Страница 9 из 20
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.
https://ever.ai/
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.
Клиенты стартапа – крупные работодатели, с достаточно большим штатом для появления выделенных аналитиков. Если обслуживание любопытства маркетологов – одна из второстепенных задач серверного программиста, то увольнять некого и экономии не выходит, а стоит каждое внедрение FD дорого, десятки тысяч долларов, просто так его покупать нет смысла.
Инвестиций FriendlyData пока почти не привлекал, последний раунд всего 280 тысяч долларов. Живет компания, разумеется, в Долине, такой бизнес еще разве что в Китае востребован, но основатели – русскоязычные, можно за них болеть.
https://friendlydata.io/
Прогнозы и архивы погоды – не новость и не эксклюзив, информацией владеет множество поставщиков. Их бизнес-модель основана на точечных продажах: потребитель узнает температуру в нужном ему месте и смотрит по дороге баннеры или в случае B2B платит за до-ступ к API.
Weatheranalytics предположил, что иногда целое больше, чем сумма частей, и продает не сами данные, а выводы из них. Для страховых компаний стартап оценивает долгосрочную вероятность природных катаклизмов в разных районах, фермерам предсказывает урожай этого года в масштабах планеты.
Промоматериалы хвалят неповторимую технологию и Умные Алгоритмы, со стороны кажется – ничего особенного там нет. Вряд ли стартап существенно улучшает наивную оценку вероятности урагана за год (по методике «число ураганов в этом месте, деленное на число лет наблюдений»), вряд ли это вообще возможно. Но если и улучшает, страховая всё равно не сможет проверить результат, прилагая разумные усилия.
Но готовый API даже для самой глупой оценки – реальная ценность, где-то торнадо проходят чаще, а где-то реже, учитывать это в скоринге полезно, а самому анализировать архивы погоды – сложно. То ли дело готовую циферку в модель вставить! Впрочем, эту логику еще надо объяснить страховой, для развития продаж Weatheranalytics и берет инвестиции, чудо-технология ведь уже готова. В 2016 году был раунд в 13 миллионов долларов, в декабре 2017-го получили еще 17.
https://www.weatheranalytics.com/
15–20 лет назад главным техническим специалистом в интернет-проекте был бэкенд-разработчик. Он программировал на языке Perl или – о ужас – PHP, настраивал базу данных, определял архитектуру проекта, обсуждал с бизнесом развитие продукта, думал о пиковых нагрузках и прочих высоких материях. Типичный интерфейс сайта в то время – html-страница с минимумом вставок javascript, ею занимался верстальщик – человек с низким статусом и зарплатой, заведомо подчиненный программисту. Основная логика выполнялась на сервере, а компьютер пользователя брал на себя минимальные действия.
Сейчас все изменилось. Сначала Javascript научился более сложным вещам, чем «проверить заполненность поля» и «галочка отметить всё». Появилась новая профессия – фронтенд-программист, и ее представители постепенно брали всё больше ответственности, власти и уважения. Второй удар по престижу серверной разработки нанесли мобильные приложения. Они не только взяли на себя логику поведения, но еще и хранят данные на устройстве. Условным Angry Birds не нужна серверная часть, чтобы зарабатывать сотни миллионов долларов. Параллельно процессоры становились мощнее, память дешевле, любимая тема бэкендера – производительность – осталась актуальной только для самых крупных и специфичных продуктов.
В результате во многих современных проектах ситуация выглядит зеркально относительно начала нулевых годов: разработчики клиента делают интересную работу и думают о бизнесе, серверные программисты сидят где-то на подхвате. GameSparks доводит идею до логического завершения: предлагает полностью избавиться от бэкендеров хотя бы в играх.
Стартап реализовал десяток стандартных серверных модулей любой игры, обеспечивающих взаимодействие людей друг с другом: рейтинги, выбор соперника для матча, чаты, турниры, виртуальные валюты, антифрод и тому подобное. Разработчик пользуется ими через API и пишет на клиенте игровую механику – правила движения фишек вполне могут работать даже на смартфоне. Для случаев, когда без индивидуального кода на сервере не обойтись, GameSparks дает возможность писать собственные модули, но по замыслу это как Javascript-вставки в 2000-м – что-то совсем простое и второстепенное, не требует специальных людей, а выполняется по остаточному принципу.
Бизнес-модель – оплата за нагрузку, публичный тариф – 2 цента за пользователя в месяц, первые 100 000 бесплатно. Игра с 1 миллионом активных пользователей платит GameSparks 18 000 долларов в месяц, в США это сопоставимо с зарплатой двух программистов, но куда удобнее: сервис не уходит в отпуск и не страдает от депрессии. Тем более это выгодно на стадии разработки и проверки гипотез, тест новой казуальной механики выйдет бесплатно. Да, на хите стартап отлично заработает, но у владельца хита уже все хорошо, ему не страшно отдать несколько процентов выручки.
Историй успеха уровня Flappy Birds или Clash of Clans среди клиентов GameSparks еще не было, но отметку в 10 миллионов MAU прошли многие, модель работает. Успех самой компании уже тоже подтвердился, ее купил Amazon – то ли за 10, то ли за 13 миллионов долларов, официально сумму не объявляли, а данные утечек расходятся между собой.
Покупка отлично ложится в стратегию развития AWS. Сейчас GameSparks дает игре выбор, где лучше располагать серверы, в Microsoft Azure или у Amazon. В будущем клиентов прямо или косвенно подтолкнут к «правильному» решению – еще один маленький шажок к доминированию в облачном хостинге. Синергия работает и в другую сторону: мощнейшая служба B2B-продаж Amazon придает ускорение любому продукту.