หุ้น UPST ใช้ AI อนุมัติเงินกู้ได้ใน 15 นาที [Deep Dive]

สร้าง Moat ด้วย Big Data และ AI จากปล่อยกู้ Personal Loan สู่ตลาด Auto Loan และ Mortgage

Mar 24, 2022

ทุกคนคงเคยเจอปัญหาของการกู้เงินมาก่อน .... กว่าจะเตรียมเอกสาร กว่าจะกู้ผ่าน กว่าจะทำเรื่องจบ มันคือความยากลำบากในชีวิตซึ่งไม่ควรเกิดขึ้นในโลกปัจจุบันที่เรามี Technology ต่างๆมากมายแล้ว

ความโชคร้ายคือการกู้เงินดันไปอยู่ในอุตสาหกรรมที่ขึ้นชื่อว่าโคตรอภิมหา Conservative และไม่ค่อยปรับตัวกันซักเท่าไหร่ นั่นก็คืออุตสาหกรรมธนาคาร

ในการปล่อยกู้นั้นธนาคารจะใช้หลักการที่เรียกว่า FICO Score System ในการตัดสินใจว่าจะอนุมัติสินเชื่อให้ใครและไม่อนุมัติให้ใครบ้าง ธนาคารใช้หลักการนี้มา 70 กว่าปีแล้ว

Fico Score มีวิธีการให้คะแนนอยู่ 5 ข้อด้วยกันคือ

1. Payment History 35% - หลักฐานการจ่ายเงินคืนเมื่อกู้เงิน (ซึ่งถ้าไม่เคยกู้เงินมาก่อนจะได้ 0 คะแนน)

2. Current Level of Indebtedness 30% - หนี้ที่มีอยู่ว่ามากแค่ไหน

3. Type of Credit Used 10%- จะใช้หนี้เอาไปทำอะไร เช่นสร้างบ้าน จ่ายค่าเทอม ผ่อนรถ

4. Length of Credit History 15% - ระยะเวลาที่เคยกู้หรือทำธุรกรรมกับธนาคารมาก่อน (ถ้าไม่เคยทำก็จะไม่มี)

5. New Credit Account 10% - จำนวนบัญชีสินเชื่อใหม่ที่เกิดขึ้นในช่วง 2 ปีที่ผ่านมา

ซึ่งหลักการเนี้ยมันใช้ได้นะกับคนที่เคยกู้เงินอยู่แล้ว แต่มันก็มีข้อเสียอยู่เพราะตัว Fico Score ไม่ได้สะท้อนความเสี่ยงและศักยภาพที่แท้จริงของผู้กู้ เช่น คุณอาจจะกู้เงินไม่ได้ถ้าคุณเป็นนักเรียนแพทย์ชาวแอฟริกันที่กำลังจะเรียนจบจากมหาลัย Harvard แต่ด้วยสาเหตุเพราะไม่เคยกู้เงินมาก่อน ไม่มีนายจ้าง ไม่มีประวัติกับทางธนาคาร แถมไม่ได้เป็นคนสัญชาติสหรัฐฯ แต่ในความเป็นจริงถ้าคุณจบแพทย์อีกหน่อยออกมาทำงานก็เงินเยอะมาก จ่ายหนี้ได้สบายๆ แต่ก็คงถูกปฏิเสธวงเงินสินเชื่อด้วย Fico Score ที่ต่ำ (ยกตัวอย่างนะ)

นอกจากปัญหาข้างต้นแล้วยังเกิดปัญหาของกลุ่ม Underbanked คือคนที่ไม่ได้รับอนุมัติสินเชื่อและไม่สามารถเข้าถึงบริการของธนาคารได้ซึ่งมีมากกว่า 50% ของคนสหรัฐฯ !!! เพราะธนาคารยังยึดติดอยู่กับหลักเกณฑ์เดิมๆเช่น Fico Score อยู่

หลายคนอาจคิดว่าก็ธนาคารจะต้อง Conservative ไว้ก่อนเพื่อความปลอดภัยแต่ในความเป็นจริงแล้วการไม่ทำธุรกิจกับกลุ่มที่ใช้ Fico Score ไม่ได้เป็นการเสียโอกาสและเม็ดเงินมหาศาลมากๆ ถ้าทำได้จะลดต้นทุนธนาคารและเพิ่มผลกำไรได้เยอะ .... และสิ่งที่คนไม่รู้คือคนส่วนใหญ่ 80% ไม่เคยเบี้ยวหนี้ด้วยซ้ำไป

แต่สิ่งที่ธนาคารทำในตอนนี้คือเอาต้นทุนและค่าใช้จ่ายในการรันระบบทั้งหมดไปลงที่คนที่ผ่าน Fico Score เท่านั้น ทำให้ต้นทุนในการให้บริการสินเชื่อเฉลี่ยต่อบัญชีสูงกว่าที่ควรจะเป็น สุดท้ายคนซวยสุดคือคนกู้เงินได้ที่ต้องจ่ายทั้งดอกเบี้ยและค่าธรรมเนียมที่สูงขึ้นเพื่อให้ธนาคารได้กำไรในระดับที่ต้องการ

UPST จะเข้ามาแก้ปัญหาตรงนี้ ด้วยการใช้ AI ที่ใช้ข้อมูลมากกว่า 1500 Data points ในการวิเคราะห์และประเมินอนุมัติสินเชื่อให้กับผู้กู้ และทำให้ธนาคารสามารถปล่อยกู้ได้อย่างมีประสิทธิภาพมากกว่าเดิม โดยไม่ต้องส่งเอกสาร

ว่ากันว่าธนาคารที่ใช้ UPST ในการปล่อยสินเชื่อมีการอนุมัติเงินกู้ได้สูงขึ้น 173% โดยมีอัตราหนี้เสียที่ใกล้เคียงเดิม มีความแม่นยำในการปล่อยกู้สูงกว่า Fico Score ถึง 5 เท่า และได้รับคำชมจากลูกค้ามี NPS (Net Promoter Score) สูงถึง 81 คะแนน เมื่อเทียบกับบริการธนาคารทั่วไปที่ 30 คะแนน

1. หุ้น UPST น่าสนใจยังไง?

เป็นหุ้นที่ใช้ AI ในการวิเคราะห์สินเชื่อ ซึ่งถือว่าเป็นหนึ่งในอุตสาหกรรมที่โคตรจะโบราณ ดังนั้นถ้า UPST สามารถใช้ AI มาใช้แทน Fico Score ได้จะถือว่าเป็นการเข้าตลาดที่ใหญ่มากๆ
เริ่มมีลูกค้าเลิกใช้ Fico Score และหันมาใช้ UPST มากขึ้น
ตลาด TAM ขนาดมหึมา Personal Loan 96 Billion Auto Loan 727 Billion Mortgage 4.9 Trillion
ในขณะเดียวกัน Enterprise Value ของ UPST พึ่งจะเพียง 9 Billion เท่านั้น
บริษัทเพิ่งซื้อ Prodigy Software ซึ่งเป็นบริษัททำ Cloud-based Automotive Retail Software ตอนนี้กลายเป็น Upstart Auto Retail
UPST เริ่มต้นที่ Personal Loan ตอนนี้เข้า Auto Loan แล้ว และกำลังเข้า Mortgage
เป็นบริษัทขนาดเล็กที่มีกำไรแล้ว และคาดว่ากำไรจะเติบโตขึ้นอย่างต่อเนื่องในปี 2022
โมเดล B2B2C บริการลูกค้า เก็บเงินที่พาร์ทเนอร์
การเติบโตมีแนวโน้มชะลอตัวลงชั่วคราวในปี 2022 แต่คาดว่าจะ Reaccerelate ได้ในปี 2023
Unit Economic ยอดเยี่ยมมาก กำไรเพิ่มขึ้นในขณะที่ต้นทุนเพิ่มขึ้นในอัตราที่น้อยกว่า
Flywheel Effect ยิ่งมี Data เยอะ โมเดล AI ยิ่งเก่ง ยิ่งลูกค้าเยอะขึ้น ยิ่ง Data มากขึ้น วนไปเรื่อยๆ
หุ้นที่เรียกได้ว่าเป็น Data Moat คือใช้ Data ที่มากกว่ารวมถึง Model AI ที่มีประสิทธิภาพกว่าเป็น Moat
94% ของรายได้ไม่ต้องรับรู้ความเสี่ยงด้าน Credit เพราะ UPST ไม่ได้ถือสินเชื่อไว้บน Balance Sheet อีก 6% ของรายได้มาจากสินเชื่อ แต่ก็ถือไว้เพื่อ R&D Purpose
UPST สร้างกระแสเงินสดในปี 2021 ปีเดียวเท่ากับกระแสเงินสดที่เผาไปทั้งหมด 8 ปี ถือเป็นหุ้นที่ปั่นกระแสเงินสดได้ดีมากๆ
UPST ประกาศซื้อหุ้นคืนในวงเงิน 400 ล้านเหรียญ เป็นการบ่งบอกว่าบริษัทมั่นใจในศักยภาพระยะยาว

2. Business Model

UPST คือผู้นำ Cloud-based AI Lending Platform ซึ่งอยู่ตรงกลางระหว่างผู้ให้กู้ (ธนาคารและนักลงทุนสถาบัน) และผู้กู้ UPST โดย UPST ทำการวิเคราะห์และอนุมัติสินเชื่อให้กับลูกค้าและธนาคาร โดยใช้ Model AI ซึ่งสินเชื่อที่ถูกอนุมัตินั้นจะกลายเป็นของธนาคารพันธมิตรของ UPST โดยที่ UPST ไม่ได้ถือสินเชื่อนั้นไว้บน Balance Sheet ของบริษัท หลังจากนั้นธนาคารผู้อนุมัติสินเชื่อสามารถเลือกที่จะเก็บสินเชื่อนั้นไว้กับธนาคารหรือขายต่อให้กับนักลงทุนสถาบันผ่าน UPST ก็ได้ โดย 80% ของสินเชื่อถูกขายต่อให้กับนักลงทุนสถาบัน และ 16% ธนาคารเก็บไว้เอง

ปัจจุบัน UPST มีพันธมิตรที่เป็นธนาคารทั้งหมด 42 ที่ โดยธนาคารที่เป็นพันธมิตรหลักคือ Cross River Bank มีวอลุ่มของการอนุมัติสินเชื่อ 55% และธนาคารรายใหญ่อีก 1 รายมีวอลุ่มที่ 36% รวมเป็นรายใหญ่ 2 ราย 91%

โดยสินเชื่อที่ UPST ให้บริการคือสินเชื่อส่วนบุคคล (Personal Loan) กำลังเริ่มต้นให้บริการสินเชื่อรถยนต์ (Auto Loan) และในอนาคตสินเชื่อบ้าน Mortgage Loan

วงเงินสินเชื่อมีตั้งแต่ $1,000 เหรียญไปจนถึง $5,000 เหรียญ โดยมีอัตราดอกเบี้ยที่ 6.5% ไปจนถึง 35.99% ขึ้นอยู่กับ Profile ของลูกค้าและอัตราดอกเบี้ยที่ธนาคารพันธมิตรกำหนด โดยธนาคารสามารถกำหนดได้ว่าอยากได้ลูกค้าแบบไหน มี Profile ความเสี่ยงอย่างไร ผ่าน Platform ของ UPST

ทำไมธนาคารต้องใช้บริการ UPST?

ได้จำนวนธุรกรรมที่มากขึ้น 27% ในขณะที่สามารถให้บริการที่อัตราดอกเบี้ยที่ต่ำลง 16% เพราะต้นทุนในการให้บริการลดลง
อนุมัติไว ไม่ต้องใช้เอกสาร ทำให้ Customer Experience ดีขึ้น ในปี 2021 70% ของสินเชื่อทั้งหมดถูกอนุมัติโดยไม่มีการโทรหาลูกค้า หรือขอเอกสารเพิ่มใดๆทั้งสิ้น
การลงทุนในระบบ AI ต้องใช้ Know-how ซึ่งธนาคารไม่มี และจะสร้างก็ใช้เงินลงทุนมากโดยที่ไม่รู้ว่าจะสำเร็จหรือเปล่า
Loss Rate ที่ลดลงถึง 75% ในขณะที่มีอัตราอนุมัติสินเชื่อทำได้ดีเหมือนเดิม เพิ่มฐานลูกค้าใหม่ๆ
สินเชื่อที่อนุมัติผ่าน UPST มี Credit Rating ที่ได้รับการยอมรับโดยนักลงทุนสถาบันฯ ธนาคารสามารถขายต่อได้ง่าย

สรุปรวมง่ายๆคือ Efficiency สูงขึ้นจากการให้บริการลูกค้าได้เพิ่มเติม ในต้นทุนที่ต่ำกว่าเดิม ทำให้ธนาคารเล็กๆที่มีต้นทุนทางการเงินสูงสามารถแข่งขันกับธนาคารใหญ่ๆได้ ทั้งหมดนี้มีสถติที่ผ่านมารองรับ และมี Success Case เรียบร้อยแล้ว ไม่ต้องใช้เงินลงทุน ทำให้ธนาคารตัดสินใจไม่ยากที่จะเริ่มต้นกับ UPST

ส่วนลูกค้าก็ได้รับสินเชื่อในอัตราดอกเบี้ยที่เหมาะสมกว่าการไปกู้เงินผ่าน Fico Score ตามปกติที่ยุ่งยาก กู้ไม่ผ่านหรือถ้าผ่านก็ด้วยอัตราดอกเบี้ยที่สูง

โดย Flow ของ Transaction จะเป็นแบบรูปด้านบนนี้คือ ลูกค้าจะเข้ามาเจอ UPST ได้ 3 ทางด้วยกันคือ 1. รู้จักอยู่แล้วเข้าเว็บมาโดยตรง 2. ผ่านทาง Bank Refer มา 3. ผ่านทางเว็บไซต์ Affiliation อื่นๆเช่น CreditKarma หรือ Upgrade.com

หลังจากมาที่ UPST แล้วบริษัทจะทำการวิเคราะห์และอนุมัติสินเชื่อให้ หลังจากนั้นจะไปต่อที่ธนาคารเป็นผู้ออกสินเชื่อ ลูกค้าได้รับเงิน และหลังจากนั้นผ่อนผ่าน UPST เป็นอันจบกระบวนการของฝั่งลูกค้า ส่วนพอร์ตสินเชื่อที่ได้ธนาคารจะขายออกหรือไม่แล้วแต่ธนาคารครับ

แล้ว UPST ไปเอารายได้มาจากไหน?

UPST ทำรายได้จากค่าธรรมเนียมที่ได้รับจากธนาคาร โดยค่าธรรมเนียมมี 3 รูปแบบคือ Platform Fee Referral Fee และ Service Fee

Referral fee มีสัดส่วน 62% ค่าคอมฯที่บริษัทได้รับจากธนาคารจากการ Refer ลูกค้าไปให้จากเว็บไซต์ Upstart.com ซึ่งลูกค้าอาจจะมาจาก CreditKarma หรือ Upgrade.com อีกทีก็ได้
Platform fee มีสัดส่วน 29% อันนี้เป็นรายได้ค่าใช้ Platform ในกรณีลูกค้าเดินไปหาธนาคารเอง แล้วธนาคารใช้ Platform ของ UPST ในการวิเคราะห์และอนุมัติสินเชื่อ
Service fee มีสัดส่วน 9% คือค่าบริการเก็บหนี้รายเดือน จัดการเรื่อง Customer Support

ณ.ปัจจุบันจะเห็นว่ารายได้ Referral Fees เป็นสัดส่วนมากขึ้นเรื่อยๆ บ่งบอกถึงการที่ลูกค้าเริ่มรู้จัก Upstart มากขึ้น หากลองเช็คใน Google Trend ดูก็จะเห็นว่าการ Search หา Upstart loan ดูมีแนวโน้มที่ดีอย่างต่อเนื่อง

ในมุมของการหาลูกค้าของ UPST Traffic ส่วนใหญ่ของ UPST มาแบบ Direct คือตรงเข้าเว็บมาเลยถึง 80% ลำดับที่ 2 คือ Traffic จาก Organic Search ซึ่งไม่ได้จ่ายค่าโฆษณา 19% เป็น Referral 6.6% หมายความว่า Traffic กว่า 80% ของ UPST ได้มาแบบไม่มีค่าใช้จ่ายใดๆทั้งสิ้น

มาถึงจุดนี้ผมนึกถึงทฤษฎี Demand ที่ Wang Xing เจ้าของ Meituan เคยพูดคือถ้า Product อะไรก็ตามที่ Demand มันสูงโดยธรรมชาติอยู่แล้ว สิ่งที่บริษัทต้องทำคือการ Build ด้าน Supply เป็นหลัก บริการของ UPST คือสินเชื่อ Non-Prime (คนที่ Credit ไม่ดี) ซึ่งมันมหาศาลอยู่แล้ว ดังนั้นการที่ UPST ได้ Traffic มาแบบไม่ต้องจ่ายค่าการตลาดมากถือว่าสมเหตุสมผลอยู่

เอาจริงๆตอนดูแรกๆเหมือน UPST จะพึ่งพิงธนาคารและเว็บไซต์ที่เป็น Referral เยอะ แต่ปัจจุบันก็เริ่มพึ่งพิงน้อยลงเรื่อยๆ และถ้ามี Traffic ที่เป็น Direct เข้ามามากขึ้น ความเสี่ยงเรื่องการพึ่งพิง CreditKarma ก็น่าจะค่อยๆลดลงเอง

3. Competitors

คู่แข่งของ UPST มีอยู่เยอะแยะมากมายมาก ทั้ง Bank ที่ยังใช้ Fico Score ต่อไป และคู่แข่งทางตรงที่ทำธุรกิจคล้ายๆกับ UPST เช่น LendingClub, OpenLending (LPRO) , Pagaya (EJFA) และคู่แข่งทางอ้อมเช่น SoFi, Venmo ของ Paypal, Cash App ของ Block

ในจำนวนนี้ Pagaya คือตัวที่น่าสนใจเพราะกำลังเข้าตลาดหุ้นผ่าน SPAC Pagaya เล็กกว่า UPST (และคาดว่าจะ) มีรายได้ปี 2021 ที่ 407 ล้านเหรียญ โต 73% ในขณะที่ UPST มีรายได้ที่ 801 ล้านเหรียญ โต 250%

Annualized Network Volume (มูลค่าการปล่อยสินเชื่อ) ของ Pagaya อยู่ที่ราวๆ 5 Billion (1H2021) ในขณะที่ของ UPST อยู่ที่ 11 Billion (2021) ค่อนข้าง Inline กับข้อมูลเชิงรายได้

Model การทำธุรกิจของ Pagaya เอาจริงๆก็คล้ายๆกับ UPST ความแตกต่างคือ Pagaya อยู่ในตลาดหลากหลายตลาดมากกว่า UPST และตอนนี้เป็น Partner กับ Visa

ในมุมของ AI Model Pagaya มีการใช้ Data Point มากถึง 16 ล้านจุด (นับตั้งแต่ตั้งบริษัท) ดังนั้นอาจจะเอามาเปรียบเทียบกับ UPST ตรงๆไม่ได้ เพราะ Data Point ที่ใช้ในการลองผิดลองถูกสร้างโมเดล Prototype กับ Data Point ที่ใช้สำหรับงาน Production แล้วย่อมต้องน้อยกว่า

สำหรับผู้บริหารผมชอบทีมที่มาจากฝั่ง Technology แบบ UPST มากกว่า ถ้าไปดูผู้บริหารของ Pagaya จะเป็นมาจากฝั่งการเงินเป็นหลัก

สำหรับ OpenLending ซึ่งเป็นผู้นำอยู่ในตลาด Auto ปล่อยสินเชื่อไป 4.3 Billion ถ้าเทียบกับเป้าของ UPST ในปี 2022 คือจะปล่อยสินเชื่อ Auto ที่ราวๆ 1.5 Billion ถือว่ายังห่างกับ OpenLending เยอะ

ความแตกต่างอีกอย่างคือ OpenLending เป็น Full B2B คือแทบไม่มีการ Acquire Customer ด้วยตัวเองเลย รับ Refer จากธนาคารหรือผู้ปล่อยสินเชื่อทั้งหมด ทำให้ SG&A ของ OpenLending มีสัดส่วนเพียง 19% ส่วนของ UPST มีสัดส่วนที่ 51%

การทำแบบนี้ของ OpenLending จะดีในระยะสั้นเพราะจะกำไรเร็วขึ้น และ Margin สูงปรี๊ดๆมากๆ แต่ในระยะยาวจะกลายเป็น Tech ที่ไม่มี Relationship กับ End User เป็นของตนเองและต้องพึ่งลูกค้าที่เป็นธนาคารหรือบริษัทที่ปล่อยกู้ ซึ่งสามารถจะเปลี่ยน AI Provider เมื่อไหร่ก็ได้ อันนี้เป็นความเสี่ยงที่ต้องระวังของ OpenLending

ถ้าไปดูงบของ OpenLending จะเห็น Net Income เป็นบวกสวยๆ ถ้าใครชอบแบบที่มีกำไรแล้ว OpenLending น่าจะตอบโจทย์กว่า แต่ก็ต้องแลกมาด้วยการไม่ได้ใช้ AI (บริษัทไม่ได้ Mentioned ตรงนี้ดังนั้นคิดว่าเป็น Software Automation ธรรมดา) และการเติบโตที่ช้ากว่า โอกาสถูกกิน Market Share จาก UPST และ Pagaya มีอยู่พอสมควร

ในมุมของการแข่งขันต้องบอกเลยว่า UPST มีโอกาสที่จะ Dominate ตลาดไม่น้อยเพราะ Marketshare เริ่มสูงขึ้นเรื่อยๆ

ถ้าไปเช็คกับข้อมูลตัวเลขแม้จะไม่มีตัวเลขที่ชัดเจนในเชิง Market Share ณ.ตอนนี้ แต่พอคำนวณได้คร่าวๆว่า

UPST มีมูลค่าการปล่อยกู้ที่ 11 Billion ต่อปี เทียบกับตลาด Personal Loan Origination ในสหรัฐฯที่ 96 Billion นับว่า UPST มี Market share ที่ราวๆ 11.4% ของตลาดดูเหมือนไม่ใหญ่แต่ถ้าไปเทียบกับสัดส่วนขอตลาดรวมจะเห็นว่าบริษัทที่มีสัดส่วนสูงสุดคือ Fintech ที่ 40% ธนาคารมีสัดส่วนราวๆ 25% Credit Union 20% Finance Companies อีก 15%

ถ้า UPST มี Market Share 10% ของตลาดรวมแปลว่าเป็น 1 ใน 5 ของ Market share ธนาคารกับ Credit Union เลยนะครับ ยิ่งตลาด Loan เป็น Fragmented Market คือแบ่งซอยย่อยเยอะ เป็นผู้เล่นหลายราย ไม่มีใครเป็นผู้นำแบบชัดเจนนี่ ถ้ามีบริษัทไหนนำขึ้นมามีโอกาสกินส่วนแบ่งของกลุ่มเล็กๆสูงมาก

ปัจจุบันจะเห็นว่าสัดส่วนของธนาคารและ Credit Union ลดลงเยอะมาก ผมเชื่อว่ากลุ่มนี้กำลัง Desperate ที่จะหา Solution มาต่อกรกับบริษัท Fintech ธนาคารและ Credit Union มีเงิน มี Resource แต่ไม่มี Know-how UPST คือคำตอบที่เข้ามาตอบโจทย์ในตอนนี้

เอาจริงๆในมุมคู่แข่งของ UPST ผมกลัวพวก Fintech อย่าง Paypal หรือ Block มากกว่ากลัวธนาคารมาทำแข่ง

ยังไงการถ้าคราวหน้ามีภาค 2 จะมา Deep Dive คู่แข่งของ UPST อย่าง Pagaya OpenLending Payal หรือ Block เพิ่มให้นะครับ

4. Competitive Advantage

มาดู Competitive Advantage กันบ้าง เนื่องจากธุรกิจที่ UPST ทำอยู่เนี่ยมันก้มีคนทำอยู่หลายเจ้า Substitute product ก็เยอะมาก แล้วอะไรคือจุดที่จะทำให้ UPST ยืนเหนือเจ้าอื่นๆได้ในระยะยาว

AI Model ทำไมธนาคารถึงไม่ทำ แต่ถึงอยากทำก็ทำตามไม่ทัน

สิ่งจำเป็นสำหรับโมเดล AI ที่ใช้ในการทำระบบ Machine Learning มีอยู่ 3 อย่างคือ Training Data Set, Variables, Algorithm แม้ธนาคารจะมีข้อมูลมากมาย แต่ถ้าไม่ได้จัด Structure ให้ดีก็ไม่สามารถจัดตั้งตัวแปรที่ถูกต้อง รวมไปถึงไม่มี Algorithm ที่ผ่านการพัฒนามาแล้ว ข้อมูลที่ธนาคารมีเหล่านั้นก็ไม่ต่างอะไรกับเลข 0 กับ 1 ที่ไม่มีความหมายเลย

นอกจากนั้นธนาคารที่จะทำอะไรแบบนี้ได้ต้องมี Resource พอสมควร ดังนั้นประมาณ 95% ของธนาคารในสหรัฐฯซึ่งเป็นธนาคารเล็กๆ 5,000+ ธนาคาร ไม่น่าทำอะไรแบบนี้ได้ (โครงสร้างธนาคารสหรัฐฯไม่เหมือนไทยครับ สหรัฐฯมีธนาคารเล็กๆเยอะเป็นการแข่งขันแบบสมบูรณ์แบบ ไทยมีเจ้าใหญ่ไม่กี่เจ้าเลยโขกดอกเบี้ยแพงๆได้)

ส่วนธนาคารขนาดใหญ่ถึงทำก็มีความเสี่ยงที่ของที่ทำขึ้นมาจะไม่เวริค์ อย่างที่ผมบอกในหลายๆบทความที่เป็นธุรกิจที่ลูกค้าเป็น Corporate ถ้าทำไปแล้วไม่เวริค์เนี่ยมันเสี่ยงกับหน้าที่การงาน สู้ไม่ทำแล้วหน้าที่การงานปลอดภัยยังดีกว่า

หรือถ้าเลือกทำยังไงก็ได้ให้ไม่ต้องรับผิดชอบเยอะ ถ้าไม่สำเร็จก็ Blame ความผิดพลาดนั้นๆให้กับ Supplier ได้ ดังนั้นผมจึงคิดว่าผบห.ในธนาคารมีแนวโน้มสูงมากที่จะหาคนมารับผิดชอบแทนตน ... นั่นก็คือการใช้ UPST นั่นเอง ... กลยุทธ์นี้ Dhando นะครับ ไม่เวริค์เสียเวลานิดหน่อย ไม่เสียหน้า ไม่เสียเงิน เวริค์ขึ้นมาเอาเป็นความสำเร็จของตนเองได้ทันที หน้าที่การงานก้าวหน้าชิวๆไม่ต้องลงแรง ลงแต่เงินซึ่งก็เป็นเงินแบงค์ (เป็นผมๆก็ทำแบบนี้นะ 555)

พอทำอย่างงี้กันเยอะๆ UPST ก็ได้ข้อมูลเพิ่มไปเรื่อยๆพัฒนาโมเดล AI มากขึ้นจนถึงจุดที่สำเร็จมากๆ และจุดนี้แหละที่ธนาคารจะเริ่มเห็นว่า อ้าว....มันทำสำเร็จได้นี่และเริ่มต้นทำมั่ง แต่ถึงตอนนั้นก็สายไปแล้วครับ (อารมณ์เหมือนอุตสาหกรรม EV ตอนนี้ที่เห็น Tesla ทำได้ก็ Me Too ทำตามกันใหญ่ บางทีไม่รู้ด้วยซ้ำไปว่าเบื้องหลังอะไรทำให้ Tesla ประสบความสำเร็จ)

DATA MOAT ป้อมประกาศดิจิตอล

ธนาคาร 1 ธนาคารมีข้อมูลของธนาคารตนเอง แต่ UPST มีข้อมูลของธนาคารกว่า 42 แห่ง รวมถึงข้อมูลลูกค้าที่เป็น Non-Prime (คนที่กู้เงินไม่ได้) และข้อมูล Alternative Data ต่างๆ นึกภาพเปรียบเทียบง่ายๆ

ธนาคารใช้ Fico Score ซึ่งใช้ Data Point 30 จุด AI ของ UPST ใช้ 1600 จุด ใช้ Alternative Data เข้ามาช่วยด้วยไม่ใช่แค่ข้อมูลในเชิงการเงินหรือ Demographic เพียงอย่างเดียว นึกภาพตัวอย่างนักศึกษาแพทย์ที่ผมเขียนไปด้านบนอ่ะครับ นั่นแหละคือข้อมูลที่ไม่ได้อยู่ในโมเดลของ Fico Score ดังนั้นมันไม่ใช่แค่ธนาคารมีข้อมูลน้อยกว่าอย่างเดียว แต่ข้อมูลบางอย่างที่ UPST มีคือธนาคารไม่มีและไม่เคยอยู่ในระบบของธนาคารเลย

ยิ่งมีข้อมูลมากขึ้น ยิ่งโมเดลเก่งขึ้น ยิ่งทำให้ปล่อยกู้และอนุมัติสินเชื่อได้แม่นยำขึ้น ยิ่งมีลูกค้ามากขึ้น ยิ่งมีข้อมูลมากขึ้นวนๆไปครับ

โมเดล AI ที่สามารถปรับใช้กับสินเชื่ออุตสาหกรรมอื่นๆได้ด้วยเช่นสินเชื่อรถยนต์และสินเชื่อบ้าน

ณ.ปัจจุบันจะเห็นว่า UPST มีการขยายธุรกิจเข้าไปในสินเชื่อรถยนต์และกำลังจะเข้าสินเชื่อบ้าน โดยการพัฒนา Model AI อันเดิมที่ใช้นี่แหละ ให้เอาไปใช้กับสินเชื่ออื่นๆด้วย ยิ่งมี Product มากขึ้น ยิ่งมีข้อมูลหลากหลายมากขึ้น โมเดลยิ่งเก่งมากขึ้น เพราเอาข้อมูลมา Cross-Analysis กันได้ (ยกตัวอย่างเช่น คนขับรถมือ 2 ที่เป็นผู้หญิงอาจมีแนวโน้มผิดนัดชำระหนี้น้อยกว่าผู้ชายซื้อรถมือ 1 ที่อายุ 30 ปีขึ้นไป อะไรประมาณนี้)

นอกจากข้อมูลในมุมของลูกค้าและ Product แล้ว UPST ยังมีข้อมูลของการจ่ายหนี้คืน หรือ Repayment มากกว่า 21.6 ล้านครั้ง ตัวนี้เป็นตัวบ่งบอกได้ว่าโมเดลที่ UPST ทำมันแม่นยำแค่ไหน สามารถวัดผลได้จริง

Trust ความเชื่อมั่นที่ลูกค้าสถาบันการเงินและนักลงทุนมีให้กับ UPST

พอโมเดลมันดีมากๆ แม่นยำสุดๆ ก็ทำให้ผลตอบแทนดีและประมาณการง่ายตามไปด้วย ความเชื่อมั่นของแต่ละธนาคารที่มาเป็นพันธมิตรกับ UPST และนักลงทุนสถาบันที่เป็นคนซื้อหนี้ของ UPST ไปเพื่อรับผลตอบแทนระยะยาวก็จะสูงขึ้น ทำให้ UPST หมดปัญหาเรื่องการ Raise fund และไม่มี Question กับคุณภาพของหนี้อีกต่อไป

ผมเรียงลำดับความเชื่อมั่นที่สำคัญที่สุดตามนี้ ธนาคาร -> นักลงทุน -> ลูกค้า ถ้าทำให้ธนาคารเชื่อมั่นได้แล้วอันนั้นดีที่สุดเพราะบริษัทจะแทบไม่ต้องทำอะไรอย่างอื่นเลย นอกจากทำโมเดล AI ให้ดีและขยายตลาดไปเรื่อยๆ รองลงมาคือนักลงทุน ถ้านักลงทุนไม่ซื้อหนี้อาจจะทำให้การปล่อยสินเชื่อของ UPST หยุดชะงักหรือโตช้าลงได้ (เพิ่มเติมในส่วนความเสี่ยงครับ) สุดท้ายคือลูกค้าที่อยู่อันดับท้ายสุดเพราะเงินกู้มันเป็นสิ่งที่คนอยากได้อยู่แล้ว เชื่อได้มากหรือน้อยอาจไม่ได้มีความสำคัญเท่าให้กู้วงเงินเท่าไหร่ ดอกเบี้ยแพงไหม

5. Financial

รายได้ของ UPST กระทบหนักตอนช่วง COVID (2Q20) แต่หลังจากนั้นสามารถเติบโตกลับมาได้จากจำนวนการปล่อยสินเชื่อที่ทำสถิติสูงสุดและ Conversion Rate ที่สูงขึ้น อย่างไรก็ตามอัตราการเติบโตเริ่มชะลอตัวลงแต่กลับมาเติบโตเร็วขึ้นในช่วง 4Q21

การเติบโต YoY และ QoQ ของ UPST

1Q21 - 90% / 40%
2Q21 - 1018% / 60% (Q นี้ YoY มี Effect ฐานต่ำของ 2Q20)
3Q21 - 250% / 18%
4Q21 - 252% / 33%

ในมุม Margin UPST ถือเป็นหนึ่งในหุ้นที่มี Unit Economic ดีมากๆ โดย Margin ที่ผมว่าสำคัญมี 2 ตัวคือ Contribution Marginn และ Adj. EBITDA Margin (FYI ว่า UPST ไม่ได้มีค่าเสื่อมอะไรเยอะมากดังนั้นจริงๆจะใช้ Adj.Net Income ก็ได้ ไม่ต่างกันเยอะ)

Contribution Profit คือกำไรหักเอาเฉพาะ Borrower Acquisition cost และ Borrower verification and servicing cost ออก โดยไม่เอา S&M, G&A และ R&D ไปรวม อารมณ์คล้ายๆ Gross Profit Margin แหละตรงนี้บริษัทบอกตั้งแต่ 4Q20 แล้วว่า Contribution Margin จะดรอปลงจากการกลับไป Spend เหมือนเดิม (ก่อนหน้านี้ Underspend มา)

ปัจจัยที่กระทบ Contribution Margin อีกตัวคือการอัดงบเพื่อเพิ่มการเติบโตให้ Upstart Auto (Prodigy ที่ Take มา) และพอราคาหุ้นสูงขึ้นค่าใช้จ่าย Stock-based Compensation ก็สูงขึ้นตามราคาหุ้น ซึ่งกระทบ Contribution Margin ด้วย

Outlook ปี 2022 บอกว่า Contribution Margin ยังคงอยู่ที่ราวๆ 45% ต่อไป บริษัทยังคงลงทุนอย่างต่อเนื่อง และด้วยเหตุผลนี้เองจึงไปกระทบกับ Adj.EBITDA ด้วยที่คาดการณ์ไว้ราวๆ 17% จากปี 2021 ที่อยู่ที่ 28%

อีกอย่างที่น่าสนใจใน Outlook คือบริษัทคาดว่าจะมี Adj.EBITDA ที่ราวๆ 17% ถ้าคาดการณ์รายได้คือ 1.4 Billion งั้น Adj.EBITDA ก็จะเป็นราวๆ 238 Million หรือพอๆกับปี 2021 เลย แต่ Topline จะเพิ่ม 65% แปลได้ว่าบริษัทน่าจะมีการลงทุนและค่าใช้จ่ายเพิ่มขึ้นเยอะพอสมควรในปี 2022

อย่างไรก็ตาม Guidance สุด Groomy ในมุม Margin อันนี้อาจถูกรับรู้ไปแล้วส่วนนึงด้วยราคาหุ้นที่ถล่มทลายลงมาตั้งแต่เดือนตุลาคม ปี 2021 ตอนนั้น UPST อยู่ที่ราคา 400 เหรียญ ตอนนี้เหลือ 118 เหรียญ

7. UPST Operational Metric

ในการวิเคราะห์หุ้น UPST นอกจากรายได้และอัตราการทำกำไร Metric ที่ต้องคอยตามดูมีต่อไปนี้ครับ

No. of Loan - จำนวนสินเชื่อที่มีการอนุมัติผ่านระบบของ UPST เติบโต 338%

Transaction Volume - มูลค่าสินเชื่อที่มีการอนุมัติผ่านระบบของ UPST เติบโต 241% เติบโตน้อยกว่า No. of Loan สะท้อนว่า Transaction Volume per Loan ลดลง จากการที่มีคนรู้จัก UPST มากขึ้นและธนาคารเอา UPST ไปใช้กับสินเชื่อรายเล็กมากขึ้น พวก Small Dollar Lending และ Small Business

Conversion rate - อัตราการอนุมติสินเชื่อ ยิ่งสูงยิ่งแปลว่าระบบของ UPST สามารถทำงานได้ดีขึ้น ปัจจุบันอยู่ที่ 23.7% โตจาก 13.1% ในปี 2019 ทั้งนี้ทั้งนั้นต้องดูด้วยว่ามีหนี้เสียตามมาหรือไม่ ซึ่งตอนนี้คงเร็วไปที่จะบอกได้ ถ้าธนาคารยังส่งสินเชื่อให้ UPST อนุมัติอยู่อย่างต่อเนื่องก็อาจจะพอบอกได้ว่ายังไม่มีปัญหา

No. of Partner & Dealership - ตอนนี้มีธนาคาร และ Credit Union 41 แห่ง และ Dealer รถยนต์ 410 แห่ง เพิ่มจาก 111 แห่งใน 4Q20 ยิ่งมีธนาคาร และ Dealer พันธมิตรเยอะ ยิ่งทำให้โอกาสที่รายได้จะโตสูงยิ่งมากขึ้น เพราะ UPST โตตามลูกค้า อีกมุมนึงคือช่วยกระจายความเสี่ยงด้วย

Automation Rate - อัตราการปล่อยสินเชื่อแบบ Fully Automation ตอนนี้ 70% คือการปล่อยสินเชื่อแบบไม่ต้องมีคนเข้าไปเกี่ยวข้องด้วยเลย ในอนาคตยาวๆน่าจะสูงขึ้น แต่ระยะสั้นอาจจะลดลงมาก่อนจากการเปิดตลาดใหม่ Auto Loan

6. Growth Potential

TAM ที่ใหญ่มากๆ UPST เริ่มมาจากตลาด Personal Loan ที่มีขนาด 96 Billion กำลังขยายที่ Auto Loan ซึ่งมีขนาดใหญ่กว่าตลาดเดิม 7 เท่า ที่ 727 Billion ใน Earning Call ล่าสุดบริษัทประกาศแล้วว่าได้ตั้งทีมขึ้นมาทำ Small Business Lending และ Mortgage (สินเชื่อบ้าน) ที่น่าจะเข้าตลาดในปี 2023 แล้ว

สั้นๆคงมีค่าใช้จ่ายถาโถมเข้ามา แต่ระยะยาวถือเป็น Growth Potential ที่ดีมากๆสำหรับบริษัท รวมๆขนาดตลาดทั้งหมดคือ 6 Trillion ในขณะที่บริษัทเป็นผู้นำระบบ AI Lending ที่มี Market Cap 10 Billion เท่านั้น (ภาษาฝรั่งคือมัน Peanut (เล็ก)มากๆ เมื่อเทียบกับตลาดที่บริษัทอยู่และศักยภาพการเติบโต)

ตรงนี้ขอแตะตรงตลาด Auto Loan หน่อย ปัจจุบันมีการอนุมัติผ่าน Platform ไปแล้ว 5800 ครั้ง แต่โครงสร้างการรับรู้รายได้จะไม่เหมือนเดิม ไม่เป็นแบบ Front Weight แบบ Personal Loan คือได้ค่าธรรมเนียมก้อนนึงแล้วจบเลย เป็นค่อยๆกินยาวๆตามอายุของสัญญาแทน ดังนั้น Journey การเติบโตมันจะไม่เหมือน Personal Loan ครับที่จะโตเปรี้ยงๆในปีแรกเลย เป็นแนวๆแบบต้องรอนิดนึง บริษัทตั้งเป้า Transaction ปี 2022 ไว้ที่ 1.5 Billion ซึ่งถ้าเทียบกับ Transaction Volume ของปี 2022 ที่ 11 Billion ถือว่า Insignificant ในเชิง Volume ดังนั้นน่าจะไปเก็บเอาเต็มๆในปี 2023 มากกว่า 2022 น่าจะเป็นการจับตาดูว่ามีปัญหาอะไรไหม และผลตอบรับจาก Dealer รถยนต์เป็นยังไงมากกว่า

Mortgage Loan อันนี้ TAM ใหญ่จริง ผ่อนกันยาวนานจริง แต่ดอกเบี้ยมันต่ำ สหรัฐฯเขาผ่อนบ้านกัน 2% ไม่ต้องดาวน์นะฮะ FYI ราคาบ้านมันถึงพุ่งกระฉูดขนาดนั้น สิ่งที่ผมจะจับตามองคือการรับรู้รายได้มันจะเป็นยังไงมากกว่า จะรับรู้เป็น One-off fee หรือจะเป็นแบ่งสัดส่วนแบบ Auto Loan ก็ว่ากันอีกที (สายด่วนอย่างผมเชียร์ One-off fee อยู่แล้ว หึๆ)

8. Valuation

ในมุม Valuation ต้องถือว่า UPST ขึ้นไปเยอะและก็ถูกลงมาเยอะมาก หุ้นเคยขึ้นไปที่ EV/Sales สูงสุดที่ 56 เท่าปัจจุบันอยู่ที่ EV/Sales 11.5 เท่า อยู่ในจุดที่ต่ำที่สุดตั้งแต่เข้าตลาดหุ้นมา

ถ้าเอามาเปรียบเทียบกับหุ้น Consumer Credit ชั้นนำตัวอื่นๆ เช่น AFRM, SOFI, จะเห็นภาพเดียวกันคือลงมากันหมด แนวๆนี้สาเหตุส่วนใหญ่มักจะมาจากภาพใหญ่ที่เปลี่ยนไปเป็นหลัก เช่นการขึ้นอัตราดอกเบี้ยของ FED

แต่ความแตกต่างของ UPST กับตัวอื่นๆคือการเติบโตของรายได้ที่สูงกว่าอย่างมีนัยยะ แม้จะมี EV/Sales ที่ใกล้เคียงกัน โดย Outlook การเติบโตของรายได้แต่ละตัวในปี 2022 เป็นประมาณนี้ครับ

UPST 65%
AFRM 40%
SOFI 50%

ในการหามูลค่าของ UPST ผมประเมินรายได้ของ UPST ออกไป 5 ปีข้างหน้า โดยให้ UPST Maintain High-Growth ได้จนถึงปี 2025 40-50% จากสาเหตุคือพันธมิตรณ.ปัจจุบันยังไม่ได้ปล่อยกู้กับ UPST มากนัก รวมถึงการเปิดตลาดเข้าธุรกิจใหม่ๆอย่าง Auto และ Mortgage จะทำให้ UPST โตสูงได้อีก 2-3 ปีเป็นอย่างน้อย

รวมถึงการที่ TAM ที่ใหญ่มากๆน่าจะทำให้การเติบโตของ UPST มีแนวโน้มที่จะ Maintain ได้ ดังนั้นการเติบโตของรายได้จึงไม่ได้เป็นการ Decelerate เป็นขั้นบันไดแบบหุ้น Tech ทั่วๆไป

ซึ่งถ้าเป็นไปตาม Assumption ที่ผมคิดจะทำให้ EV/Sales ของ UPST ลดลงอย่างต่อเนื่องจาก 12 เท่าลงไปเหลือ 2 เท่าภายใน 4 ปีข้างหน้า

ส่วนตัวคิดว่าการที่ UPST จะเทรดที่ EV/Sales 2 เท่านั้นเป็นไปได้ยากมากๆ Valuation ระดับนี้คือระดับหุ้นเทคจีนตอนโดน Crackdown ผมว่ามันเวอร์เกินไป

ดังนั้นการหามูลค่าของ UPST ผมจะขอใช้ EV/Sales ในสถานการณ์ปกติที่ EV/Sales 10-25 เท่าจะเหมาะสมกว่า ซึ่งสถานการณ์ปกติของผมคือ Assume ว่า FED ต้องกลับมาลดดอกเบี้ยอีกครั้งหลัง Inflation ที่เป็น Transitory ผ่านไป

จะเห็นว่าที่ราคา 118 เหรียญ UPST มี Downside ไม่มากแล้ว 34% Assume ว่า Base EV/Sales ที่ 10 เท่าถือว่าต่ำแล้ว .... ระดับนี้คือระดับเดียวกันกับหุ้น Tech ขนาดกลาง-ใหญ่ ที่ยังเติบโตได้เช่น SHOP, SQ, V, ABNB เป็นต้น

ผมใช้จำนวนหุ้น 95 ล้านหุ้นของ 1Q 2022 คำนวณราคาหุ้นนะครับ ดังนั้นอนาคตน่าจะมี Dilution ที่อาจทำให้ราคาลงไปอีกนิดหน่อย แต่ถ้าเทียบกับ Potential การเติบโตของ UPST ผมว่าไม่กระทบกับ Value ระยะยาวมาก

9. Risk

แม้ UPST จะเป็น Fintech เป็นบริษัท Asset Light เป็น AI บลาๆๆ แต่ At the Core ผมว่า UPST ก็ยังเป็นบริษัทที่ทำธุรกิจสินเชื่อ ซึ่งไม่สามารถหลีกเลี่ยง Economic Cycle ได้ ถ้าเศรษฐกิจแย่หรือเกิดวิกฤตแน่นอนว่าธนาคารต่างๆที่เป็นพันธมิตรของ UPST ต้องมีการชะลอการปล่อยสินเชื่อ หรือนักลงทุนที่ซื้อหนี้จาก UPST ก็อาจจะมีการชะลอการซื้อลง (เช่นช่วงนี้ที่ขึ้นดอกเบี้ยเนี่ย ทำให้ผลตอบแทนของหนี้จาก UPST ดูน่าสนใจน้อยลง) การปล่อยสินเชื่อภาพรวมลดลง รายได้ของ UPST ที่อิงอยู่กับการปล่อยสินเชื่อก็จะโตยากขึ้น

ถ้าไปดูจังหวะตอนวิกฤต COVID จะเห็นว่ารายได้ของ UPST คือหายไปเลย ปริมาณการขอสินเชื่อคือตก QoQ -85% แล้วหลังจากนั้นถึงจะ Recover กลับมา ... ณ.ปัจจุบันผมคิดว่าเหตุการณ์แบบนั้นน่าจะไม่เกิดแล้ว เพราะตอนนี้พันธมิตรเยอะขึ้น และข้อมูลสินเชื่อที่ผ่านวิกฤตช่วงนั้นมาน่าจะเป็น Back ได้ระดับนึงว่า AI โมเดลมันเวริค์นะ

ราคาหุ้น UPST ตอบรับและตกลงมาล่วงหน้าแล้วถึงตอนนี้มีการขึ้นดอกเบี้ยจริงๆต้องลองดูต่อไปว่าจะกระทบแค่ไหน ถ้า Top Line เริ่มไม่โตหรือโตช้า Assume ได้เลยว่าธนาคารเริ่มไม่ค่อยปล่อยกู้แล้ว แต่ถ้ามาคิดๆดูเศรษฐกิจสหรัฐฯตอนนี้ดีมากๆ ไม่ปล่อยกู้นี่น่าจะแปลกนะครับ ยกเว้นซะแต่ว่าธนาคารกลัวว่าตอนนี้อาจจะดีผิดปกติไรงี้

อัตราการทำกำไรที่ลดลงชั่วคราวจากการลงทุนหนักเพื่อขยายตลาดในปี 2022 หลังจากนั้นน่าจะฟื้นกลับไปประมาณเดิม ทีนี้ก็อยู่ที่คำถามต่อมาแล้วว่า AI Model ที่ UPST สร้างขึ้นมานั้นมันมี Data Moat ซึ่งทำให้ถึงจุดๆหนึ่ง UPST จะกลายเป็นผู้นำได้จริงหรือไม่? ถ้าทำได้จริงผมว่ายังพอมี Room ให้ Improve Margin ได้อีกพอสมควรเลยครับ แต่ถ้า AI Model มันไม่ได้เจ๋งจริง มีคนเริ่มมาทำแข่ง อาจจะทำให้เหนื่อยและเห็นภาพ Margin ที่ดรอปลงได้ (แต่ตอนนี้ยังคิดว่าไม่เห้นภาพนั้นนะครับ)

ปัญหาเรื่อง Fraud ที่ทำให้ Automation Rate และ Conversion Rate ตกลง ที่ Automation Rate ตกลงเพราะต้องเอาคนไปนั่งเช็ค แต่ที่ผ่านมา UPST มีการแก้ไขตรงนี้ไปแล้วบ้างก็น่าจะไม่ต้องกังวลมากครับ

UPST มีธนาคารใหญ่ที่ปล่อยกู้กับ UPST อยู่ 2-3 เจ้า เช่น Cross River Bank ที่เป็น Loan Originating Partner สัดส่วน 56% และธนาคารรายใหญ่อีกเจ้าสัดส่วน 36% อันนี้ตอนแรกๆผมก็กังวลแต่พอไปศึกษาดูเหมือนมันจะเป็น Norm ของอุตสาหกรรมนี้ประมาณนึงเช่น Lending Club ก็มี Web Bank เป็น Loan Originating Partner รายใหญ่ อย่างไรก็ตามสัดส่วนของรายใหญ่ค่อยๆลดลงและกระจายออกมากขึ้น พอ UPST มี Auto Loan ก็จะยิ่งมีสัดส่วนตรงนี้ลดลง คิดว่าน่าจะไม่ต้องเป็นห่วงอะไรมากนัก

การแข่งขันที่อาจจะรุนแรงมากขึ้นถ้า Pagaya เกิดบ้าเลือด ลดค่าธรรมเนียม หรือใช้งบการตลาดอย่างดุดันขึ้นมา อาจทำให้กระทบกับ UPST ได้ เพราะตอนนี้ก็น่าจะจบกระบวนการ SPAC แล้ว แต่ส่วนตัวคิดว่าเกิดยากพอสมควร เพราะอุตสาหกรรมนี้มันแข่งกันที่ความเก่งของ AI Model และความน่าเชื่อถือที่ธนาคารพันธมิตรมี ถึงลดราคาดึงลูกค้าไปถ้าปล่อยกู้แล้วเกิดหนี้เสียก็ไม่ช่วยอะไรอยู่ดี ดังนั้นสงครามราคาจึงอาจจะไม่เป็นประโยชน์ซักเท่าไหร่

10.สรุปหุ้น UPST

ราคาหุ้นถูกลงเยอะมาก รายได้เติบโตชะลอตัวลงจากฐานที่ใหญ่ขึ้น กำไรกระทบจากการลงทุนในตลาดใหม่ๆ แต่ตัวธุรกิจและ AI Model ซึ่งเป็นหัวใจของบริษัท ผมว่ายังดีอยู่และมีแนวโน้มดีขึ้นเรื่อยๆ

บริษัทอยู่ในตลาดที่แข่งขันสูง และอยู่ระหว่างการสร้าง Data Moat ซึ่งถ้าทำได้จริงน่าจะช่วยให้การเติบโตต่อเนื่องและอัตรากำไรสูงขึ้นในอนาคตได้

บริษัทไม่ได้ลงทุนอะไรมากในเชิง Physical Asset ดังนั้นค่าเสื่อมอะไรก็ไม่มีกับเขา นอกจากค่าใช้จ่ายในการดำเนินงานซึ่งเป็น Marketing กับ R&D แล้วที่เหลือก็เป็นกระแสเงินสดเพียวๆเลย ยิ่งบริษัทโต สัดส่วนของค่าใช้จ่ายจะยิ่งลดลง และด้วยความที่เป็น B2B2C ไม่ได้หาลูกค้าตรงๆทำให้ไม่ต้องใช้งบการตลาดสูงมาก เหมือนบริษัทที่ทำ B2C เพียวๆเช่น AFRM

ถ้ายัง Maintain Competitive Advantage และการเติบโตได้ อนาคตนี่คือเครื่องจักรผลิตเงินสดดีๆนี่เอง Key สำคัญคือต้องติดตามว่าบริษัทและ AI Model จะทำได้ดีแค่ไหน และคู่แข่งตามทันหรือไม่

ชอบบทความวิเคราะห์หุ้นแบบนี้ ให้กำลังใจทีมงานด้วยด้วยการสมัครสมาชิกฟรี ด้านล่างเลยครับ ^_^

Trendlongtun Deep Dive