Analyse von AlphaSense, der Suchmaschine für Brancheninformationen, in die Alphabet 130 Milliarden Won investiert hat

Analyse von AlphaSense, der Suchmaschine für Brancheninformationen, in die Alphabet 130 Milliarden Won investiert hat

1. These
   ○ Business Research ist eine Kernaufgabe moderner Wissensarbeiter
   ○ Die Tools, die dabei unterstützen sollen, sind dafür nicht intelligent genug (viel repetitive Arbeit)!
   ○ Um dieses Problem zu lösen, entstand AlphaSense, eine auf Business Research / Intelligence spezialisierte Suchmaschine
   ○ Durch aggressive Kapitalbeschaffung wurde dem Unternehmen eine Bewertung von 3,2 Billionen Won zuerkannt. Kann es wirklich zum Google der Brancheninformationen werden?

2. Gründungsgeschichte
   ○ Jack Kokko, der bei Morgan Stanley arbeitete, traf Raj Neervannan, der ein Wharton MBA absolvierte, und beide teilten stark das Leid im Research-Prozess
   ○ Um dieses Problem zu lösen, gründeten sie 2011 AlphaSense
   ○ Das anfängliche GTM richtete sich an Hedgefonds (kleinere Größe, starke Kaufkraft); später gewann das Unternehmen per Cold Calling Finanzfirmen an der Wall Street und erzielte so schnelles Wachstum

3. Produkt
   -> Problem: Bestehende Suchmaschinen liefern über die Auflistung von Materialien hinaus keine Insights + auch ungenaue Informationen sind darunter
   -> Lösung: Es werden nur glaubwürdige Informationen ausgewählt und darauf basierend Suchergebnisse bereitgestellt. Darauf aufbauend bietet das Produkt vier Kernfunktionen: Suche, Zusammenfassung, Monitoring und Workflow
   ○ Suche: Entwicklung einer auf den Bereich Branchen-/Unternehmensinformationen spezialisierten Suchmaschine + Aufbau einer über Jahre gesammelten, hoch vertrauenswürdigen DB
   ○ Zusammenfassung: Als Verlängerung der Suche wird eine Vorschau bereitgestellt, um zentrale Themen und Keywords schnell zu erfassen
   ○ Monitoring: Wenn interessante Themen registriert werden, sendet das System Benachrichtigungen über Neuigkeiten zu diesen Themen
   ○ Workflow: Ein Workspace, in dem entdeckte Inhalte gespeichert, dokumentiert und geteilt werden können

4. Markt
   ○ Die Kundenpersona des Unternehmens ist über viele Märkte verteilt
   ○ Wegen der konservativen Natur der Finanzindustrie (Sicherheit und Vertrauen haben oberste Priorität) expandiert das Unternehmen in andere Verticals, statt alles auf die Finanzdatenbranche zu setzen
   ○ Durch die Ausweitung auf die Marktforschungsbranche sowie Kundenumfragen und Interviews steigt der TAM
   ○ Durch die Expansion in andere Verticals (z. B. Bio-/Pharma-Vertical) stammen derzeit 75 % der Kunden aus dem Nichtfinanzsektor

5. Traktion
   ○ Von der kumulierten Finanzierungssumme von 440 Milliarden Won entfallen wichtige Investments auf
   ○ Alphabet Extension Round: 1.8B value, 100M
   ○ Goldman Sachs, Wells Fargo, Morgan Stanley, Citi usw. von der Wall Street: 180M
   ○ Eric Schmidts Innovation Endeavors: 50M
   ○ Die Kunden des Unternehmens sind zugleich auch Investoren (z. B. Google, Goldman Sachs usw.)

6. Geschäftsmodell
   ○ Wie bei anderer SaaS wird Umsatz durch ARR und Custom Solutions erzielt
   ○ Die Nutzungsgebühr pro Person wird auf $5000~7000 geschätzt
   ○ Die Gewinnschwelle wäre erreichbar, aber bislang ist das Unternehmen noch nicht profitabel; künftig dürften Kosten vor allem in die Aktualisierung der DB und das Training von LLMs fließen

7. Bewertung
   ○ Im Vergleich zu börsennotierten/nicht börsennotierten Peers ist das PSR hoch (Factset 8, S&P Global 10, Bloomberg 5, AlphaSense 12)
   ○ Um die hohe Unternehmensbewertung zu rechtfertigen, muss die Expansion in Nichtfinanz-Verticals erfolgreich sein und das Produkt für eine breitere Nutzerbasis unverzichtbar werden. Dafür muss GenAI/LLM effektiv genutzt werden

8. Wettbewerb
   ○ Finanzdatenservices: Bloomberg, Refenitiv Eikon, S&P Capital IQ, FactSet
   ○ B2B-LLM-Wissensmaschinen-Startups: Hebbia, Glean
   ○ Das Unternehmen wird von außen nach innen expandieren, während LLM-Wissensmaschinen-Startups von innen nach außen expandieren – so werden sie miteinander konkurrieren

9. Wichtige Chancen
   ○ Vision: das Google für Business Research. Über den bisherigen Ansatz, P zu verfolgen, hinaus könnte auch ein massentauglicherer und leichterer Service möglich sein, der Q verfolgt
   ○ Angemessen gewichtig und so schnell wie nötig (mehr als 10 Jahre Erfahrung in der Finanzbranche + schnelle Reaktion auf den GenAI-Trend)
   ○ Expansion in Regionen außerhalb Nordamerikas (APAC)
   ○ Attraktive Exit Opportunity (Möglichkeit einer Übernahme durch Unternehmen, die zugleich Kunden und Investoren sind)
   ○ GenAI/LLM (bietet Chancen auf Medienaufmerksamkeit und Kapitalaufnahme; anschließend muss überlegt werden, wie daraus Kundenwert geschaffen wird)

10. Wichtige Risiken
    ○ Starke Wettbewerber: Es gibt qualitative Burggräben bei Daten, Technologie, Reputation und Kundenmanagement, aber im Bereich AI / Search ist der technologische Burggraben schwach
    ○ Geringe Zahl an ICPs (ideal customer profile): Es ist kein Produkt, das von allen Mitarbeitern genutzt wird, und selbst wenn die Kunden des Unternehmens wachsen, bedeutet das nicht automatisch Umsatzwachstum für das Unternehmen

11. Fazit
    ○ AlphaSense könnte zum Google der Brancheninformationen werden. Beobachten wir genau, wie sich Produkt und Strategie verändern und wie viel Wertschöpfung daraus entsteht