Định Giá Startup 23/07/2026 bởi Hải H Nguyễn

Định Giá Startup Khi Không Có
Công Ty So Sánh (No Comparable)

Trả lời nhanh

"Không ai từng làm mô hình này ở Việt Nam, vậy em định giá dựa vào đâu?" — đây là câu hỏi khó nhất mà founder của các mô hình kinh doanh hoàn toàn mới phải đối mặt. Khi không có công ty so sánh (no comparable), phương pháp định giá quen thuộc nhất bỗng dưng vô dụng, và founder buộc phải chuyển sang 1 chiến lược hoàn toàn khác — không phải bảo vệ 1 con số, mà là bảo vệ niềm tin của nhà đầu tư vào khả năng thực thi. Bài viết này giải thích vì sao Comparable Company Analysis thất bại trong tình huống này, và minh hoạ bằng 1 case thật cách 1 startup Việt Nam đã xoay xở thành công.

Vì sao Comparable Company Analysis thất bại khi không có comparable?

Comparable Company Analysis (đọc chi tiết công thức và cách xây bảng so sánh tại bài Comparable Company Analysis) hoạt động bằng cách tìm các công ty tương đồng — cùng ngành, cùng mô hình kinh doanh, cùng giai đoạn phát triển — đã được thị trường định giá, rồi áp dụng multiple trung bình của nhóm đó vào công ty đang cần định giá. Đây là 1 trong những phương pháp định giá phổ biến nhất vì dựa vào dữ liệu thị trường thật thay vì giả định chủ quan.

Vấn đề xuất hiện khi mô hình kinh doanh của bạn hoàn toàn mới — không có ai từng làm chính xác điều bạn đang làm, ở đúng thị trường bạn đang nhắm tới. Mọi nỗ lực tìm "công ty gần giống nhất" đều dẫn tới so sánh khập khiễng: hoặc công ty đó ở thị trường khác (định giá theo điều kiện kinh tế, quy định pháp lý, hành vi người dùng hoàn toàn khác), hoặc công ty đó chỉ giống 1 phần mô hình kinh doanh (ví dụ giống về công nghệ nhưng khác hoàn toàn về đối tượng khách hàng). Khi so sánh khập khiễng như vậy, multiple rút ra không còn đáng tin cậy — và nhà đầu tư kinh nghiệm sẽ nhận ra ngay khi bạn cố defend 1 con số dựa trên so sánh không thuyết phục.

Chiến lược thay thế: giảm rủi ro cảm nhận thay vì defend 1 con số

Khi không có benchmark khách quan, cố gắng bảo vệ 1 con số định giá cụ thể là 1 cuộc chiến founder gần như luôn thua — vì bất kỳ con số nào đưa ra cũng có thể bị nhà đầu tư phản bác "dựa trên cơ sở nào" mà không có câu trả lời chắc chắn. Chiến lược hiệu quả hơn nhiều: chuyển trọng tâm cuộc trò chuyện từ "con số này đúng hay sai" sang "rủi ro thực thi của mô hình này đã được kiểm soát tới đâu".

Nguyên lý cốt lõi: Định giá luôn là hàm số của rủi ro cảm nhận. Khi không có comparable để neo con số, cách nhanh nhất và đáng tin cậy nhất để nhà đầu tư chấp nhận 1 mức định giá hợp lý là chứng minh rủi ro thực thi của mô hình mới đã được giảm thiểu bằng bằng chứng cụ thể — không phải bằng lý thuyết hay dự phóng.

Case thật: Meta365.ai và 3 cách giảm rủi ro cảm nhận

Case thật

Meta365.ai — marketplace bất động sản blockchain, không có comparable tại Việt Nam

Meta365.ai, marketplace bất động sản blockchain do founder David Doan xây dựng, là mô hình hoàn toàn mới — không có comparable nào tại thị trường Việt Nam để tham chiếu định giá. Thay vì cố defend 1 multiple cụ thể (điều gần như bất khả thi khi không có công ty nào để so sánh), đội ngũ tập trung giảm rủi ro cảm nhận của nhà đầu tư qua 3 cách cụ thể.

Thứ nhất, lộ trình pháp lý rõ ràng. Bất động sản blockchain là lĩnh vực giao thoa giữa 2 khung pháp lý phức tạp (bất động sản truyền thống và tài sản số) — Meta365.ai chuẩn bị sẵn 1 lộ trình pháp lý cụ thể, giúp nhà đầu tư không phải tự đặt câu hỏi "liệu mô hình này có hợp pháp/khả thi lâu dài không" mà không có câu trả lời.

Thứ hai, pilot thực tế với 1 chủ đầu tư bất động sản cụ thể. Thay vì chỉ trình bày ý tưởng trên giấy, đội ngũ đã triển khai pilot với dự án "Khu Đô Thị Thống Nhất – Hoà Bình" cùng Hưng Vượng Group — 1 bằng chứng thực thi cụ thể, không phải dự phóng lý thuyết. Đây là loại bằng chứng mạnh nhất có thể thay thế cho việc thiếu comparable: không so sánh được với công ty khác, nhưng chứng minh được mô hình hoạt động thật với 1 đối tác thật.

Thứ ba, đội ngũ kết hợp chuyên môn blockchain và bất động sản. Đây là 2 lĩnh vực chuyên môn hiếm khi xuất hiện cùng lúc trong 1 đội ngũ — sự kết hợp này tự thân là 1 tín hiệu giảm rủi ro, vì nhà đầu tư biết đội ngũ hiểu cả 2 mặt của bài toán (công nghệ và pháp lý/vận hành bất động sản) thay vì chỉ giỏi 1 phía.

Kết quả: Meta365.ai gọi được vốn Seed từ Hùng Vương Holdings (Hưng Vượng Group)HUB Global — chứng minh chiến lược giảm rủi ro cảm nhận có thể thay thế hiệu quả cho việc thiếu benchmark định giá truyền thống.

Nguyên lý chung
Giảm rủi ro cảm nhận, không defend con số
Meta365.ai không có comparable tại VN — vẫn gọi được vốn Seed nhờ lộ trình pháp lý, pilot thật, và đội ngũ chuyên môn kép
Miễn phí

Nhận Chapter 1 Ebook Định Giá Startup Miễn Phí

5 phương pháp định giá đầy đủ — Berkus, Scorecard, DCF, Revenue Multiple và Comparable Analysis với ví dụ Việt Nam

Nhận trong 60 giây · Không spam · Hủy bất cứ lúc nào

Cách trình bày định giá với nhà đầu tư khi không có gì để tham chiếu

Từ case Meta365.ai, có thể rút ra 1 khung trình bày chung cho mọi founder rơi vào tình huống tương tự:

Rủi ro cần lưu ý khi định giá mô hình kinh doanh hoàn toàn mới

Không có comparable mang theo 1 rủi ro kép mà founder cần ý thức rõ: định giá quá cao (vì không có ai "kiểm tra thực tế" giúp bạn, dễ rơi vào lạc quan chủ quan về tiềm năng thị trường) hoặc định giá quá thấp (vì thiếu tự tin khi không có gì để đối chiếu, founder có xu hướng tự hạ thấp giá trị công ty mình để tránh bị nhà đầu tư phản bác). Cả 2 hướng lệch đều tới từ cùng 1 nguyên nhân: thiếu neo tham chiếu (anchor) khách quan từ thị trường.

Cách giảm thiểu rủi ro này không phải cố tạo ra 1 comparable giả tạo (so sánh khập khiễng như đã nói ở trên), mà là dựa vào các phương pháp không cần comparable — như Berkus Method hay Scorecard Method (xem thêm trong bài Rủi Ro Khi Định Giá Startup Quá Cao) — kết hợp với chiến lược giảm rủi ro cảm nhận đã trình bày ở trên. Đây là cách tiếp cận thực tế nhất khi thị trường chưa có đủ dữ liệu để tạo ra 1 benchmark đáng tin cậy.

3 Phương Pháp Định Giá Thay Thế Khi Không Có Comparable

Ngoài việc thừa nhận thẳng thắn và tập trung vào bằng chứng thực thi, founder cũng nên biết rõ những phương pháp định giá được thiết kế riêng cho tình huống không có dữ liệu thị trường để đối chiếu — khác hoàn toàn với Comparable Company Analysis vốn đòi hỏi phải có ít nhất vài công ty tương tự đã có định giá công khai.

Phương phápCơ chế hoạt độngPhù hợp nhất khi nào
Berkus MethodChấm điểm 5 yếu tố định tính (ý tưởng, team, sản phẩm, quan hệ chiến lược, doanh thu) thành giá trị tiền tệ cụ thể, không dựa vào multiple thị trườngGiai đoạn pre-seed, chưa có doanh thu hoặc doanh thu rất nhỏ
Scorecard MethodSo sánh định tính công ty với "công ty trung bình" trong khu vực/ngành theo % điều chỉnh (team +20%, thị trường -10%...), không cần multiple cụ thểCó 1 vài công ty tham chiếu gần đúng dù không hoàn toàn giống mô hình kinh doanh
DCF (Discounted Cash Flow)Chiết khấu dòng tiền tương lai dự phóng về giá trị hiện tại, hoàn toàn không cần comparable bên ngoàiĐã có mô hình doanh thu dự phóng đủ tin cậy (thường từ Series A trở lên)

Với mô hình hoàn toàn mới như Meta365.ai (không có công ty tương tự để đối chiếu ở giai đoạn sớm), kết hợp Berkus Method để có 1 con số khởi điểm, rồi điều chỉnh theo mức độ giảm rủi ro cảm nhận đã đạt được (pilot, LOI, đội ngũ chuyên môn hiếm) thường cho ra 1 khoảng định giá đủ thuyết phục hơn nhiều so với việc cố ép 1 comparable không thực sự tương đồng. Điểm mấu chốt: không có phương pháp nào trong 3 phương pháp trên "đúng tuyệt đối" — mục tiêu là chọn phương pháp phù hợp nhất với giai đoạn và dữ liệu sẵn có, rồi trình bày rõ ràng logic đằng sau con số, thay vì chỉ đưa ra 1 con số không có căn cứ.

Câu Hỏi Thường Gặp

Vì sao Comparable Company Analysis thất bại khi mô hình kinh doanh hoàn toàn mới?

Comparable Company Analysis dựa trên việc tìm các công ty tương đồng đã được thị trường định giá, rồi áp dụng multiple của họ. Khi mô hình kinh doanh hoàn toàn mới, không có công ty nào để so sánh — mọi nỗ lực tìm "công ty gần giống nhất" đều dẫn tới so sánh khập khiễng, khiến phương pháp này không tạo ra con số đáng tin cậy.

Chiến lược thay thế khi không có comparable để định giá là gì?

Thay vì cố defend 1 con số định giá cụ thể (điều gần như không thể khi không có benchmark), chiến lược hiệu quả hơn là tập trung giảm rủi ro CẢM NHẬN của nhà đầu tư — thông qua lộ trình pháp lý rõ ràng, pilot thành công với 1 đối tác cụ thể, và đội ngũ có chuyên môn kết hợp khó tìm cùng lúc. Khi rủi ro cảm nhận giảm, nhà đầu tư sẵn sàng chấp nhận biên độ định giá rộng hơn.

Case Meta365.ai đã giảm rủi ro cảm nhận cho nhà đầu tư như thế nào?

Meta365.ai (marketplace bất động sản blockchain, không có comparable tại Việt Nam) giảm rủi ro cảm nhận qua 3 cách: lộ trình pháp lý rõ ràng, pilot thực tế với 1 chủ đầu tư bất động sản cụ thể (dự án Khu Đô Thị Thống Nhất – Hoà Bình cùng Hưng Vượng Group), và đội ngũ kết hợp chuyên môn blockchain lẫn bất động sản — 2 lĩnh vực hiếm khi có cùng lúc trong 1 đội ngũ. Kết quả gọi được vốn Seed từ Hùng Vương Holdings và HUB Global.

Rủi ro nào cần lưu ý khi định giá mô hình kinh doanh hoàn toàn mới?

Rủi ro lớn nhất là định giá quá cao hoặc quá thấp vì thiếu neo tham chiếu (anchor) từ thị trường. Không có comparable nghĩa là cả founder lẫn nhà đầu tư đều không có điểm chuẩn khách quan để đối chiếu, dễ dẫn tới định giá bị chi phối hoàn toàn bởi tâm lý (quá lạc quan hoặc quá thận trọng) thay vì phân tích có cơ sở.

Bộ 5 Ebook Thực Chiến

Định Giá · Gọi Vốn · Pitch Deck · BOD · Nhà Sáng Lập

Framework đầy đủ từ 16 founders gọi được 300+ tỷ VND. Bao gồm Berkus, Scorecard, Revenue Multiple, DCF với ví dụ Việt Nam chi tiết.

Xem Chi Tiết →
từ 299.000đ · Nhận ngay
🤖 Fundraising AI Agent

Muốn AI review pitch deck & tài chính của bạn ngay?

Upload deck, nhận phân tích điểm yếu theo góc nhìn NĐT, hỏi đáp không giới hạn về định giá, cap table, gọi vốn — AI được train từ 14 năm kinh nghiệm thực chiến của Hải H Nguyễn.

Dùng Thử Ngay →
agent.beginguru.com
Hải H Nguyễn

Hải H Nguyễn

Forbes 30 Under 30 Asia 2017 · Founder BeginGuru

14 năm kinh nghiệm gọi vốn thực chiến, hơn 26.000 giờ làm việc với founders. Đã hỗ trợ nhiều founder mô hình kinh doanh mới định giá thành công dù không có comparable trên thị trường.