在金融市場中，并不是所有尋求投資的創(chuàng)新項目都值得投資，其中有許多都不值得考慮。那么聰明的投資者該如何穿越這層層迷霧呢？風險投資基金或天使投資人該如何盡可能高效地找到符合自己投資組合目標的創(chuàng)新想法呢？

這就是 Mattermark 誕生的由來。它為被信息淹沒的投資者們提供了關(guān)鍵工具，讓他們可以在日益錯綜復雜的私募市場中，迅速而簡單明了地找到自己需要的信息。

源起

Danielle Morrill18歲的時候，正值世紀之交。剛上大學的她從布雷默頓的奧林匹克學院輟學，來到位于西雅圖附近的一家船運公司工作。

對于一些員工來說，大量船運集裝箱發(fā)票和合同只是讓人頭疼的東西，并沒有什么重要之處，但是Danielle Morrill讓它們變成了Mattermark。

“集裝箱里裝什么，誰來運，運往哪里，當時的我對此非常著迷，”31歲的Danielle Morrill說，“諸如此類的細節(jié)其實蘊涵著更多的故事。”

“我不是建議每個人都去嘗試輟學，因為不是每個人都像我這樣，”她笑著表示，“但是我不得不說，輟學讓我有時間想明白，到底什么能真正觸動我?！?/p>

三位創(chuàng)始人：Kevin Morrill, Danielle Morrill, 和and Andy Sparks

Mattermark

這種好奇心最終激勵著一個新興科技公司發(fā)展成為現(xiàn)在的大企業(yè)，Mattermark通過分析大量關(guān)于私營企業(yè)的細節(jié)，將數(shù)據(jù)以一種非常簡單的方式呈現(xiàn)出來。

“我們知道的大型上市公司的名字僅僅代表了2500家企業(yè)的0.1%，而我們的目標就是幫助任何想向其他99.9%的企業(yè)投資或銷售產(chǎn)品的公司，明白他們在做什么、該怎樣去做。

當然，你可以通過谷歌來搜索，但是你所獲得的信息大多都是為消費者而服務的，而我們就是為私營企業(yè)服務的谷歌或維基百科?！?/p>

初創(chuàng)公司的“維基百科”

usatoday

就核心業(yè)務而言，Mattermark 專注于媒體服務，可以理解為一個“初創(chuàng)公司搜索引擎”。Mattermark 提供的所有搜索結(jié)果都和初創(chuàng)公司有關(guān)，讓投資者們專注于調(diào)研，無需過濾噪音即可找到和初創(chuàng)公司有關(guān)的新聞及其他信息。

Danielle Morrill 表示：“我們原本打算做成一個報道初創(chuàng)公司的媒體公司，但很快發(fā)現(xiàn)這塊業(yè)務很難做。于是我們將過去用來寫報道的數(shù)據(jù)變成了產(chǎn)品。用戶可以訂閱并登陸來查看初創(chuàng)公司的數(shù)據(jù)，而且似乎這一需求還蠻大。”

Mattermark 誕生的目的就是幫助投資者在成千上萬的初創(chuàng)公司中，找到真正值得投資的項目。Mattermark 致力于通過收集數(shù)據(jù)來幫助人們更好地理解初創(chuàng)公司，讓投資者能專注、精確地進行調(diào)研，同時還會分析最可能讓初創(chuàng)公司在未來取得成功的因素。

Danielle Morrill和她的丈夫，程序員Kevin Morrill在2013年剛剛創(chuàng)立Mattermark的時候，做了一個相當簡單的原型之后就發(fā)布了，一開始的產(chǎn)品業(yè)績并不好。

不過很快，一些風險投資家看到了它的價值——當Danielle  Morrill把風險投資家馬克·安德森公司的投資組合按從最好到最壞的順序排列起來時，對方主動給Morrill打電話說“我們該這樣做”——但是很少投資者會想到這個剛剛成立的公司會有多大的市場。

“我想可能很多投資者都意識到了，他們沒有做足夠多的盡職調(diào)查，挖這些公司的信息挖得不夠深，結(jié)果就是讓自己感覺在浪費時間。他們本可以花 10 分鐘就能判斷一家初創(chuàng)公司是否值得見面，而我們幫助解決了這個問題?！?/p>

專為投資人和銷售準備的數(shù)據(jù)

MatterMark的核心業(yè)務主要包括兩個方面，一個是數(shù)據(jù)，一個是分析工具。

過去兩年來，Mattermark一直保持著快速增長，尤其是那些想向新成立的高科技公司提供服務的企業(yè)，更助長了合作的增加。云平臺和銷售平臺公司也想了解哪種公司會需要這種服務。這家有40個員工的公司，至今已集資1090萬美元。現(xiàn)在，這家公司擁有500個客戶，每個客戶每年支付6000美元。

“現(xiàn)在我們正跟蹤分析120萬個增長較快的互聯(lián)網(wǎng)公司?！?Danielle Morrill說。至于競爭，盡管她承認一些原始資源材料已經(jīng)存在——包括從Hoover數(shù)據(jù)庫到標準普爾資本智商——“他們主要提供未排序的數(shù)據(jù)，這樣，你就必須花時間來進行排序?！?/p>

她確信——撇開出色的商業(yè)直覺——數(shù)據(jù)會最終讓企業(yè)家做出重要決定，尤其是需要分配寶貴的資金時。因為經(jīng)營咨詢公司和投資銀行總是依靠高質(zhì)量的數(shù)據(jù)分析來完成他們的工作，“所以他們大約80%的時間都會花費在整理信息上，而不是分析信息。我們正好有這方面的優(yōu)勢。”

 

Mattermark軟件從超過100萬個新公司中挑出關(guān)鍵指標，然后把它們按很容易消化的方式分類制成數(shù)據(jù)表。

mattermark

Mattermark 不僅提供對投資者有用的搜索工具，還針對這些數(shù)據(jù)打造了分析工具。

Danielle Morrill 表示道：“我們還發(fā)現(xiàn)，這些對投資者有用的數(shù)據(jù)，對銷售、營銷等人員來說也很有用。這個市場更大，我們可以幫助銷售和提供營銷洞見?！?span style="line-height: 1.8;">Mattermark 還追蹤對初創(chuàng)公司、估值和最終成功度最重要的因素，并將這些因素組合成了一個可被投資者定制的算法。

Danielle Morrill 稱：“我們非常關(guān)注營銷人員采取的行動產(chǎn)生了哪些影響。大部分營銷人員都把重心放在獲得更多訪客，讓更多用戶在 Twitter、Facebook 或Linkedin 上和他們互動，或者讓用戶下載自己公司的 iPhone 應用。我們覺得可以從中判斷初創(chuàng)公司在采取這些行動時有多成功?！?/p>

mattermark

對于私募市場而言，MatterMark的作用同樣不可忽視。

以在 1980 年到 2000 年間，每年平均有 311 家公司上市，其中 165 家是小市值公司；而在 2001 年到 2009 年，這一數(shù)字降到 102 家/年，其中只有 30 家是小市值公司。

不僅如此，現(xiàn)在公司上市的規(guī)模也越來越大。過去，估值達到 10 億美元還沒有上市的公司非常少，現(xiàn)在卻成為普遍現(xiàn)象。Cowboy Ventures 的 Aileen Lee 發(fā)明了“獨角獸”這個詞來形容估值 10 億美元以上的初創(chuàng)公司，而它們也是 Mattermark 的重點關(guān)注對象。

Danielle Morrill 說道：“過去的公司上市后，市值才會達到或超過 10 億美元。這也是人們對于獨角獸公司非常感興趣的原因，它們還沒有上市，卻已經(jīng)如此龐大。于是人們總是問‘這些公司是不是真值 10 億美元？’”

這一估值是否合理的討論很刁鉆。上市公司有股價來衡量，眾多分析師、基金經(jīng)理和投資者會對比股價和公司財報，以衡量其價值。

私募市場的流程類似，但并不像公開市場那樣透明，這也是 Mattermark 切入的領域。隨著上市公司數(shù)量的減少，以及越來越多的投資發(fā)生在私募市場，能高效簡便地搜尋私募市場信息變得越來越重要。對于想要把錢花在關(guān)鍵地方的風險投資公司或天使投資人來說，一個致力于收集并分享這些必要數(shù)據(jù)的媒體服務就必不可少了。

初創(chuàng)公司是美國經(jīng)濟的重要組成部分，帶動了絕大多數(shù)工作增長和創(chuàng)新，正是這些造就了真正的繁榮。在這么多公司中隱藏著未來的谷歌、亞馬遜，找到它們能帶來巨大回報。通過數(shù)據(jù)和分析系統(tǒng)性地研究早期投資，是建立堅實投資組合的關(guān)鍵。

很明顯，要找到最靠譜的投資機會并不容易，否則大家都發(fā)財了。但 Mattermark 的工具可以讓用戶們作出明智、全面的決策，把關(guān)注留給那些最值得關(guān)注的初創(chuàng)公司。

Mattermark 的魔法：機器學習

在互聯(lián)網(wǎng)時代，數(shù)據(jù)可謂浩如煙海，而Mattermark是如何從這些海量數(shù)據(jù)中獲取需要的信息的呢？自然少不了網(wǎng)頁抓取、自然語言處理及機器學習的幫助了。而為什么算法如此重要？

在Samiur Rahman 的一篇分享中，他是這樣回答的：

機器學習能讓我們完成人工無法勝任的事情，具有完勝的優(yōu)勢。鑒于目前我們的競爭者們還在使用數(shù)據(jù)分析這樣的傳統(tǒng)方法，機器學習不僅是一種更為智能的方式，而且也節(jié)省了不少人力。

那么，Mattermark是如何做到這一點的呢？主要分為四個步驟：

• 1.按照行業(yè)劃分標簽

  想對一個公司進行更深的了解？或許網(wǎng)上已經(jīng)有了一些零星的介紹，那么，Mattermark就會把網(wǎng)上相關(guān)的網(wǎng)站、公司描述甚至是Twitter上的資料簡介都一一扒下來，通過算法的抽取分析，判斷公司的性質(zhì)：是經(jīng)濟類，還是游戲廠？是軟件公司，還是運輸企業(yè)？

• 2.主題歸因

  想對公司進行深入了解的用戶們，都會希望能夠獲取對方的完整歷史新聞報道，畢竟新聞是最為公開直接的一種了解方式了。而Mattermark就會對上百個新聞源進行爬蟲抓取，并找出其所報道的主題方向。

• 3.內(nèi)容抽取

  隨后，Mattermark會根據(jù)用戶的需要抽取不同的關(guān)鍵信息，比如當用戶對A輪融資非常敏感的話，在閱讀TechCrunch的新聞的時候，眼睛就會不自覺停留在下面紅框的金額、融資輪數(shù)及投資方等信息。Mattermark在做的，就是幫助用戶把這些信息抽取出來，而系統(tǒng)每天可以自動讀取1000篇文章。

  
  

• 4.尋找相似公司

  想找一家對比公司難度不大，但如果是上百萬家公司，那就會有上萬億家公司有千絲萬縷的聯(lián)系。此時，人工智能的優(yōu)勢就顯現(xiàn)出來了，Mattermark無需太多人力物力就能收集30萬家公司的比對信息。機器學習的魅力就在于此。

而在未來，Mattermark計劃利用機器學習想完成的事還有很多，包括了：

• 1.聚合行業(yè)信息

  行業(yè)日新月異，如果一些新公司并不能用目前現(xiàn)有的標簽來分類，那么系統(tǒng)會為之建模；而當這樣的公司積累到一定階段時，人工會進行核實和檢查，并決定是否要設立一個新的標簽。

• 2.資本預測

  通過系統(tǒng)的數(shù)據(jù)計算，用戶可以得到公司是否能在未來半年內(nèi)順利融資的推測；而VC和投資者們也自然不會拒絕一手的交易消息；業(yè)務拓展經(jīng)理們也會想要知道，和哪家公司打交道會更加有勝算一些。Mattermark在過去三年積累了大量的數(shù)據(jù)，Danielle Morrill也開始將其用于訓練系統(tǒng)。

• 3.商業(yè)界的Siri
  

  隨著系統(tǒng)的智能化，我們可以問Mattermark一些更加具體的問題，比如加上各種各樣的限定詞，讓Mattermark成為商業(yè)界的Siri。

更多的數(shù)據(jù)，更多的問題

在2014年12月，Mattermark 獲得了FG天使投資的A輪650萬美元的融資，并在今年三月獲得了鑄造集團領投的730萬美元B輪融資，估值達4200萬美金。目前，公司有50名員工，主要面向大公司、私募基金、銷售和市場公司等500個客戶，月營收30萬美元。

雖然硅谷誕生了很多的神話，但Danielle Morrill作為其中的受益者，卻對此并不感冒。

“我真的厭倦了硅谷，因為你無事可做時，你可能立馬就會變得很受人關(guān)注，只是關(guān)注方式不大對，” Danielle Morrill笑著說?！拔覜Q定寫微博（關(guān)于高科技企業(yè)），想些啥就寫啥，然后當個甩手掌柜?！?/p>

她專注于關(guān)鍵指標分析的博客帖子很快受到關(guān)注，在不久之后，Danielle Morrill從風險投資巨頭NEA獲得了種子資金。NEA甚至提出要雇傭Morrill夫婦擔任自己公司的分析師。但是Danielle Morrill決定，如果NEA感興趣，那么這可能就是一個商機。

盡管有些日子比較艱難——“盡管風險投資公司有很多錢可投，但是當對研究進行投資時，他們卻很吝嗇?！彼f——Danielle Morrill夫婦最終獲得公眾關(guān)注，然后使整個硅谷對其產(chǎn)生了興趣。

“我想給創(chuàng)業(yè)者傳達的關(guān)鍵信息是，有人會說你的想法太渺小，但是如果你相信自己的想法，就不要放棄，然后找一幫認同你的人一起努力?！?，Danielle Morrill說?！皩ξ覀儊碚f，我們只需要堅持相信一個原則：提供越多的數(shù)據(jù)，會讓人們問越多的問題?！?/p>

Danielle Morrill也相信，任何想簡簡單單就獲得復雜數(shù)據(jù)的公司，都能成為他們的客戶?！拔覀冞@些千禧一代，用著Facebook長大，自然也希望軟件能更加人性化，”她說。“世界變得越來越大而且讓人感覺更加不可知，但實際上也未必如此?！?/p>

至少，MatterMark正在努力改變這一點。

 推薦閱讀：

CB Insights：AI時代的獨角獸賣水者

*本文部分內(nèi)容由Gavin.Z 和 管策編譯，特此感謝。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。