LES High Tech Deal Term and Royalty Surveys: Descriptive Statistics and Analysis of the Financial Terms (2008 to 2017)
Notice bibliographique
Résumé
The 2017 Licensing Executives Society (USA Canada) (LES USA Canada) High Tech Deal Term and Royalty Survey was launched on July 28, 2017 and closed on September 30, 2017. The Survey received 155 complete deals from 70 companies and organizations. Since the inaugural Survey in 2011, LES High Tech Royalty Surveys have collected a total of 477 samples. This paper presents the descriptive statistics and analysis of the financial terms stipulated in the samples from the 2017 Survey and from the combined samples of all three surveys. Several different payment methods have been adopted by the collected transactions, including flat and tiered percentage rates, flat and tiered unit rate, upfront lump sum payment, and milestone payments, among others. Our analysis focuses mainly on flat running royalty rates as percentages of sales and lump sum payments, which together account for more than two thirds of the combined samples. The 2017 Survey reports an average royalty rate of 5.69% and a median rate of 5%. Over the 10-year period from 2008 to 2017, the average rate is calculated to be 5.73%, and the median rate, 5%. Average and median rates are tabulated for major features and characteristics of the reported deals, including the organization type and size of licensors/licensees, technology features such as technology field and development stage, field of use, type of IP, and exclusivity, among various others. Similar analysis is conducted and presented for the deals with lump sum payments. Our analysis also sheds light on certain specific issues arising from the surveys. As an example, to explain the seemingly counterintuitive royalty rate behavior across exclusive and non-exclusive deals, we take a deeper dive into the data and calculate average royalty rates by exclusivity and by licensor organization types, which offers a tentative explanation to the initially puzzling rate pattern.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».