特許評価方法(コストベースのアプローチ)
知的財産と特許を収益化することは、ポートフォリオを売買したい企業にとって重要ですが、多くの企業は特許ポートフォリオを評価するのに苦労しています。 商標などの特定の IP では、ブランドの成長に伴い、時間の経過とともにその価値が実際に増加する可能性があります。
特許価値はなぜ重要なのですか?
知的財産と特許を収益化することは、ポートフォリオを売買したい企業にとって重要ですが、多くの企業は特許ポートフォリオを評価するのに苦労しています。 商標などの特定の IP では、ブランドの成長に伴い、時間の経過とともにその価値が実際に増加する可能性があります。
ただし、特許の場合、価値の判断はより難しくなります。 一部の特許は、目的を果たし、特定の時点で価値のあるソリューションを提供する場合、より高い価値を持ちますが、たとえばその技術に関する新しい開発がある場合、これは変わる可能性があります.
企業が企業のライセンス供与、買収、合併、または投資を行う場合、特許ポートフォリオの価値に注目します。 個々の特許とポートフォリオを評価する最も一般的な方法の XNUMX つは、コストベースのアプローチです。
コストアプローチとは?
このアプローチは、投資家が資産を購入するか、同等の効用を持つ資産を作成するコスト以上の費用を資産に支払わないことを意味します。 特許の開発中に発生した費用と、類似の製品を再作成または開発するのにかかる費用を考慮します。 ただし、製品の現在の市場価値は考慮されていません。 これは通常、市場ベースのアプローチで考慮されます。
コストアプローチの長所と短所は何ですか?
考慮される主な要因は、発明の特許に貢献するさまざまなコストです。1:
- 労働
- テストとトライアル
- 資機材
- 規制当局の承認と認証
- 特許登録
- 光熱費、宿泊施設、サポート スタッフの諸経費
このアプローチには、購入者にとって多くの利点があります。
- 時間を節約 – 買い手は、特許を開発するために研究開発に時間を無駄にすることはありません
- 支出 – 購入者は、発明の作成や、商品化やリソースなどのその他の特許関連の支出にお金を浪費しません。
- 成功 – 買い手が発明の商業化と販売に成功しない場合があります。特許を購入することで、市場での成功をすでに知っているため、このリスクを回避できます。
ただし、このアプローチにはいくつかの欠点があります。
- 通常、通常の運営費と特許投資費を区別することは難しいため、支出とその価値の間に相関関係はありません。
- さらに、このアプローチは、特許の将来価値などの他の要因を考慮していません。 将来の利益よりも主にコストを重視するため、市場の可能性が十分に認識されていません。
脚注
あなたのおすすめコンテンツ
-
Hiro Life Sciences のご紹介: 創薬を加速させる信頼できる AI アシスタント
カテゴリー: 記事 | カテゴリー: 創薬 | カテゴリー: ライフサイエンス
11月火曜日、26、2024
AI は、膨大で複雑なデータセットへの迅速なアクセスを提供することで、新薬の発見に革命をもたらし、研究者が他の方法では観察が困難な貴重な洞察やつながりを迅速に発見できるようにします。日常的なタスクを自動化し、高度な分析を可能にし、ワークフローを合理化することで、AI は研究開発プロセス全体を大幅に効率化します。
-
Patsnap の年間経常収益が 100 億米ドルを超える
水曜日、6月12、2024
Patsnap は、年間経常収益 (ARR) 100 億ドルを達成するという重要なマイルストーンに到達し、20 年に前年比 2023% という驚異的な成長を記録しました。このマイルストーンは、当社のプラットフォームが 12,000 か国以上の 50 を超える IP および R&D チームに莫大で有意義な価値をもたらし、効率、生産性、コラボレーションを促進していることを強調しています。
-
知財と研究開発のワークフロー向けに構築された AI アシスタント、hiro の紹介
カテゴリー: AIの進歩 | カテゴリー: AI開発 | カテゴリー: AIツール | カテゴリー: 記事 | カテゴリー: 人工知能
火曜日、5月14、2024
Patsnap の業界固有の LLM を活用した Hero は、アイデアの立案から製品の発売まで IP および R&D のワークフローを合理化するように設計されています。堅牢な AI 機能により、hiro は、かつては時間と労働集約的であったタスクに新しいレベルの効率、精度、セキュリティをもたらします。hiro の特徴は、市場でトレーニングされた大規模な言語モデルを利用していることです。主要な特許記録、学術論文、独自のイノベーション データ。これにより、すべてのプロンプトに対して、より正確で信頼性の高い結果が提供されます。