法看看某家门店的收银机统计下，看不了收银系统，看看一天打出的最后一张水单表编号也行，总之都有办法。

以上所有的论证，都有一个共同的缺点：这都只是疑点，不是证据。

• 星巴克每天只能做300杯那能说明什么，为什么瑞幸不能比星巴克每天多50%？
• 满负荷100%不停能说明什么，瑞幸门店就是满负荷运营啊，这是他们的竞争优势。
• 身边这个瑞幸门店或收银机统计一天只能做300杯那能说明什么，你可能去的是偏僻的门店。
• 管理层有理由和能力调高销量，不等于管理层实际真的已经调高了销量。

所以这些论证方法都不能成立。

让我们来看匿名报告怎么做的。

他首先从瑞幸APP上，一个城市一个城市，把瑞幸的门店名称、位置都抓了出来，做成了一张 Master Data File。

基于这张Master Data File，进行数据汇总，得到如下的汇总结果：截至2019年12月31日，从瑞幸APP上数到4409个门店，分布在53个城市，分成办公楼门店、商场店和其他店的类型。和瑞幸咖啡发的年报上的数据核对：4507家门店，只差了2%。基本上可以保证这个清单的完整性了。

接下来骚操作来了，他对这4409家店按照类型和城市进行了分层抽样，然后派人暗访了981家门店（占总样本的22%），数出每个门店的每天卖了多少杯咖啡——数出来，平均每店每天263杯，比管理层说的495杯少了将近一半。

用统计学和分层抽样，而且抽样率大大超过拥有统计显著性的抽样数。如过按审计方法，基本抽40-100个样本就可以进行统计分析了——解决样本代表性问题。

接着，如何统计订单呢。线下订单看POS机操作多少次，线上订单看纸袋数量——这个统计方式只多不少，解决“外人无法准确判断订单数”的问题。

现场的人数数，同时全程录像，回头第二个人对着视频再数一遍——双人独立复核解决“万一人工数错了呢”的问题。

再强调一遍，反对是要论证的。

同样，反对的反对也是要论证的。

假设其他人要反对这个抽样的样本代表性还是有问题，那么需要明确论证，以上抽取的981家门店，或者抽取的具体天数存在bias，需要同样或者更高强度的统计显著性。

 

（四）

命题2：瑞幸咖啡停止烧钱的补贴之后，就能挣钱了。

错误论证1：很容易想到，很多买瑞幸咖啡的顾客就是存在拉新补贴、折扣券和价格才购买瑞幸的。这些顾客都是价格敏感的顾客，价格上涨后销量肯定下降。

不完善论证1：我的某某朋友说，如果瑞幸咖啡取消这些补贴，肯定不会买瑞幸了。我莫某朋友也这样，我也这样，我认识的人都这样。

看看匿名报告怎么做——“顾客价格敏感的”这句话是要论证的。

瑞幸的年报里找到一个图表，瑞幸把客户按照注册的月份分为一个群组，并跟踪这个群租随后每个月份的留存情况。瑞幸咖啡用来说明，他的用户留存率随着用户注册时间先下降后稳定上涨，如下图，横轴表示用户注册的月份数。

报告把这个图标的横坐标微调了一下，把用户注册月份数改成具体的日历月（比如2019年1月）这样。所以每个群组的线不变，只是简单左右平移到了对应的月份，变成了下图这样：

豁然开朗，有没有。上图究竟是什么杂七杂八的线条啊。

这告诉我们，用户的留存率其实跟用户注册的月份数没有任何关系，只跟日历月有关系。

把交易量的图也平移一下，得到相似的形状：

用户留存率、销售量在2019年2月同时都深深地掉下去了。让我们看2019年2月发生了什么：瑞幸在上市后的19年没有那么狠地推补贴了。但是当瑞幸发现，补贴一取消，销量就猛掉，在2019年3月11日，开启了每周“买7件商品，抽500万现金”的大手笔补贴促销。销量和用户留存率又回来了。

把价格和销量化成二维图标，这就是经济学的价格弹性曲线。没有了补贴，销量就大幅下跌，基本可以论证“顾客是价格敏感的”了。​

这样也避免了“某某朋友觉得”这种个案代表性问题。

 

（五）

让我们看看无效的证据通常有什么样的表现形式。要时时刻刻小心这些陷阱。这些只能做Indicator，但不是Evidence。

1. 用可能性/高概率当成事实。

这事情有发生的可能性，甚至比较高的可能性，但不代表就会发生啊。这是经常会犯的错误。常见的是纯粹因为想不出第二种发生的可能性，而把可能性当成了100%，并推论成了事实。

即使既有足够能力也有充分动机，可能性到事实仍然需要一个惊险的跳跃，那就是实际发生。任何实际发生的事情都会留下各种痕迹，要证实必须找到这样的综合且无可辩驳的痕迹。

错误举例：”我家邻居阳台上晾了一块腊肉，我家猫可以跳过去，把这块肉扯碎扯到地上。我家猫以前也干过这个事情。这次不是你家猫干的还能是谁？”

错误举例：“2015年的Nature论文显示人类有能力在实验室制造病毒，武汉P4实验室又是中国病毒研究的前沿，而且我听说他们实验室管理很混乱，新冠病毒就是人为制造不小心泄露出来的。”

2. 诉之“不合常理”的低概率。

这事情概率太低，怎么可能恰好发生，说明这事情是假的。这属于产生怀疑的前置信号，但不叫证据。有了怀疑的信号，需要干的事情是寻找完整的证据和论证。信号不等于论证。

对任何事情，我可以举出无数不合理的信号。世界其实是充满了偶然。

错误举例：“你不打他，他怎么会打你呢？”

错误举例：“印度学者发现，新冠病毒2019-nCoV的基因序列发现4个独有插入的片段。这在所有其他冠状病毒中都不存在，这在自然界中不太可能是偶然的。新冠病毒是人类制造的。” / “人类这么精密的生命，在自然界通过进化变异是不可能的。人类一定是由某种高等智慧生物制造的。”

3. 以个案代表总体，却不建立个案的统计典型性

用我之前的经历，我朋友的事情，我看过有个代表性案例是怎样的，作为证据。

错误举例：“我有朋友整天不读书，最后做生意，现在有好几套房了，比绝大多数大学生都多吧。读书有啥用。早出来生意场打拼学做生意，比读书更能挣钱。”

错误举例：“报告说平均每家店每天才200多单，他一定是故意挑了流量低的店，或者在流动低的一天去统计的。淮海路百盛3楼的店，周末下午排队时间一刻钟左右，我打工的某工业区，元旦后开了一家，我们40个人的办公室每天贡献至少6杯，这个工业区大概有2000个人上班，并且有越来越多的人加入每天一杯的行列。怎么可能每天200单。”

错误举例：“报告里走访的900家店的清单里有一行：来福士广场店，统计当天是周一。这报告可真聪明，在一个mall里挑了周一，周一你们去逛mall走商场么？动脑子吧。如果这个统计每个店就挑一天，写字楼多挑周四周五，mall多选周一，那就偏差很大了。”

4. 诉诸权威、诉诸多数

某专家是这么说的，很多人都这么说。他们这么说一定有理由，隐含的意思是他们一定掌握了我所暂时不知道的证据，看过我所没看过的案例，才这么说。

错误举例：“同为被国内美股投资者熟知的做空机构——Citron Research香橼研究，也在推特表明同样收到了该报告，但他们在推特表示，他们仍然看多瑞幸。美国拥有成熟的资本市场，这么多投资人也不是傻子。”

最近的多益网络董事长《实名带可靠证据举报武汉病毒研究所》，没有一个称得上证据。看来是徐董事长对“证据”这个词有不同的理解。哎。

5. 攻击观点持有人的资质和人品

一个人有缺点、无经验、以前干坏事，所以他的观点是错的。

错误举例：多益网络董事长徐波对医学完全不懂，他的举报是无效的，所以武汉病毒研究所就是清白的。

要注意，不可信观点不等于他的对立面就是对的。

攻击观点持有人的资质恰恰是诉诸权威的反面。

观点应该与人解耦。判断一个命题的真假，有且只有一种途径：看论证，看证据。

 

（六）

总的来说，人类的感觉对于特例还是典型、总体和样本、概率和可能性、偶然和必然，其实是毫无处理能力的。

人类对栩栩如生的故事做出更大的反应，并认为这样的个案会以更大的概率发生，并且有一定的必然性。而面对统计数字的时候，会不自觉地认为，所有的个案都应该非常接近平均数。

人类对讲故事的人也会做出更大的反应。第一反应不是判断这个人讲的故事是否真实，而是判断这个人是否可信。人类更喜欢对人做判断，而不是对事件本身做判断。

对抗的方法只有一个：

Talk is cheap.

Show me the evidence, and prove it.