Análisis de Alphasense, el motor de búsqueda de información industrial en el que Alphabet invirtió 130 mil millones
-
thesis
○ La investigación de negocios es una tarea central del trabajo moderno del conocimiento
○ En comparación, las herramientas que la apoyan no son lo suficientemente inteligentes (¡mucho trabajo repetitivo!)
○ Para resolver esto nació Alphasense, un motor de búsqueda especializado en investigación e inteligencia de negocios
○ Con una recaudación agresiva de capital, ha sido valorada en 3.2 billones de wones. ¿Podrá convertirse en el Google de la información industrial? -
founding story
○ Jack Kokko, que trabajaba en Morgan Stanley, conoció a Raj Neervannan, quien cursaba un MBA en Wharton, y ambos conectaron fuertemente con las dificultades del proceso de investigación
○ Para resolverlo, fundaron Alphasense en 2011
○ Su GTM inicial fue con hedge funds (pequeños en escala, con gran poder de compra); después, mediante cold calls, captaron firmas financieras de Wall Street y lograron un rápido crecimiento -
product
-> problema: los motores de búsqueda tradicionales no ofrecen más que una lista de materiales y no entregan insights, además de mezclar información inexacta
-> solución: filtrar solo información confiable y, sobre esa base, ofrecer resultados de búsqueda. A partir de eso, amplió su propuesta a cuatro funciones clave: búsqueda, resumen, monitoreo y workflow
○ Búsqueda: desarrollo de un motor de búsqueda especializado en el dominio de información industrial y corporativa + creación de una base de datos altamente confiable acumulada durante años
○ Resumen: como extensión de la búsqueda, ofrece vistas previas para identificar temas y palabras clave principales
○ Monitoreo: al registrar temas de interés, envía alertas sobre novedades relacionadas
○ Workflow: un workspace donde se puede guardar, registrar y compartir lo descubierto -
market
○ El perfil de cliente de la empresa está distribuido en múltiples mercados
○ Debido al conservadurismo de la industria financiera (donde seguridad y confianza son la prioridad), en vez de concentrarse por completo en la industria de datos financieros avanzó hacia otros verticales
○ Expandió su TAM hacia la industria de investigación de mercado, así como a encuestas y entrevistas con clientes
○ Al expandirse a otros verticales (p. ej., bio/farma), hoy los clientes no financieros representan el 75% del total -
traction
○ Principales inversiones dentro de un total acumulado de 440 mil millones de wones
○ Ronda de extensión de Alphabet: valuación de 1.8B, 100M
○ Goldman Sachs, Wells Fargo, Morgan Stanley, Citi y otras firmas de Wall Street: 180M
○ Innovation Endeavors de Eric Schmidt: 50M
○ Algunas de sus empresas clientes también son inversionistas (p. ej., Google, Goldman Sachs) -
business model
○ Como otros SaaS, genera ingresos a través de ARR y soluciones personalizadas
○ Se estima un cobro por usuario de entre $5000 y $7000
○ Podría alcanzar rentabilidad, pero por ahora aún no es rentable; se espera que después los costos se destinen a actualizar la base de datos y al entrenamiento de LLM -
valuation
○ Su PSR es alto en comparación con empresas pares públicas y privadas (Factset 8, S&P Global 10, Bloomberg 5, Alphasense 12)
○ Para justificar su alta valuación, necesita expandirse con éxito a verticales no financieros y volverse indispensable para una base de usuarios más amplia. Para ello, aumenta la necesidad de usar GenAI/LLM de forma efectiva -
competition
○ Servicios de datos financieros: Bloomberg, Refenitiv Eikon, S&P Capital IQ, FactSet
○ Startups B2B de motores de conocimiento con LLM: Hebbia, Glean
○ La empresa competirá expandiéndose del exterior de la empresa hacia el interior, mientras que las startups de motores de conocimiento con LLM competirán expandiéndose del interior hacia el exterior -
key opportunities
○ Visión: el Google de la investigación de negocios. Más allá del enfoque de perseguir P, también podría ofrecer un servicio más masivo y ligero al perseguir Q
○ Es suficientemente sobria y tan rápida como se necesita (más de 10 años de trayectoria en finanzas + reacción ágil a la tendencia GenAI)
○ Expansión fuera de Norteamérica (APAC)
○ Atractiva oportunidad de exit (posibilidad de adquisición por parte de clientes que también son inversionistas)
○ GenAI/LLM (ofrece la oportunidad de captar atención mediática y financiamiento; luego habrá que pensar cómo crear valor para el cliente) -
key risks
○ Competidores fuertes: existen fosos cualitativos en datos, capacidad técnica, reputación y gestión de clientes, pero en AI / búsqueda el foso tecnológico es débil
○ Pocos ICP (ideal customer profile): no es un producto que usará toda la empresa, y aunque los clientes de la empresa crezcan, eso no implica crecimiento en sus ingresos -
conclusion
○ Alphasense podría convertirse en el Google de la información industrial; observemos de cerca cómo evolucionan su producto y estrategia, y cuánta riqueza logran crear
Aún no hay comentarios.