Hva er syklisk justert ARPU?

Syklisk justert ARPU er en videreutvikling av nøkkeltallet ARPU (average revenue per user). Mens ARPU viser den faktiske gjennomsnittsinntekten per bruker i en periode, forsøker syklisk justert ARPU å fjerne de delene av inntektsvariasjonen som skyldes konjunktursyklusen – altså opp- og nedturer i økonomien.

For investorer som analyserer selskaper med abonnementsbaserte inntekter – for eksempel Telenor, Telia eller norske strømmetjenester – er det viktig å vite om en nedgang i ARPU skyldes at kundene bruker mindre penger på grunn av dårlige tider, eller om det er et tegn på at selskapet mister konkurransekraft. Syklisk justering hjelper med å besvare dette spørsmålet.

I praksis innebærer justeringen at man beregner en trendlinje for ARPU over flere år og trekker fra den delen av svingningene som kan forklares med endringer i BNP, arbeidsledighet eller annen makroøkonomisk aktivitet. Resultatet er et mer stabilt og sammenlignbart tall på tvers av tid.

Forstå syklisk justert ARPU

For å forstå syklisk justert ARPU må man først ha grep om ARPU. ARPU beregnes ved å dele total inntekt fra en kundegruppe på antall brukere i samme periode. I telekombransjen inkluderer inntekten ofte abonnementsavgifter, dataoverføring, samtaler og tilleggstjenester. ARPU kan variere mye fra måned til måned på grunn av kampanjer, sesongvariasjoner eller makroøkonomiske forhold.

Når økonomien går bra, har forbrukere gjerne høyere disponibel inntekt og er villige til å kjøpe dyrere abonnementer eller flere tilleggstjenester. I en resesjon derimot, kan de bytte til billigere pakker eller kutte ned på bruk. Disse svingningene er sykliske – de følger konjunkturene – og sier ikke nødvendigvis noe om selskapets underliggende styrke.

Ved å justere for sykliske effekter får man frem den underliggende trenden. For eksempel kan et teleselskap oppleve at ARPU faller med 5 % under en resesjon, men syklisk justert ARPU viser at trenden egentlig er flat. Da vet investoren at nedgangen sannsynligvis vil reverseres når økonomien tar seg opp. Motsatt kan en økning i ARPU under en høykonjunktur være midlertidig.

Hvordan fungerer syklisk justert ARPU?

Det finnes flere metoder for å beregne syklisk justert ARPU, men felles for dem er at man forsøker å isolere den sykliske komponenten fra den underliggende trenden. Den enkleste tilnærmingen er å bruke et glidende gjennomsnitt over for eksempel 3–5 år. Dette glatter ut kortsiktige svingninger og gir et bilde av den langsiktige utviklingen.

En mer avansert metode er å regressere ARPU mot en makroøkonomisk variabel som BNP-vekst eller arbeidsledighet. For eksempel: Hvis historiske data viser at ARPU i gjennomsnitt faller 0,5 % for hver prosentpoengs økning i arbeidsledigheten, kan man korrigere ARPU for den faktiske endringen i ledighet. Formelen kan skrives som:

Syklisk justert ARPU = ARPU − (β × ΔMakroindikator)

hvor β er et mål på hvor sensitiv ARPU er for endringer i makroindikatoren.

En tredje metode er å bruke statistiske filtre som Hodrick-Prescott-filteret, som skiller trend fra syklus i en tidsserie. Uansett metode er målet det samme: å gi et mer stabilt mål på inntjening per bruker som investorer kan bruke til å vurdere selskapets underliggende utvikling.

Historisk bakgrunn

ARPU ble først tatt i bruk i telekombransjen på 1990-tallet, da mobiloperatører trengte et enkelt mål for å sammenligne inntekt per kunde på tvers av land og selskaper. Etter hvert spredte nøkkeltallet seg til andre abonnementsbransjer som kabel-TV, internettjenester og strømmetjenester.

Behovet for syklisk justering oppsto i kjølvannet av finanskrisen i 2008–2009. Da så analytikere at ARPU falt kraftig i mange telekomselskaper, men at fallet i stor grad skyldtes lavere forbruk, ikke at kundene forlot operatøren. De som ikke justerte for konjunkturene, risikerte å tolke nedgangen som et strukturelt problem og selge aksjer til ugunstige priser.

I Norge har selskaper som Telenor og Telia publisert ARPU-tall i flere tiår. Under koronapandemien i 2020 opplevde mange operatører et midlertidig fall i ARPU på grunn av redusert roaming og færre reiser. En syklisk justering ville ha vist at den underliggende trenden var stabil, noe som viste seg å stemme da ARPU tok seg opp igjen i 2021–2022.

Praktisk eksempel

La oss ta et fiktivt norsk teleselskap, Norsk Mobil AS, og se på ARPU-utviklingen over fem år. Tabellen under viser faktisk ARPU, BNP-vekst i Norge og beregnet syklisk justert ARPU (ved hjelp av et 3-års glidende gjennomsnitt).

ÅrFaktisk ARPU (NOK)BNP-vekst (%)Syklisk justert ARPU (NOK)
20193502,5345
2020320−3,0335
20213304,0333
20223603,5337
20233702,0353
I 2020 falt faktisk ARPU til 320 kroner, mye på grunn av pandemien. Det glidende gjennomsnittet (syklisk justert) viser imidlertid en mye mindre nedgang – fra 345 til 335. Investoren ser dermed at den underliggende trenden er svakt fallende, men ikke katastrofal. Når økonomien bedret seg i 2021–2023, steg faktisk ARPU raskere enn den justerte, noe som indikerer at oppgangen delvis var syklisk. Den justerte ARPU ligger nærmere en trendlinje.

Dette eksemplet viser hvordan syklisk justert ARPU kan dempe støyen fra konjunkturene og gi et mer pålitelig bilde av selskapets underliggende prestasjon.

Fordeler og ulemper

Fordelene med syklisk justert ARPU er flere. For det første gir det et mer stabilt sammenligningsgrunnlag over tid, noe som er nyttig i verdsettelsesmodeller som DCF (diskontert kontantstrøm). For det andre hjelper det investorer å unngå å overreagere på midlertidige svingninger. For det tredje kan det avdekke om en nedgang i ARPU skyldes strukturelle forhold (f.eks. økt konkurranse) eller konjunkturer.

Ulempene er knyttet til usikkerhet i beregningen. Valg av metode (glidende gjennomsnitt, regresjon, filter) påvirker resultatet, og det er ingen fasit på hva som er riktig justering. I tillegg kan syklisk justert ARPU henge etter virkeligheten, fordi glidende gjennomsnitt inkluderer historiske data. Dersom selskapet gjennomgår en rask strukturell endring, kan justeringen gi et misvisende bilde.

En annen ulempe er at makroøkonomiske indikatorer som BNP ikke alltid fanger opp bransjespesifikke sykluser. For eksempel kan telekombransjen oppleve en egen syklus knyttet til teknologiskift (f.eks. overgang fra 4G til 5G) som ikke samsvarer med BNP-svingningene. Derfor bør syklisk justert ARPU alltid brukes sammen med annen informasjon.

Vanlige misforståelser

En vanlig misforståelse er at syklisk justert ARPU er det samme som justert EBITDA eller andre justerte resultatmål. Mens justert EBITDA ofte korrigerer for engangsposter og avskrivninger, fokuserer syklisk justert ARPU utelukkende på å fjerne konjunktureffekter fra inntekten per bruker. De to målene utfyller hverandre, men er ikke identiske.

En annen misforståelse er at syklisk justert ARPU kan forutsi fremtidig inntjening. Justeringen er basert på historiske mønstre og forutsetninger om at sammenhengen mellom ARPU og makroøkonomien fortsetter. Dersom strukturen i markedet endrer seg (f.eks. ny regulering eller teknologi), kan historiske sammenhenger bryte sammen.

Noen tror også at jo lengre glidende gjennomsnitt man bruker, desto bedre er justeringen. I virkeligheten kan et for langt gjennomsnitt gjøre at man mister viktige endringer i trenden. Et 3–5 års vindu er ofte en god balanse for telekombransjen, men det finnes ingen universell regel.

Oppsummering

Syklisk justert ARPU er et nyttig verktøy for investorer som ønsker å forstå den underliggende inntjeningen i abonnementsbaserte selskaper. Ved å fjerne støy fra konjunktursvingninger får man et mer stabilt bilde av om selskapet faktisk vokser eller taper terreng.

Metoden krever at man gjør valg – hvilken periode for glidende gjennomsnitt, hvilken makroindikator, og hvordan man beregner sensitiviteten. Derfor bør man alltid være transparent med forutsetningene og ikke stole blindt på et enkelt tall.

For norske investorer som følger selskaper som Telenor, Telia eller Schibsted (med abonnementsinntekter), kan syklisk justert ARPU bidra til bedre beslutninger i både høykonjunktur og nedgangstider. Kombinert med andre nøkkeltall som kundebasevekst og churn, gir det et solid grunnlag for fundamental analyse.