
Image Credits:Getty Images
دیتاداگ پلتفرم Feature Flagging و Experimentation اِپو را تصاحب کرد
شرکت دیتاداگ، فعال در حوزه نظارت ابری و امنیت، پلتفرم feature flagging و experimentation اِپو را به مالکیت خود درآورده است تا راهحلهای تحلیل محصول خود را تقویت کند.
۱۴۰۴/۰۲/۱۵
شرکت دیتاداگ، پلتفرم feature flagging و experimentation اِپو را خریداری کرده است. این خرید پس از تصاحب یک استارتاپ هوش مصنوعی و با هدف تقویت حوزه تحلیل محصول صورت میگیرد.
شرکت دیتاداگ (Datadog)، فعال در زمینه نظارت ابری و امنیت، که تنها چند هفته پیش استارتاپ Metaplane در حوزه ابزارهای مشاهدهپذیری مبتنی بر هوش مصنوعی (AI-powered observability) را به مالکیت خود درآورده بود، اکنون پلتفرم feature flagging و experimentation اِپو (Eppo) را نیز خریداری کرده است.
بر اساس این توافق، اِپو با نام تجاری «Eppo by Datadog» به پشتیبانی از مشتریان فعلی و جذب مشتریان جدید ادامه خواهد داد. جزئیات مالی این قرارداد افشا نشده است؛ با این حال، گزارشی که هفته گذشته از سوی Upstarts Media منتشر شد، حاکی از آن بود که دیتاداگ قصد داشته حدود ۲۲۰ میلیون دلار برای این خرید بپردازد.
علیرغم تقاضا برای ابزارهایی که به توسعهدهندگان اجازه میدهند نسخههای مختلفی از برنامهها (apps) را آزمایش کنند (experimentation)، زیرساخت مورد نیاز برای تحلیلهای محصول (product analytics) نسبتاً پیچیده باقی مانده است. علاوه بر خطوط لوله داده و روشهای آماری، زیرساخت experimentation بر گردشکارهای تحلیلی متکی است که اغلب از محیطهای ابری (cloud environments) با پیکربندی دشوار نشات میگیرند.
چِ شارما (Che Sharma)، همبنیانگذار و مدیرعامل اِپو، دو سال پیش در مصاحبهای با TechCrunch گفته بود که اِپو از تجربیات او در ساخت نرمافزار experimentation به عنوان دانشمند داده در Airbnb و Webflow الهام گرفته است.
اِپو آنچه شارما آن را «فواصل اطمینان» (confidence intervals) مینامد ارائه میدهد تا درک و تفسیر نتایج یک آزمایش تصادفی برنامه را آسانتر کند. این پلتفرم از experimentation با مدلهای هوش مصنوعی (AI) و یادگیری ماشین (machine learning) پشتیبانی میکند و از تکنیکهایی برای انجام آزمایشهای زنده استفاده میکند که نشان میدهند آیا یک مدل عملکرد بهتری نسبت به دیگری دارد یا خیر.
در حالی که استارتاپهای زیادی در سالهای اخیر برای سادهسازی زیرساخت experimentation برنامه پدیدار شدهاند، از جمله Split، Statsig و Optimizely، اِپو توانسته در این عرصه شلوغ متمایز شود. بر اساس گزارش Crunchbase، این شرکت مستقر در سانفرانسیسکو کالیفرنیا، پیش از خروج (exit) خود، ۴۷.۵ میلیون دلار از شرکتهای سرمایهگذاری خطرپذیر (VC firms) از جمله Innovation Endeavors، Menlo Ventures و Amplify Partners جذب کرده بود.
اِپو تا ژوئن ۲۰۲۲ حدود ۱۵ کارمند داشت و در آن زمان ۸۰ میلیون دلار ارزشگذاری شده بود. در آن موقع، پایگاه مشتریان اِپو شامل شرکتهایی مانند Goldbelly، Netlify و Kumu بود.
شارما در بیانیهای مطبوعاتی اظهار داشت: «اِپو میخواهد فرهنگی با سرعت بالا و اولویت با آزمایش را به شرکتهایی در هر اندازه، مرحله و صنعتی بیاورد. با دیتاداگ، ما قابلیتهای تحلیل محصول، مدیریت ویژگی (feature management)، هوش مصنوعی و experimentation را برای کسبوکارها متحد میکنیم تا ریسک را کاهش دهند، سریع یاد بگیرند و محصولات باکیفیت عرضه کنند.»
برای دیتاداگ، که اخیراً سودی خالص بهتر از انتظار گزارش کرده اما پیشبینی درآمد آن کمتر از انتظار تحلیلگران بوده است، خرید اِپو میتواند راهحلهای فعلی تحلیل محصول این شرکت را تقویت کند. این بخش یک بازار بزرگ و سالم است. طبق گزارش Fortune Business Insights، بازار جهانی تحلیل محصول در سال گذشته ۹.۰۹ میلیارد دلار ارزش داشته و میتواند تا سال ۲۰۳۲ به ۲۷.۰۱ میلیارد دلار برسد.
مایکل وِتن (Michael Whetten)، معاون محصول در دیتاداگ، در بیانیهای گفت: «استفاده از چندین مدل هوش مصنوعی، پیچیدگی استقرار برنامهها در محیط عملیاتی (production) را افزایش میدهد. experimentation این مشکل همبستگی و اندازهگیری را حل میکند و تیمها را قادر میسازد تا چندین مدل را در کنار هم مقایسه کرده، تعامل کاربر را در برابر مبادلات هزینه تعیین کنند و در نهایت محصولات هوش مصنوعی بسازند که ارزش قابل اندازهگیری ارائه میدهند.»
منبع: تککرانچ