Читать книгу Стартап. Как начать с нуля и изменить мир - Александр Горный - Страница 3
Глава 1. Технологии
ОглавлениеВ этой главе я собрал стартапы, суть которых – сложное техническое решение. Клиентам или пользователям предлагается не конечный продукт, а элемент инфраструктуры, API или SDK, помощь в разработке. В Советском Союзе это называлось бы «промышленность группы А».
PAYFONE
Вы скажете – по знакомству; а я отвечу – даже если и по знакомству, то знакомство было у многих, а сыграли на нем далеко не все. Впрочем, в биографиях основателей с первого взгляда «мохнатая лапа» не видна.
Payfone договорился с американскими сотовыми операторами о доступе к персональным данным их абонентов и, упаковав их в сервисы, связанные с безопасностью, перепродает дальше. Если я и сгустил краски, то совсем чуть-чуть.
Например, в вашей системе регистрируется новый пользователь. Вводит телефон, имя, фамилию – всё как обычно. А вы, вместо того чтобы просто поверить ему на слово, передаете данные Payfone, чтобы он сверил их с операторскими базами: не куплен ли этот prepaid вчера, а если это контракт, то совпадает ли имя, а если не совпадает, то может ли это быть близкий родственник… В итоге получается некий скоринг и ответ – стоит ли доверять этой анкете.
Или другой пример по другим данным: ваш старый пользователь заходит с нового устройства в личный кабинет. Пароль правильный, но кабинет важный и пускать пользователя просто так боязно, раньше вы для подстраховки отправляли SMS с кодом. А теперь через Payfone вы спрашиваете оператора: а IP-то правильный? Действительно это Bob сейчас через 222.222.222.222 сидит? И если не Bob, то можно и SMS послать, а если Bob, то пользователя не мучить.
Выглядит, конечно, дико неприватно, но операторы на это согласились, сервис работает. Оправдываются они, видимо, тем, что ничего нового не сообщают: если пользователь тот, за кого себя выдает, то он и так всё о себе рассказал, включая IP-адрес, а если пользователь обманывает – ну так и поделом, что его разоблачили. Подлинное имя, разумеется, не раскрывается.
Польза для e-commerce, безусловно, есть. Payfone не бесплатен, но повышение конверсии на каждом этапе куда дороже. С другой стороны, он на 100 % зависим от доброй воли сотовых операторов, а значит, и отдает (или в лучшем случае будет отдавать) им львиную долю своей выручки. Наверное, это обстоятельство и мешает ему стать по-настоящему большим, несмотря на уникальность предложения. За 9 лет жизни Payfone набрал 65 миллионов долларов инвестиций, выручку и прибыльность вроде бы никогда не раскрывал, а последняя оценка стоимости компании – 170 миллионов долларов. Если бы вдруг используемые данные были свои (откуда-то) – стоимость была бы в 10 раз выше.
В 2017 году сервис вышел помимо США на 34 других рынка, финансовые результаты этого неизвестны, но сам факт является несомненным успехом.
Нашей большой четверке, кстати, было бы неплохо такой сервис повторить.
(на момент написания из России не открывается)
TRANSMIT SECURITY
Израильский Transmit Security занимается биометрической авторизацией. С точки зрения теории и высокой науки изобретать здесь уже ничего не нужно: и отпечатки пальцев, и распознавание сетчатки глаза, лица или голоса давно сделаны достаточно хорошо и работают у кучи вендоров. Да, у каждого метода есть разнообразные врожденные недостатки, но до уровня «есть сценарий, в котором это полезно» – доведены они все.
Зато с точки зрения практики простор для действий еще огромный – мы каждый день в различных сервисах вводим пароли, пароли, пароли или в крайнем случае одноразовые коды, а биометрию разве что App Store да Apple Pay активно используют в обыденной жизни. Почему так происходит, никто, разумеется, точно не знает. Может быть, достигнутые проценты ложных срабатываний еще недостаточны. Может быть, средний человек еще не так доверяет миру, чтобы скан своей сетчатки хранить в чужом облаке. Может быть, есть какая-то третья причина.
В Transmit Security предположили, что эта причина – нежелание и лень разработчиков, которые просто не хотят заморачиваться хорошими решениями в своих приложениях, и сделали для них API, поддерживающий основные биометрические методы на мобильных телефонах. Веб-сайтам предлагается тоже использовать телефон по схеме «в браузере кликнул, на телефоне подтвердил».
Программисту не надо самому разбираться в довольно-таки сложных материях, можно просто обращаться к чужому сервису, он сделает всё за тебя. Естественно, за деньги, но зато быстро и надежно; программировать биометрическую авторизацию разными методами теперь легко!
Если гипотеза о лени разработчиков верна, то стартапу уготован грандиозный успех. Авторизация нужна всем, за ее надежность сервисы готовы платить, а согласившись однажды, платить придется вечно, смена подрядчика подобной услуги может оказаться чудовищно болезненной – ведь данные о пользователях лежат в его формате, даже если система развернута на наших серверах (Transmit Security это позволяет).
В открытых источниках есть информация о работе TS с двумя израильскими банками, но намекалось, что есть еще секретные клиенты. Инвестиций проект получил 40 миллионов долларов, для API и команды из 30 человек – фантастически много. Однако 2017-й TS прожил без новостей, и это очень плохой признак, Face ID на месте не стоит, время возможностей уходит.
http://www.transmitsecurity.com/
HEXATIER
Жил-был opensource-проект (выражение означает доступность произведения и материалов, использованных для его создания, по свободной / открытой лицензии. – Прим. ред.). GreenSQL. Суть этого GreenSQL – reverse-proxy (тип прокси-сервера, который ретранслирует запросы клиентов из внешней сети на один или несколько серверов, логически расположенных во внутренней сети. – Прим. ред.) для баз данных, в некоторых специфических случаях – полезная штука, но не бомба, ничем не хуже и не лучше десятков других opensource-проектов. (Для тех, кому слова reverse-proxy ни о чем не говорят: GreenSQL ставится как прослойка между базой данных и всем остальным миром и всё общение с базой данных пропускает через себя.) Был этот opensource-период давно, и все его следы уничтожены, возможно, они даже зарабатывали на консалтинге и кастомных решениях, а возможно, чистый opensource держался на энтузиазме.
В общем, в какой-то момент opensource надоел, его авторы захотели денег и придумали гениальную идею. Технологии не покупают за дорого, высокую цену готовы платить за решения и продукты – так давайте сделаем решение и продукт. Мы будем говорить, что мы продаем Аудит и Безопасность, а не какое-то там proxy. В чем смысл продукта? Через нас проходят все запросы, вот мы и будем их защищать и аудировать. Одна настройка проверяет входящий поток на SQL-injections («на хакеров»), другая – исходящий поток на неправильный контент (мат, что ли, имеется в виду?), третья не дает выкачать из базы пользовательские пароли в открытом виде. Четвертая…
В общем, настроек у них было много, и часть из них действительно делала систему более защищенной. Да, конечно, всё, что можно было сделать без вреда для производительности, и так уже было в самой базе данных, а то, чего не было, в большинстве случаев тормозит. Но что с того? Ну, стал процесс идти чуть медленнее, кого это волнует? Клиент-то теперь – предприятие, а не программист-красноглазик.
Работала система с MS SQL и MySQL и его вариациями, использовать ее можно было как в облаке, так и на собственных серверах. Были предустановки в AWS, Azure, Google Cloud и Rackspace.
Как они соскочили с GPL, я, кстати, не понял, но продукт стал полностью коммерческим. Они даже переименовались в HexaTier, чтобы ничто не связывало их со старым миром.
Большой базы пользователей у них, кажется, так и не появилось, но тем не менее в 2017 году они смогли продаться Huawei за 42 миллиона долларов. Корпорация продукт похоронила, новых версий не будет, продажи остановлены. Впрочем, это уже решение новых хозяев, основатели свои деньги получили.
IFTTT
IFTTT – IF This Then That – отличный удобный сайт для интеграции популярных сервисов между собой. В несколько кликов мышкой пользователь настраивает правила наподобие «если меня отметили в фото на Facebook, то сохранить эту фотографию в Dropbox», или «если на Craiglist появилось новое объявление по моим критериям, то отправить письмо на определенный ящик», или банальный репост из Facebook в Telegram-канал, или что-то еще, количество вариантов бесконечно.
Важно, что для использования IFTTT не нужно быть программистом, вполне достаточно понимания того, чего хочешь добиться; всё действительно делается мышкой в довольно красивом интерфейсе. Цена такого подхода – простота возможных правил. Никаких сложных алгоритмов, одновременного подключения нескольких источников или чего-то еще, любое допустимое действие соответствует канону из названия проекта «если что-то, то то-то», не более и не менее.
Чтобы сайт не был совсем пустым, кроме создания-редактирования-удаления правил, на нем есть еще их списки, коллекции, сортировки по полярности. Если бы что-нибудь было платным – выглядело бы прямо как App Store. Но платного ничего нет, кто ж будет за такое платить… Деньги – вообще больное место проекта, людям он нравится, но как зарабатывать, IFTTT так до сих пор и не придумал, и придумать будет тяжело.
Рекламу продавать бессмысленно: человек на сайт заходит один раз в год, дальше правило работает само. Добавлять рекламу в создаваемые посты и прочие действия – равносильно тому, чтобы убить себе карму и аудиторию. Ввести плату за пользование? Можно, наверное, поставить цену порядка 10 долларов в год с надеждой на 10 % подписчиков, но это, похоже, даже зарплаты текущей команды не отобьет. Играться с первой страницей, продвигать пользователям какие-то правила от Amazon или eBay? Кажется, тоже всерьез на этом не заработать, ведь опять же люди заходят на сайт или в приложение очень редко.
При этом просто игнорировать монетизацию нельзя, IFTTT – это не opensource на подаренном хостинге и не проект чьего-то свободного времени, а вполне серьезная компания с несколькими десятками программистов – поддерживать в актуальном состоянии работу с сотней API дело трудоемкое. Более того, в 2014 году он получил неадекватные 30 миллионов долларов по фантастической оценке в 170 миллионов, т. е. и превратиться в благотворительный opensource уже поздно, такую сумму инвесторам списать будет жалко. Значит, нужна монетизация, которой нет и придумать которую не получается, – ситуация тяжелая. Если всё будет идти как идет, то, когда закончатся деньги раунда, какой-нибудь Google или Facebook купит их по цене найма программистов – хорошо, если сервис после этого не свернется.
FACE++
Несколько лет назад распознавание лиц и смежные технологии незаметно перестали быть чем-то эксклюзивным и превратились в стандартизованный товар. Функции типа «найти лицо на фотографии», «проверить, принадлежат ли лица одному человеку», «найти похожих людей», «определить пол и возраст» предоставляются десятком разных подрядчиков по приблизительно одинаковым ценам и со схожим качеством.
Разумеется, каждый из них может рассказать, почему именно он лучше всех остальных, и в каждом специфическом случае конкретного проекта есть смысл выбирать подрядчика внимательно, а не первого попавшегося, но в целом разницы между ними нет, да и меняются цены и наборы функций раз в полгода.
Стандартизация услуги привела и к открытости условий. Посмотрите на сайт российского VisionLabs: «У нас совершенно уникальная технология, пишите в наш отдел продаж, чтобы узнать условия». Так было модно еще года три назад, но сейчас такому подходу есть вполне человеческая альтернатива: у Microsoft или Kairos прайс-лист публичен, ключи к API можно получить онлайн, есть бесплатная версия с ограничением по числу запросов. Да, наверное, очень большой проект может и скидку получить через общение с живыми людьми, но стартап с десятком тысяч обращений в день просто платит с кредитной карты.
Цены, между прочим, довольно щадящие. Понятно, что всё бывает по-разному, но очень примерно – 0,1–0,3 цента за запрос. Т. е. если привлечение нового пользователя стоит хотя бы рублей 30 и какая-нибудь распознавательная финтифлюшка увеличивает его вовлеченность или конверсию хотя бы процентов на 5, то это уже выгодно с запасом. А если 5 % нет, то и зачем оно?.. При этом маржа выглядит более чем достойно, если считать, скажем, запрос в секунду на ядро процессора, то каждое ядро приносит своим владельцам несколько сот долларов в день. Обратная сторона этой медали очевидна: для сайтов знакомств и подобных сервисов, где поиск лиц актуален на каждом клике, а не пару раз за жизнь, такой прайсинг может быть разорителен, но для них есть предложения по офлайн-SDK с фиксированной ценой.
В общем, в плане доступности технологии будущее уже наступило. Качеству есть еще куда расти, особенно в плане вычисления возраста и определения настроения, но для многих задач всё уже готово. Для иллюстрации: в Китае водитель Didi обязан иногда показывать таксометру свое лицо, чтобы доказать, что он – это действительно он, а не его знакомый на чужом подключении ездит.
Китайский Face++ – один из дюжины мировых проектов, называющих себя лидерами в технологии распознавания лиц. Впрочем, по венчурному финансированию Face++ точно среди лидеров, еще с предпоследнего раунда в 100 миллионов долларов. Зарабатывает компания в основном на контрактах с государством и крупными корпорациями, но и стартапчикам дает открытое API с онлайн-подключением и оплатой по карте.
Результаты бизнеса непрозрачны, масштаб новых интеграций оценить обычно трудно, но, судя по инвестициям, всё идет хорошо, в ноябре 2017 года Face++ получил почти полмиллиарда долларов по оценке в миллиард.
SOUNDHOUND
Еще одна внезапно решенная проблема – понимание простых фраз на естественном языке, что-то на уровне Siri или Cortana. Русский язык публично предлагает Яндекс, а сервисов для понимания английского или даже испанского в интернете просто много.
Не возьмусь утверждать, что стартап SoundHound – самый продвинутый из всех, но у него кроме технологии есть еще и ее собственные применения. Начнем с API. Сделан он правильно, с онлайн-регистрацией и открытым прайсом, без необходимости общения с сейлзами, но с бесплатным минимальным тарифным планом и преднастроенной демонстрацией технологии. Качество продукта объективно оценить сложно – что-то он понимает, что-то нет, процент успеха с очевидностью зависит от акцента говорящего, выбранной темы и просто везения, некое число типа «72 % верных ответов» не говорит ни о чем. Наверное, правильно было бы проверять его через детские тесты: «Разговаривает на уровне среднего ребенка 5 лет и 8 месяцев», – это была бы наиболее информативная оценка. Но, увы, сейчас могу только сказать, что субъективно по распознаванию звуков он примерно на уровне Nuance (это то, что в трех четвертях приложений с голосовым вводом используется), а по пониманию смысла – хоть и неожиданно хорош в простых предложениях, но запутаться может и в них. Сложносочиненные не берет ни в какую.
Сто́ит доступ в самом простом случае от нескольких сотен до нескольких тысяч запросов за доллар в зависимости от размеров выбранного пакета, но это «общая лексика», подключение некоторых тематических пакетов легко может изменить цену раз в десять. Тем не менее, считая даже по 100 запросов за доллар и три фразы в минуту от живого человека, получается, что «зарплата» робота – 300 долларов в месяц за восьмичасовой рабочий день без простоев, отпусков, перекуров, больничных и налогов на ФОТ. В большинстве стран это вполне экономически целесообразный сотрудник колл-центра – и нет, он не будет как голосовой IVR, который в «Аэрофлоте» стоит уже сто лет, конечный клиент может и не понять, с кем разговаривает. А уж во всевозможные текстовые онлайн-помощники его точно можно вставлять по схеме «робот отвечает на то, на что может, человек – на всё остальное». Даже интересно, почему это не встречается в обычной жизни – компания, между прочим, заявляет о 20 000 разработчиков, использующих ее API, а она такая не единственная.
Кроме синтетического демо, на технологии SoundHound можно посмотреть в двух живых приложениях. Hound – полный аналог Siri, но за счет отсутствия в девайсе по умолчанию в тысячу раз менее популярный. SoundHound – умный Shazam, приложение умеет определять звучащую музыку или песню. Главное преимущество SH по сравнению с оригиналом – возможность найти песню не только по профессиональному исполнению, но и если ее пользователь сам в микрофон напоет. «Лучший способ узнать, что за мелодия к тебе прилипла, если не считать любого поисковика». Тем не менее, несмотря на сомнительную пользу отличия и чудовищный интерфейс, страшно перегруженный рекламой, приложение очень популярно, порядка миллиона загрузок в месяц – 1/6 от настоящего Shazam.
Осенью 2017 года компания получила новый раунд инвестиций, по сравнению с предыдущим оценка выросла с 830 миллионов долларов до миллиарда (у Shazam, для сравнения, на пике был миллиард, а публичный Nuance стоит 5 миллиардов). Тратить деньги планируют на расширение числа предметных областей, с которыми умеет работать их AI, и, разумеется, на маркетинг.
MAILGUN
Казалось бы, что может быть проще, чем отправка электронного письма из кода сайта? Пара строчек на родном Python или PHP – вот и всё, задача для Junior-разработчика на полчаса с учетом отладки. Увы, спасибо спамерам и антиспамерам, на деле всё куда сложнее: нужно иметь свой почтовый сервер, нетривиально его настроить, а потом следить, чтобы он не сломался или кто-нибудь из крупных почтовиков его не забанил.
Mailgun позволяет без всего этого обойтись – они за небольшую денежку предоставляют HTTP API для отправки писем с их серверов, и создание e-mail из кода сайта вновь становится задачей на 2–3 строчки! Стоимость этого удовольствия начинается от 20 писем за цент – т. е. в интернет-магазине с 1000 заказов в день (и каким-то разумным уровнем почтовой активности) письма, связанные с заказами (подтвердите адрес – вы не оплатили корзину – вы не оплатили корзину – вы не оплатили корзину – заказ получен – заказ доставлен), будут стоить не более 200–300 долларов в месяц, что эквивалентно 5 % расходов на системного администратора или 0,05 % времени простоя почтовой системы. Но каждый день теребить каждого пользователя по таким расценкам будет дороговато – впрочем, если дойти до максимальных объемов и максимальных скидок, то уже и не так страшно, хотя свой сисадмин выйдет, наверное, дешевле.
Кроме упрощения жизни техотдела стартап старается дать дополнительную ценность и продажам с маркетингом. Логи отправки и доставляемости писем, красивые отчеты, инфраструктура для A/B-тестов – всего этого сложно добиться в небольшой компании, но можно из коробки при использовании Mailgun. А если кто-то подсел на изучение этих цифр, то ему предложат и консалтинг, но уже, разумеется, за деньги.
Рынок таких услуг неожиданно велик: публичных цифр по выручке самого Mailgun нет, но его клон-конкурент Sendgrid заработал в 2016-м около ста миллионов долларов, в следующем году вышел на успешное IPO, сейчас стоит больше миллиарда долларов.
CONFLUENT
Еще один пример бизнеса вокруг opensource-продукта – Confluent. Технология, с которой всё началось, – Apache Kafka, брокер сообщений, написанный на Scala в недрах LinkedIn. Он не так популярен среди гиков, как RabbitMQ, но имеет несколько десятков крупных инсталляций в компаниях типа Twitter и Airbnb.
Confluent, созданный бывшими сотрудниками LinkedIn, хочет работать с еще более солидными клиентами: банками, страховыми, телекомами и прочими традиционными бизнесами, владеющими большими объемами данных и желающими их умно обрабатывать. Место Kafka должно быть где-то между их серверами приложений и кластерами Hadoop.
Кроме обязательных инструментов монетизации opensource: помощи при внедрении, 24×7 поддержки и тренингов – Confluent продает и Enterprise-версию продукта. По сравнению с базовой в него добавлены управляющая админка, автобалансировщик и более мощная репликация, но понятно, что набор дополнительной функциональности может расти безгранично. В 2017 году к джентльменскому набору добавился Confluent Cloud – SaaS-версия продукта, с доступом по подписке. Потенциально эта бизнес-модель, конечно, куда интереснее старой, посмотрим, насколько ее примет рынок.
С точки зрения инвестиций стартап растет удивительно быстро: за первые два с половиной года жизни получено порядка 80 миллионов долларов, оценка, соответственно, недалека от полумиллиарда.
JELLYVISION
Прекрасная иллюстрация зарабатывания денег из ничего и тридцати лет труда – Jellyvision. Очень старая компания, начинавшая с разработки компьютерных игр еще в 80-е годы, нашла свою золотую жилу относительно недавно: теперь она занимается разжевыванием очевидных истин для сотрудников больших компаний.
Представьте себе какую-нибудь корпорацию с парой тысяч сотрудников, каждый из которых должен подобрать опции своей медицинской страховки (или пенсионного плана, или даже правильный вариант больничного выбрать). И все они звонят, пишут или приходят поговорить со специальным человеком в HR, а может быть, и двумя такими людьми: пара тысяч раз по полчаса – это как раз примерно рабочий год, а полчаса выглядят реалистично, это же США, синие воротнички свои права знают лучше, а общая их грамотность ниже, чем у средних офисных сотрудников в Москве.
Jellyvision предлагает прослойку перед HR – специального компьютерного бота, ведущего сотрудника по относительно простому скрипту и приводящего к финальному решению – в конце концов, выбор страховки не такая уж сложная проблема. Сейчас Alex (у бота есть собственное имя) доступен 14 миллионам сотрудников в 800 компаниях, выручка у Jellyvision 20 миллионов долларов в год – т. е. примерно 1,5 доллара за человека или несколько десятков тысяч долларов с компании. Если, скажем, зарплата живого консультанта со всеми дополнительными надбавками – долларов 30 в час, то окупаемость компьютерного помощника начинается, например, с того времени, когда им воспользуется одна треть сотрудников, и каждый из них сэкономит 10 минут времени HR (в жизни должно быть заметно больше). С другой стороны, делать и поддерживать своего бота, как бы это ни было просто, – явно дороже, да и деятельность для 99,9 % корпораций непрофильная.
Пока продажи с первичными интеграциями стоят для Jellyvision дорого, компания даже инвестиции на это привлекает, но через пару лет будет просто грести деньги лопатой. В России ниша, вероятно, свободна.
SNOWFLAKE
Snowflake предлагает своим клиентам Data Warehouse в облаке. Через красивый веб-интерфейс в систему можно загружать любые свои данные от excel-файлов до многогигабайтных таблиц, ну а если счет идет на терабайты (и гонять их через браузер – идея странная), то можно использовать готовые утилиты командной строки.
Следующий шаг после загрузки – собственно анализ. Предполагается, что большинство клиентов будут использовать встроенный SQL через всё тот же красивый веб-интерфейс, но и командная строка опять же никуда не делась. Для тех, кто не очень понимает, а зачем это вообще может понадобиться, несколько примеров (остальные могут три абзаца пропустить).
Пример 1. Выгружаем из своего магазина данные по всем заказам, загружаем их в Snowflake и начинаем делать всякие запросы, пытаясь найти какие-нибудь закономерности или что-то интересное. Это можно было бы сделать в excel, но excel может и не переварить наш объем; это мог бы сделать программист, но программисты всегда чем-то заняты; это можно было бы сделать в своем аналогичном интерфейсе, но его делать надо, а программисты всегда чем-то заняты.
Пример 2. Выгружаем из своего сайта все логи, загружаем их в Snowflake и вечно там храним, а при каких-то авариях-расследованиях смотрим, что же этот пользователь или эта группа пользователей делали на сайте месяц назад. Или, например, статистику по уникам за определенный период в определенном разделе считаем. Это всё мог бы делать сисадмин с помощью grep/awk/sort, но хранить достаточно большие логи на Snowflake, пожалуй что, и дешевле, чем у себя, SQL работает быстрее grep, да и искусство утрачено, не все уже руками считать умеют.
Пример 3. С двух разных сайтов выгружаем их базы и смотрим на пересечения по пользователям, пытаясь увидеть, чем такие люди и их поведение отличаются от остальных. Опять же если аналитик знает SQL, то ему можно программиста не отвлекать, это всегда эффективнее выходит.
По сравнению с традиционными решениями облако дает свое главное классическое преимущество – оплата только за потребленные ресурсы, что во многих задачах может означать практически ноль. Хранение данных стоит 40 долларов в месяц за терабайт – это, конечно, дороже себестоимости (Амазон S3 – 23 доллара), но для разумных объемов полностью компенсируется отсутствием беспокойства. Цена вычислений зависит от тарифного плана, масштаб – несколько долларов в час. Для случая аналитика, работающего в интерактивном режиме, оплата за решение без следа растворится в зарплате специалиста.
От конкурентов-клонов Snowflake защищен технической сложностью – попробуйте сделать SQL, который хоть как-то будет переваривать терабайты информации без лицензионных отчислений и профессионального DBA, думающего отдельно о каждой таблице.
Тема модная, красивые графики все рисовать любят, аналитики в любой американской компании есть, сервис им нравится, выручка растет, инвестиции тоже растут. В последней сделке стартап получил 100 миллионов долларов по оценке около полумиллиарда.
OKTA
Казалось, что специальным SaaS-приложением можно решить любую проблему, кроме проблемы слишком большого количества подключенных SaaS-приложений, но стартап Okta взял и этот рубеж.
Корпоративный мир, особенно американский, любит использовать красивые и полезные SaaS-решения, в рамках одной компании может использоваться и сотня каких-то сервисов, начиная со Slack и заканчивая Salesforce. В результате (в худшем случае) системные администраторы при приеме-увольнении нового человека должны завести-удалить с десяток записей в разных системах, а сам сотрудник должен помнить дюжину паролей с разными требованиями и разными политиками по обновлению.
И вот тут-то на сцену и выходит Okta. Их основной продукт реализует Single Sign-On между корпоративной Active Directory и тысячами разнообразных SaaS, т. е. возможность ходить везде по «паролю от винды», вводимому в одном месте. Нужно один раз настроить всё правильно, и дальше пропадает как значительная часть рутины сисадминов по управлению учетными записями, так и необходимость в отдельных паролях для конечного пользователя. И да – проинтегрированных сервисов действительно тысячи, я не преувеличиваю.
Кроме удобства, естественно, повышаются и безопасность, и управляемость IT, и всё это относительно недорого – несколько долларов за человека в месяц, почти любой полезный SaaS стоит в разы дороже, а их у целевой аудитории подключено как минимум несколько. Платных клиентов у Okta около двух с половиной тысяч, в сумме они приносят выручки порядка 150 миллионов долларов в год, оба числа ежегодно почти удваиваются. На окупаемость компания пока не вышла, но сделает это, по сути, когда захочет, достаточно только притормозить маркетинг и темпы роста. Другой вопрос, что это пока никому не нужно, деньги на развитие в 2017 году на IPO получили, года на три должно хватить. На бирже компания сейчас стоит 2,2 миллиарда. (И да – Microsoft их уже не купил, хотя, казалось бы, должен был. Он делает свой аналог.)
GRAMMARLY
Насколько могу судить, я пишу по-русски достаточно грамотно. И то же думал про свой английский: я понимал, что мои тексты упрощенные, без сложных конструкций и ярких идиом, но считал, что явных ошибок в них мало, тем более что и браузер, и word подчеркивали что-то редко. Ха! Стоило установить себе плагин от Grammarly – и иллюзии развеялись как дым.
Это всего лишь проверка грамотности текста, но это хорошая проверка. Он не проверяет слова по словарю, а действительно знает английскую (только английскую) орфографию с пунктуацией, видит пропущенные запятые, несогласование времен, неправильные артикли, понимает, что player должен обязательно has, а не have, и замечает еще огромную кучу разных проблем. Меня правит практически в каждом абзаце, при том что, повторюсь, стандартные средства не подчеркивают почти ничего. Важно, что ошибки не просто отмечаются, но и полноценно разъясняются. В общем, действительно полезное применение технологий AI.
Технически в Grammarly есть три варианта реализации: плагин к Chrome/Safari/Firefox/IE, плагин к MS Office и самостоятельный текстовый редактор. Работоспособным кажется только вариант в браузере – менять привычный редактор даже ради проверки английского – это чересчур, а в Word он почему-то ломает возможность Undo через Ctrl-Z (как?! кто так программирует?!), что, конечно, полностью убивает возможность использования.
Модель монетизации, естественно, основана на подписке – бесплатно можно видеть только явные ошибки, а премиум-пользователи примерно за 20 долларов в месяц получают еще и стилистические рекомендации в духе «a lot of тут не подходит, используйте лучше much». Платит за такое скорее всего очень маленький процент аудитории, но при текущих 7 миллионах DAU это должно быть несколько сот тысяч человек (т. е. десятки миллионов годовой выручки).
Компания говорит, что она прибыльная, да и инвестиций до 2017 года не было, убытки покрывать было нечем, куда бы они делись без прибыльности. Но решили расти быстрее, взяли аж 110 миллионов долларов весной 2017-го.
CLOUDERA
Про успехи Cloudera рассказывать скучно, всё слишком обычно, как в истории про нужный продукт в нужное время и нужном месте. Талантливые инженеры создали свой дистрибутив хорошего набора opensource-продуктов (Hadoop и экосистемы вокруг него), а талантливый менеджер построил систему консалтинга и поддержки – и рассказывать про них нечего, все такие бизнесы очень похожи.
Бум Big Data приумножил востребованность стартапа, иметь много данных стало модно, всем надо их хранить и обрабатывать, Hadoop – популярнейшее решение, а Cloudera – крупнейший его поставщик. Проект стал не просто хорошим, а суперуспешным, в списке клиентов – весь цвет мирового бизнеса от Cisco до MasterCard.
Итог развития – закономерное IPO в 2017 году, текущая капитализация в 2 миллиарда долларов, в P&L сплошные убытки, а выручка стремительно растет – всё опять же по классическим канонам. Но на этом благостном фоне есть один очень интересный и необычный факт: IPO-то на самом деле downround! Последние венчурные деньги привлекались в 2014 году по оценке четыре миллиарда, а не два.
Инвестором тогда был Intel, причем уже тогда было известно, что он существенно переплатил, – всего лишь за две недели до него в Cloudera инвестировали другие фонды, и их оценка была 1,8 миллиарда, так быстро проекты не растут. Точные мотивы этого шага всплывут в мемуарах лет через двадцать, но, по слухам, необоснованность цены Intel отлично понимал, и это была осознанная премия за большую долю и дальнейшее влияние на развитие стартапа. Софт от Cloudera – один из самых популярных потребителей процессорной мощности в мире, и теперь его оптимизируют в первую очередь именно под железо от Intel – и это факт, а не домыслы, для подтверждения достаточно полистать блог проекта. При этом важно помнить, что программисты Cloudera ведь не только свой код пишут, но и в основной opensource-репозиторий Hadoop коммитят, а значит, новые Xeon'ы получают преимущество перед конкурентами вообще по всему рынку. Такой бонус вполне может стоить 400 миллионов долларов, которые потерял Intel в этой инвестиции…
MariaDB
Давным-давно в мире была одна, безусловно, лучшая СУБД для «легких» проектов – MySQL. Выпускалась она компанией MySQL AB под GPL-лицензией, а тем, кому GPL не подходил, продавали закрытый, проприетарный вариант, но таких было немного, не в них дело. MySQL был жутко успешен и как IT-продукт, и как бизнес, и в результате этих успехов компанию за миллиард долларов купила Sun Microsystems, а еще через год саму Sun за еще большие деньги купил Oracle.
И вот тут возникла проблема. MySQL – база данных; Oracle – база данных, налицо потенциальный конфликт интересов; сообщество испугалось, что новый владелец свою новую игрушку сломает ради главного продукта, и мир останется без любимой СУБД. Прошло уже почти 11 лет, страхи не оправдались, всё работает, но кто же мог это знать тогда.
Беспокойное сообщество возглавил Michael «Monty» Widenius, сооснователь MySQL, его технический директор и ведущий разработчик в одном лице. Он ушел из Sun еще до объявления о поглощении Oracle по совсем другим причинам и сразу создал компанию MariaDB (его дочерей зовут My и Maria), которая делала свой fork MySQL, а деньги зарабатывала на платной поддержке основной версии. После сделки с Oracle и общего беспокойства компания стала популярнее и жить ей заметно стало проще.
Первые годы MariaDB старалась быть скорее версией MySQL, чем самостоятельным продуктом. Они поддерживали полную совместимость по фичам и даже соблюдали ту же нумерацию версий, т. е. все новшества MySQL 5.5 поддерживались в MariaDB 5.5. Некоторые дистрибутивы операционных систем включали в себя MariaDB вместо MySQL: выглядит так же, нумеруется так же, простой пользователь ничего не заметит – почему бы и не помочь благородным рыцарям в борьбе со злобной корпорацией?
Потом пути стали расходиться, одной семьей продукты остались, но они уже не близнецы: у MariaDB теперь есть собственный бренд, по рейтингу db-engines она на 18-м месте в мире; на HH есть 69 вакансий с ее упоминанием (tarantool, для сравнения, встречается в 40), но, конечно, никакого сравнения по востребованности с настоящим MySQL. Что касается бизнес-модели, то тут всё типично для компаний, зарабатывающих на opensource-продуктах. Специальный платный дистрибутив, подписка на поддержку, платное обучение – ничего кардинально нового никто придумать не может, все всё делают одинаково, даже дизайны сайтов у всех похожи. Текущая оценка компании – порядка 350 миллионов долларов.
TWIGGLE
Несколько лет назад таких проектов было много, но, кажется, качества продукта никому не хватило, все умерли. Может быть, сейчас пришло время и теперь получится. Twiggle продает e-commerce-сервисам технологию интеллектуального поиска по товарам с пониманием естественного языка.
В качестве демонстрационного примера они используют запрос «Open back button dress for a wedding under 200 not blue» – попробуйте вбить его аналог в любую Ламоду, в лучшем случае как раз синие платья в выдаче и окажутся. Или, например, «under 200» – самый тупой консультант в магазине отлично поймет, что это про цену, но никакой интернет-магазин – нет. Даже Амазон не понимает! Запрос «tv under 200 dollars» там легко выпадает в саджестах, он популярен, живые люди хотят так искать, но посмотрите, как им отвечает «магазин всего».
У Twiggle в демонстрациях, разумеется, всё работает. И «not blue», и «under 200», и «dress shirt» с «without» в других хитрых примерах – всё это стартап понимает корректно, и результаты выдачи соответствуют человеческим ожиданиям. В списке клиентов проекта – самые громкие имена E-commerce, начиная с Walmart.
Технически Twiggle работает как SaaS, предоставляя партнерам, по сути, два метода API: «загрузить базу» и «получить результаты поиска». Интеграция, соответственно, несложная, дизайн менять не надо, использовать легко. Русский язык, к сожалению, не поддерживается, в местные проекты чудо-оружие внедрить не получится. Инвестиций компания получила 35 миллионов долларов.
BITLY
Помните bit.ly – способ обмануть Твиттер и уместить длинную ссылку в 140 символов? Твиттер с тех пор внедрил собственный укоротитель, а bit.ly из кнопки для хипстеров (тогда уже было это слово?) превратился в инструмент маркетинга для корпораций, а заодно и переименовался в более солидный Bitly.
Ядро продукта за истекшие годы не изменилось – стартап по-прежнему берет длинную ссылку, превращает ее в короткую и обеспечивает редирект, и эта возможность по-прежнему открыта для любого желающего. Бизнесу вокруг нее предлагают аналитику, красивые графики о том, кто, когда и зачем кликал по ссылке, а также статистику устройств и привычек аудитории. Те, у кого есть и мобильный сайт, и приложение, могут подключить себе автоматически генерируемые промежуточные лендинги, объясняющие альтернативу для пользователя.
Назовем вещи своими именами – технологии тут нет никакой, «для себя» всё это за вечер запрограммировать можно, но у нормального маркетолога или SMM-щика из обычной офлайновой компании программиста под рукой нет, и внешний сервис оказывается полезен. За счет опыта и статуса первопроходца Bitly получил огромную долю своего рынка, они говорят про клиентскую базу в три четверти компаний из Fortune-500. Но, увы, сетевого эффекта у инструмента нет, сильно поднимать цены нельзя, поскольку конкурента можно создать за полгода, и он будет ничем не хуже.
Так компания и живет. Последние инвестиции были еще в 2012 году, освоили в сумме около 30 миллионов, а летом 2017-го смогли продаться за 63 млн.
SIMILARWEB
Ключевая идея Similarweb – поставить миллиону пользователей плагин в браузер, который будет собирать информацию об их серфинге и отправлять на центральный сервер. Там Умные Алгоритмы перевзвешивают собранную статистику по географии и другим параметрам, и вуаля – у нас есть данные о приблизительной посещаемости всех сайтов интернета. Можно смотреть количество визитов, переходы из разных источников, распределение аудитории по странам – в общем, счетчик начала века, но не по своему сайту, а по конкурентам. Не знаю, кто эту технологию изобрел, но лучше всех реализовала ее Alexa, и много лет она была главной мировой пузомеркой. Википедия до сих пор для web-сайтов использует Alexa Rank как мерило популярности.
Основатели Similarweb, однако, не испугались существования старого гегемона и сделали, по сути, такой же сервис. На старте у них было чуть больше отчетов, чем у конкурента, но любой скептик бы справедливо сказал: «Это же копируется за человеко-месяц, а авторитет вы не догоните никогда». Любой скептик оказался не прав: Alexa – непрофильный актив Амазона, вкладываться в его развитие гигант не хочет до такой степени, что недавно даже имя переиспользовал, теперь Amazon Alexa – аналог Siri, а не интернет-аналитика. И по фичам всё не догоняет и не догоняет.
Вторая основа успеха Similarweb кроме «не бояться конкуренции» – это «брать дорого». Даже сейчас тарифы Alexa за платный доступ к статистике заканчиваются на 149 долларах в месяц, в то время как у Similarweb начинаются со 199 долларов. Раньше разрыв был еще больше. Высокий чек подразумевает и процесс продажи, наличие аккаунт-менеджеров, индивидуальных скидок и прочих атрибутов почти настоящего B2B – то, о чем для такого простого сервиса раньше никто и не думал. И корпорации платят, ведь, говоря откровенно, для какого-нибудь аналитика из Disney разница между 1800 и 12 000 корпоративного бюджета исчезающе мала, а числа у Similarweb, по общему мнению, лучше – как в смысле точности (по крайней мере в США), так и по количеству отчетов.
В общем, в вебе стартап уже лидирует, основной вопрос сейчас в успешности самого веба, всех интересуют мобильные приложения, а не сайты. Similarweb пытается делать аналитику и по ним, пока выходит куда хуже, хорошей статистики остается только ждать, но инвесторы верят. Инвестиций за свою историю компания получила больше ста миллионов долларов, оценка в последнем раунде – около восьмисот.
DATAMINR
Если бы Первая мировая война начиналась сейчас, то самым ранним ее признаком был бы твит типа «Ого, какие-то выстрелы около Латинского моста! Интересно, что там с эрцгерцогом?» По основным информагентствам сообщение о ранении прошло бы минут через пятнадцать, а то и все полчаса. Это запаздывание не имеет почти никакого значения для большей части человечества, но есть одно важное исключение – биржа. Немедленно после публикации такой новости котировки рухнут, а тот, кто прочтет и правильно поймет твит, будет иметь время для распродажи своего портфеля по старым, еще докризисным ценам.
Dataminr продает доступ к такой ранней информации. Глубокая интеграция с Твиттером и на этот раз, без шуток, умные алгоритмы помогают ему находить твиты свидетелей чего-то необычного, группировать их по событиям реального мира и предоставлять подписчикам в относительно компактном виде. Ну а те получают преимущество во времени и узнают, какие акции упадут или поднимутся через полчаса. В промоматериалах Dataminr рассказывает о своих успехах в раннем обнаружении нескольких известных терактов – и в принципе даже и одного случая для большого фонда достаточно, чтобы окупить любую цену подписки. Увы, никто не знает количество ложных тревог – а они-то могут стоить очень дорого.
Кроме трейдеров услуги Dataminr покупают СМИ и государство. Со спецслужбами в прошлом году был большой скандал, Твиттер возмутился использованием его данных для перепродажи в разведку и заблокировал доступ. Потом, видимо, без лишнего шума обо всём договорились, сейчас на сайте Dataminr есть предложение для госорганов. За свою историю компания привлекла 180 миллионов долларов инвестиций, последний раунд был по оценке в 700 миллионов. Среди интересных акционеров проекта – Твиттер и венчурный фонд ЦРУ.
INCONTEXT SOLUTIONS
Бизнес-модель InContext Solutions – обычная разработка на заказ. Под каждого нового клиента согласовывается индивидуальное техническое задание, потом результаты внедряют, интегрируют, дорабатывают по Time&Materials – скучно и не по-хипстерски, таких компаний тысячи.
То, что уникально в ICS, – базовый продукт, вокруг которого они строят конечные решения. Стартап разработал конструктор офлайнового магазина в виртуальной реальности. Никакого радикального изобретения или чего-то суперуникального в нем нет, но конкуренту такое быстро не повторить: человеко-годы вложены в библиотеки реалистичных полок и товаров, интеграции со складскими программами и подобные нудные вещи.
Фантазия клиентов, разумеется, не ограничена, но стартап описывает некоторые типичные применения технологии. Самый понятный интернетчику сценарий – A/B-тестирование нововведений. Покупатели с улицы погружаются в две версии Матрицы и закупаются там, как обычно, а организаторы эксперимента сравнивают карты внимания и реальные покупки при разных способах раскладки товаров. Чтобы поведение участника эксперимента в виртуальности было более естественным, покупки оттуда можно ему и в реальной жизни продавать – он заодно и время на поездку в супермаркет сэкономит.
Виртуальный магазин используют и для своих. При разработке новой идеи виртуальная реальность выступает дизайн-макетом для обсуждения, а потом и площадкой для обучения персонала. По сравнению с натуральным стендом экономятся чудовищные деньги, а у обычных презентаций и видеороликов виртуальность выигрывает качеством погружения. Самый же забавный, на мой взгляд, сценарий – продажа продажникам. Если вы предлагаете ритейлеру свои услуги или технологию, то ICS помогает создать просто чумовую презентацию, такой питч лицо, принимающее решение, запомнит навсегда.
Инвестиций стартап за свою историю получил около 50 миллионов долларов, для столь специфической ниши это даже слишком большие деньги.
http://www.incontextsolutions.com/
PROOV.IO
Тысячи B2B-стартапов разрабатывают продукт и технологии, которые должны сделать жизнь больших корпораций еще проще или еще богаче. Big Data-анализ персонала с целью предотвращения оттока – сто проектов, индивидуализация системы лояльности – двести вариантов, интеллектуальный мониторинг серверов – «всего» десять решений, но десять – это тоже здоровая конкуренция.
Попробовать на практике даже одно из предложений – уже боль. Необходимо решить тысячу мелких вопросов с доступом стартаперов через firewall, с защитой персональных данных от утечки, с замером эффективности решения, в конце концов. Запуск каждого пилота длится несколько месяцев даже в самой эффективной корпорации. А хочется-то не одно решение проверить, хочется проводить тендер типа закупки воды для офиса, чтобы сравнить все доступные варианты. Вот на эту-то проблему и нацелился стартап proov.io.
По их плану весь интеграционный ад по созданию тестового окружения корпорация делает один раз, но не где-то у себя, а на инфраструктуре стартапа, после чего proov.io автоматически дублирует условия для нескольких разных экспериментов. Тестовые данные предполагается заранее видоизменять до такой степени, чтобы в их утечке не было ничего критичного. Более того, стартап умеет допридумывать содержимое базы по образцу, вопрос применимости таких искусственных данных для машинного обучения – а это половина современных стартапов – мягко обходится.
Обслуживание бесплатно для стартапа, платно для корпорации, но те и другие слетаются на proov.io как мухи на мед, боль действительно острая, сейчас в системе больше сотни крупных компаний и почти тысяча проверенных и отобранных стартапов. Такая база, между прочим, уже представляет самостоятельную ценность, но работать как маркетплейс и брать деньги за «знакомство» proov.io (пока?) не хочет.
Что касается практики и реальных тестов, то, увы, с ними хуже. Предложенный инструментарий далеко не покрывает сложность мира и хорошо работает только в очень простых случаях, реакцию живых пользователей на новый алгоритм через proov.io не проверить. В итоге в системе, позиционирующейся в качестве площадки для проведения массовых экспериментов, их сделано всего 1,5 на одного зарегистрированного корпората – в реальности большинство, конечно, не дошло и до одного. Инвестиций за свою историю proov.io получил больше 20 миллионов долларов, в третий раз напишу про актуальность темы – она любые деньги оправдает, если все-таки получится сделать что-то эффективное.
VERIFYOO
Биометрическая аутентификация – это хорошо, и скорее всего именно за ней наше будущее, но остается вопрос, какой именно инструмент станет общепринятым. Лидирует, конечно, отпечаток пальца, но смотрите последние новости Apple – борьба продолжается. Verifyoo предлагает еще один вариант технологии.
Уникальным идентификатором стартап выбрал почерк. Для подтверждения своей личности человек рисует на сенсорном экране несколько букв, а Verifyoo сравнивает с эталоном амплитуду дрожания пальца, скорость движений и подобные параметры. Преимущество подхода по сравнению с отпечатком пальца или лицом очевидно – проверку нельзя пройти помимо своей воли, нет кисти или головы, которые злоумышленник мог бы отрезать и использовать для взлома. Не менее очевиден и недостаток – почерк человека может меняться в зависимости от обстоятельств, например, при опьянении. Впрочем, не пускать пьяного в приложение – это же самостоятельная интересная функция; может быть, ею и стоит заниматься, а не аутентификацией.
Сейчас SDK работает на небольших базах, т. е. не претендует на различение миллионов людей, но после ввода логина надежно выдает бинарный ответ: «он» или «не он». Боевых применений у Verifyoo пока не было, инвестиций потратили совсем немного – полмиллиона долларов.
ZIPWHIP
Старый добрый проводной телефон сейчас по-прежнему главный способ связи с клиентами для многих бизнесов. Это хороший и эффективный инструмент, а Zipwhip нашел способ его улучшить. Американский стартап прикрутил к телефону смс.
Для пользователя всё выглядит абсолютно прозрачно: есть номер, на него можно звонить, на него же можно отправлять смс, сообщения читают, на них отвечают – всё логично и не требует дополнительных усилий. Бизнес интегрирует Zipwhip тоже просто: он оплачивает подписку, подтверждает владение телефонным номером и дальше получает доступ к облачной системе, куда теперь падают сообщения. Кликнул в веб-интерфейсе – SMS отправилась. В зависимости от тарифных планов подключается еще интеграция с CRM и прочие очевидные функции.
Технически магия осуществляется где-то на стороне сотовых операторов, по системе a la наш MNP. Sprint или Verizon смотрят на номер, видят, что он прикреплен к Zipwhip, и пересылают смс ему, а не оператору проводного телефона. Стоит счастье от 35 долларов в месяц; скорее всего услуги стартапа окупятся даже с парочки клиентов, которые отправят SMS, не подумав, что делают. Без ответа они бы, наверное, пошли в другой ресторан или автосервис. При этом чем более популярны Zipwhip и его прямые конкуренты, тем больше пользователи привыкают, что бизнесы читают смс, тем более востребованным становится такой апгрейд проводного телефона.
Кроме обычного продвижения через интернет Zipwhip ищет клиентов и через партнерки с операторами, допродавать SMS по их базе клиентов – одно удовольствие. Впрочем, стартап пока всё равно маленький: 6500 клиентов, выручка не раскрывается, но, исходя из тарифов, выходит три-четыре миллиона долларов в год. Инвестиций Zipwhip привлек сорок миллионов, половину – осенью 2017 года.
MATROID
Повесить камеру сейчас стоит копейки, гораздо дороже в нее постоянно смотреть, чтобы не пропустить интересующий момент. Много лет напрашивался стартап с наблюдателями из условного Бангладеш, смотрящими за порядком в США. Местный дорогой сотрудник безопасности выбегал бы только при проблемах, т. е. почти никогда. Не знаю, запустили ли такой в реальности, а Matroid уже нашел более прогрессивное решение.
В его модели вместо живого человека на видеопоток смотрит AI. Универсальных настроек не существует, каждый клиент ищет свои собственные интересности, кому-то важны любые люди около запретной двери, кому-то чье-то конкретное лицо. В Matroid покупатель загружает собственные образцы для тренировки своей уникальной нейронной сети и включает ее для своей камеры. Удачными настройками сеток можно делиться с миром, пока вроде бы на чистом альтруизме, но в будущем, наверное, и заработать можно будет.
Прайс стартапа выглядит по-современному, с открытыми тарифами, бесплатным минимумом на пробу и оплатой по карте. Оптом 1000 секунд распознавания стоит 40 центов, в переводе на восьмичасовой рабочий день выходит 250 долларов в месяц. Сейчас это сравнимо с конечной ценой живого человека в Бангладеш, но куда лучше масштабируется и со временем будет дешеветь, а не дорожать. Со стоимостью аренды сервера эти числа можно даже и не сравнивать, unit-маржинальность у Matroid отличная.
Хотя клиенты приходят с улицы с произвольными задачами, сам Matroid целенаправленно ищет потребителей в определенных секторах. Кроме очевидной безопасности, сейчас он активно предлагает мониторинг телевидения для крупных компаний в поисках показов их логотипов и первых лиц.
Любопытно, что стартап выглядит очень круто и современно, но прорывных технологий внутри нет, библиотеки используются чужие, веб-интерфейс с биллингом может повторить каждый. Продукт уже готов, а инвестиций пока потрачено всего 3,5 миллиона долларов, в последнем раунде привлечено 10, но это на будущий маркетинг, а не на разработку.
SHAZAM
За свою жизнь Shazam набрал больше миллиарда загрузок, вряд ли кто-то из читателей не знает, как он работает, но на всякий случай кратко опишу идею. Пользователь запускает приложение, нажимает главную кнопку размером в пол-экрана, Shazam распознает играющую рядом музыку, сообщает ее автора и название вместе со ссылкой на магазин. Вторая половина экрана занята рекламой; по большому счету, ничего сверх этого в приложении нет.
Работает Shazam хорошо, музыка распознается не только из официального трека, но и из фона в рекламе или миксов. База записей не охватывает вообще всё, созданное человечеством, но очень велика. Для примера: стартап умеет находить «Комсомольцев-добровольцев» в исполнении ансамбля имени Александрова, но не знает «Когда рассвет, товарищ?» Мирей Матьё – граница актуальности лежит где-то между этими двумя композициями.
История Shazam – история двух технологических революций. Первые инвестиции стартап получил еще в 2001 году, за 6 шесть лет до релиза айфона, за год до появления коммерческих 3G-сетей. Продукт было невозможно не только массово использовать, но и эффективно монетизировать – презентация iTunes Store состоялась 28 апреля 2003 года, Spotify родился в 2006-м. Потребовалось десять лет, чтобы появилась вся нужная инфраструктура и Shazam стал действительно востребованным. Аудитория росла, вместе с ней росла выручка, компания привлекала новые инвестиции по всё более высокой оценке. В 2015 году стартап достиг оценки в миллиард долларов, перспективы были самые радужные.
А потом случилась революция глубокого обучения, произошел прорыв в развитии нейросетей. На наших глазах ключевая технология Shazam из полумистического достижения инженерной мысли стремительно превращается в неплохую дипломную работу студента «Техносферы». И одновременно пропадают перспективы: в новой реальности продукт относительно легко и дешево повторяем, никакого конкурентного барьера у него нет, пользователю всё равно, пользоваться оригиналом или клоном.
При этом Shazam хотел кому-то продаться: фонды не прочь были вернуть свои инвестиции, а основатели – наконец что-то заработать на проекте, который ведут почти двадцать лет. Справедливая цена продажи определялась текущей выручкой – 50 миллионов долларов в год. Apple – один из идеальных покупателей: денег у него много, интерес к музыке огромный, более логичную сделку трудно придумать. Apple и купил Shazam за 400 миллионов долларов в декабре 2017 года.
ASODESK
По многим параметрам мобильные приложения уже обошли сайты, их значение для пользователей и интернет-бизнеса растет с каждым годом, и вместе с ним растет важность ASO (App Store Optimization). Asodesk предлагает инструмент для мониторинга популярности поиска ключевых слов в сторах.
Техническая идея очень простая, только реализовать ее куда сложнее, чем описать. Пока пользователь вводит запрос, App Store и Google Play пытаются угадать, что он имеет в виду, и предлагают подсказки. Варианты сортируются на основе популярности, а значит, какая строка выше – ту чаще и ищут. Asodesk ежедневно запрашивает у сторов миллиарды подсказок, сравнивает разные варианты и составляет рейтинг популярности запросов – эдакий Wordstat Яндекса, но для ASO. Абсолютные числа ему брать неоткуда, Asodesk меряет только соотношение между разными словосочетаниями. На практике это не самый страшный недостаток: точные числа пользователю всё равно не нужны, описание приложения затачивают под лидеров тематики, нет принципиальной разницы, сколько именно запросов, если их много.
Кроме сортировки запросов Asodesk показывает положение приложений в выдаче по каждому из них. Следить можно за собственным продуктом, за прямыми конкурентами или за всеми, кто попадает в топ по интересующему ключевику. И конечно, все данные обернуты в красивые дашборды, графики и нотификации об изменениях в Slack – не csv-файлы же в 2018 году продавать. Бесплатный тариф Asodesk сильно ограничен, но позволяет поиграться и попробовать продукт, платные – начинаются с 50 долларов в месяц.
Кроме аналитики Asodesk предлагает скромную функцию «вывод в топ» (продажу мотивированных установок), по словам основателя, ее доля в общей выручке не решающая.
В Долине проект получил бы 10 миллионов долларов инвестиций (правда, от «вывода в топ» пришлось бы отказаться), в России стартап живет на свои, даже несмотря на прицел на мировой рынок и реальные продажи в США. Лояльных платящих клиентов аналитики у Asodesk сейчас несколько сотен.
EVER
Автоматическая идентификация лиц коммодитизируется, новые поставщики появляются каждый месяц, ничего интересного в этом нет. Тем не менее американский Ever дает повод написать о двух особенностях этого бизнеса.
Во-первых, он наглядным образом демонстрирует, что технологии уже достаточно хороши, чтобы качество не приносило существенных бенефитов. На промостранице Ever висят результаты «объективных» тестов, по которым стартап, разумеется, занимает уверенное первое место. Однако даже в этом пристрастном исследовании, которое явно не завышало результаты конкурентов, видно, что они прекрасны и неотличимы. Невозможно сказать, лучше ли 98,37 % правильных ответов в одном тесте и 99,7 % в другом, чем 98,67 % и 99,3 %, или наоборот. И даже если у кого-то «всего лишь» 98,0 % и 99,0 % – нет представимых сценариев, в которых это существенно повлияет на бизнес клиента. Технология с 99,999 % точности найдет себе новые применения, но пока все болтаются в диапазоне 98–99,5, их возможности идентичны.
Во-вторых, Ever показывает, от чего зависит качество продукта, и это совсем не гениальные инженеры. Еще три года назад стартап развивал приложение, максимально далекое от искусственного интеллекта и распознавания образов, – мобильную бэкапилку фотографий. Фото и видео перезаливались с телефона в платное облако, потом пользователь в удобном интерфейсе чистил память своего аппарата и продолжал беззаботно фотографировать. Предложение совершенно не уникальное, альтернатив много, но аудитория у Ever была, и в облаке стартап накопил 12 миллиардов фотографий, размеченных хотя бы автором. На этой базе стартап и тренировал нейросетку, отсюда и пришли хорошие результаты.
После пивота Ever получил 16 миллионов долларов инвестиций. Забавно, что после этого они поменяли технического директора – старый «обогнал» Google с Microsoft, но все равно не подходит, нужен новый.
FRIENDLYDATA
Базовые конструкции SQL близки нормальному английскому языку, даже человек, далекий от программирования, понимает простые запросы – ну что здесь не понять: select name from employees where title='уборщик'. Совсем другое дело – такое написать, это еще не профессия, но уже полноценный навык. Одна неверная буква – и компьютер ругается, запрос не проходит, надо бежать на поклон к программисту.
FriendlyData делает работу с базой, доступной каждому маркетологу. Умный интерфейс разбирает фразы на естественном языке, превращает в SQL и выдает результат. «Give employees with title уборщик», «show me employees whose title is уборщик» – FriendlyData понимает самые разные варианты написания запроса. Технология, конечно, неидеальна и никогда идеальной не будет. Чем сложнее задача, тем проще сбить с толку робота, связь пяти таблиц такая механика не осилит никогда – на мягком естественном языке вопрос просто не сформулируется однозначно.
Но, положа руку на сердце, нормальному менеджеру гораздо чаще нужны куда более простые задачи, чем связь пяти таблиц. FriendlyData помогает пользователю самому найти наиболее посещаемую страницу, или посмотреть результаты A/B-теста, или выбрать самый кликабельный баннер. Компания-покупатель в это время увольняет пару специалистов, которые раньше обслуживали нетехнических коллег и исполняли, по сути, функцию FriendlyData.
