Análise do Alphasense, motor de busca de informações setoriais no qual a Alphabet investiu 130 bilhões

Análise do Alphasense, motor de busca de informações setoriais no qual a Alphabet investiu 130 bilhões

1. thesis
   ○ A pesquisa de negócios é uma atividade central do trabalhador do conhecimento moderno
   ○ Em comparação com isso, as ferramentas que dão suporte a esse trabalho ainda não são inteligentes o suficiente (muito trabalho repetitivo)!
   ○ Para resolver isso, surgiu o Alphasense, um motor de busca especializado em business research / intelligence
   ○ Com captação agressiva de recursos, a empresa alcançou uma valuation de 3,2 trilhões. Será que ela pode se tornar o Google das informações setoriais?

2. founding story
   ○ Jack Kokko, que trabalhava no Morgan Stanley, conheceu Raj Neervannan, que fazia MBA em Wharton, e ambos se identificaram fortemente com as dificuldades do processo de research
   ○ Para resolver isso, fundaram a Alphasense em 2011
   ○ O GTM inicial foi focado em hedge funds (pequenos em escala, mas com forte poder de compra); depois, por meio de cold calls, conquistou empresas financeiras de Wall Street e cresceu rapidamente

3. product
   -> problem: os mecanismos de busca existentes não oferecem insights além de apenas listar materiais + também misturam informações imprecisas
   -> solution: selecionar apenas informações confiáveis e, sobre essa base, fornecer resultados de busca. Expandindo isso, oferece quatro funções principais: busca, resumo, monitoramento e workflow
   ○ Busca: desenvolvimento de um motor de busca especializado no domínio de informações setoriais/empresariais + criação de uma base de dados altamente confiável acumulada ao longo de muitos anos
   ○ Resumo: como extensão da busca, fornece uma prévia para identificar tópicos e palavras-chave principais
   ○ Monitoramento: ao registrar temas de interesse, envia alertas com novidades relacionadas
   ○ Workflow: workspace para salvar, registrar e compartilhar os conteúdos encontrados

4. market
   ○ A persona de clientes da empresa está distribuída em vários mercados
   ○ Devido ao conservadorismo do setor financeiro (segurança e confiança são prioridade máxima), em vez de apostar tudo na indústria de dados financeiros, avançou para outros verticais
   ○ Expandiu para o setor de market research e para pesquisas e entrevistas com clientes, aumentando o TAM
   ○ Ao entrar em outros verticais (e.g. bio/farma), atualmente clientes fora do setor financeiro representam 75% do total

5. traction
   ○ Entre os 440 bilhões em investimentos acumulados, os principais aportes foram
   ○ rodada de extensão da Alphabet: valuation de 1.8B, 100M
   ○ Wall Street, incluindo Goldman Sachs, Wells Fargo, Morgan Stanley e Citi: 180M
   ○ Innovation Endeavors, de Eric Schmidt: 50M
   ○ Os clientes da empresa também são investidores (e.g. Google, Goldman Sachs etc.)

6. business model
   ○ Como outros SaaS, gera receita com ARR e soluções customizadas
   ○ O custo por usuário é estimado em $5000~7000
   ○ É possível virar lucrativa, mas ainda não tem rentabilidade; depois, espera-se que os custos se concentrem na atualização da base de dados e no treinamento de LLMs

7. valuation
   ○ O PSR é alto em comparação com peers privados/listados (Factset 8, S&P Global 10, Bloomberg 5, Alphasense 12)
   ○ Para justificar o alto valor da empresa, precisa ter sucesso ao avançar para verticais fora do setor financeiro e se tornar insubstituível para uma base de usuários mais ampla. Para isso, cresce a necessidade de usar GenAI/LLM de forma eficaz

8. competition
   ○ Serviços de dados financeiros: Bloomberg, Refenitiv Eikon, S&P Capital IQ, FactSet
   ○ Startups de knowledge engine B2B com LLM: Hebbia, Glean
   ○ A empresa competirá expandindo de fora para dentro da empresa, enquanto startups de knowledge engine com LLM expandirão de dentro para fora

9. key opportunities
   ○ Visão: ser o Google da pesquisa de negócios. Indo além de uma abordagem de perseguir P para perseguir Q, também pode viabilizar um serviço mais popular e leve
   ○ Sólida na medida certa e rápida na medida necessária (mais de 10 anos de experiência no setor financeiro + reação ágil à tendência de GenAI)
   ○ Expansão para regiões fora da América do Norte (APAC)
   ○ Exit opportunity atraente (possibilidade de aquisição por clientes que também são investidores)
   ○ GenAI/LLM (oferece oportunidade de atenção da mídia e captação de investimentos; depois, será preciso pensar em como gerar valor ao cliente)

10. key risks
    ○ Concorrentes fortes: há moats qualitativos em dados, capacidade técnica, reputação e gestão de clientes, mas no campo de AI / search os moats técnicos são fracos
    ○ Poucos ICPs (ideal customer profile): não é um produto para todos os funcionários; mesmo que os clientes da empresa cresçam, isso não implica crescimento da receita da empresa

11. conclusion
    ○ O Alphasense pode se tornar o Google do setor de informações industriais; vale acompanhar de perto como seu produto e sua estratégia vão evoluir e quanta riqueza conseguirão gerar