Amplitude는 제품 인텔리전스를 위한 응용 AI 분석 플랫폼으로, 제품, 엔지니어링, 데이터 팀이 사용자 행동을 이해하고 참여도를 개선하며 성장을 촉진하도록 설계되었다. 이 플랫폼은 제품 분석을 머신러닝 기능과 통합하여, 조직이 대량의 사용자 상호작용 데이터를 분석하고, 사용자 세그먼트를 분류하며, 실행 가능한 인사이트를 도출할 수 있게 한다. Amplitude는 모바일 앱부터 웹 서비스에 이르기까지 디지털 제품 최적화를 위해 다양한 산업에서 널리 사용된다.
이 회사는 2012년 Spenser Skates, Curtis Liu, Jeffrey Wang이 설립했으며, 이들은 현대 팀을 위해 제품 분석을 접근 가능하고 실행 가능하게 만드는 것을 목표로 했다. 캘리포니아주 샌프란시스코에 본사를 둔 Amplitude는 상장 기업으로 성장하여 NASDAQ에 티커 심볼 AMPL로 상장되어 있다. 이 플랫폼은 기업과 빠르게 성장하는 스타트업을 포함한 수천 명의 고객에게 서비스를 제공하며, 셀프 서비스 분석과 실시간 데이터 처리에 중점을 둔 것으로 인정받고 있다.
역사와 설립
Amplitude는 2012년에 설립되었으며, 창업자들이 음성 제어 내비게이션 앱인 Sonalight를 포함한 이전 벤처에서 얻은 경험에서 출발했다. 초기 제품은 모바일 분석에 초점을 맞췄지만, 곧 웹 및 크로스 플랫폼 분석으로 확장되었다. 2014년 Amplitude는 Battery Ventures가 주도한 900만 달러 규모의 시리즈 A 투자를 유치했고, 2015년에는 1,500만 달러 규모의 시리즈 B 투자를 유치했다. 회사는 계속해서 규모를 확장하여 2018년 5,000만 달러 규모의 시리즈 C, 2019년에는 Sequoia Capital과 IVP를 포함한 투자자들로부터 1억 달러 규모의 시리즈 D 투자를 유치했다.
2021년 9월, Amplitude는 NASDAQ에 직접 상장을 통해 기업공개를 했으며, 주식은 AMPL 심볼로 거래되었다. 이 상장으로 회사는 약 46억 달러의 가치를 평가받았다. 기업공개 이후 Amplitude는 Amplitude Analytics, Amplitude Experiment, Amplitude CDP(고객 데이터 플랫폼) 도입을 포함한 제품 제공을 확장했다. 또한 2021년 사용자 리서치 역량을 강화하기 위해 Command AI(구 UserLeap)를 인수하는 등 전략적 인수도 진행했다.
핵심 플랫폼 및 기능
Amplitude의 핵심 제품은 클릭, 페이지 뷰, 사용자 지정 이벤트와 같은 사용자 상호작용을 캡처하고 분석하는 제품 분석 플랫폼이다. 주요 기능은 다음과 같다:
- 이벤트 기반 분석: 사용자가 이벤트(예: '가입', '구매')와 속성을 정의하여 사용자 행동을 유연하게 추적할 수 있다.
- 사용자 세분화: 플랫폼은 사용자 속성, 행동, 코호트를 기반으로 동적 세분화를 가능하게 한다.
- 퍼널 분석: 팀은 다단계 퍼널에서 전환율을 시각화하여 이탈 지점을 식별할 수 있다.
- 리텐션 분석: Amplitude는 시간 경과에 따른 사용자 리텐션을 측정하여 장기적인 참여도를 이해하도록 돕는다.
- 행동 코호트: 사용자는 특정 행동이나 속성을 기반으로 코호트를 생성하여 타겟 분석을 수행할 수 있다.
- 예측 분석: 머신러닝 모델을 활용하여 Amplitude는 사용자 이탈, 수익, 참여도를 예측하여 사전 예방적 의사 결정을 가능하게 한다.
Amplitude는 또한 'Amplitude Experiment'라는 기능을 제공하여 A/B 테스트와 기능 플래그 기능을 지원하며, 팀이 실험을 실행하고 제품 지표에 미치는 영향을 측정할 수 있게 한다. 이 플랫폼은 아마존 웹 서비스, 애저, 구글 클라우드를 포함한 다양한 데이터 소스와 Segment, Snowflake 같은 도구와 통합된다.
응용 AI 및 머신러닝
Amplitude의 응용 AI 역량은 가치 제안의 핵심이다. 플랫폼은 머신러닝 알고리즘을 사용하여 여러 기능을 지원한다:
- 이탈 예측: 모델은 행동 패턴을 기반으로 이탈 위험이 있는 사용자를 식별하여 사전 예방적 리텐션 캠페인을 가능하게 한다.
- 수익 예측: 예측 모델은 과거 사용자 행동과 추세를 기반으로 미래 수익을 추정한다.
- 이상 감지: 시스템은 지표의 비정상적인 급증이나 급락을 플래그하여 팀이 문제를 신속히 식별하도록 돕는다.
- 자동 세분화: 머신러닝은 수동 구성 없이 사용자를 의미 있는 세그먼트로 클러스터링한다.
이러한 AI 기능은 월간 수십억 건의 이벤트를 처리하는 플랫폼의 데이터 인프라 위에 구축된다. Amplitude의 응용 AI 접근 방식은 연구 참신성보다 실용적이고 비즈니스 지향적인 결과를 강조하며, 이는 기업 소프트웨어에서 생성형 AI 및 인공지능 채택의 광범위한 추세와 일치한다.
제품 인텔리전스 및 사용 사례
Amplitude는 전통적인 분석을 넘어 제품 수명 주기에 대한 전체적인 관점을 제공하는 '제품 인텔리전스' 플랫폼으로 자리매김한다. 사용 사례는 다음과 같다:
- 제품 최적화: 팀은 Amplitude를 사용하여 사용자 여정에서 마찰 지점을 식별하고 기능을 반복 개선한다.
- 개인화: 사용자 세그먼트를 이해함으로써 기업은 특정 그룹에 맞춘 경험을 제공할 수 있다.
- 시장 진출 전략: Amplitude의 인사이트는 출시 전략과 기능 우선순위를 결정하는 데 정보를 제공한다.
- 고객 성공: 지원 팀은 예측 이탈 점수를 활용하여 위험에 처한 계정에 개입한다.
주요 고객으로는 대형 기술 기업, 미디어 플랫폼, 소비자 앱이 포함되지만, 구체적인 이름은 종종 기밀로 유지된다. Amplitude의 셀프 서비스 모델은 비기술 사용자가 SQL 없이 데이터를 쿼리할 수 있게 하여 분석 접근성을 민주화한다.
통합 및 생태계
Amplitude는 다양한 도구 및 플랫폼과 통합된다:
- 데이터 웨어하우스: Snowflake, BigQuery, Redshift, Databricks.
- 클라우드 제공업체: 아마존 웹 서비스, 애저, 구글 클라우드.
- 마케팅 및 CRM: Salesforce, HubSpot, Marketo.
- 제품 도구: Jira, Slack, Pendo.
회사는 또한 iOS, Android, JavaScript, 서버 측 언어용 SDK와 공개 API를 제공하여 맞춤형 데이터 수집을 가능하게 한다. Amplitude의 마켓플레이스에는 수십 개의 파트너 통합이 포함되며, 'Amplitude Academy'는 실무자를 위한 교육 및 인증을 제공한다.
비즈니스 모델 및 시장 위치
Amplitude는 구독 기반 SaaS 모델로 운영되며, 데이터 볼륨과 기능 접근에 따라 가격 등급이 나뉜다. 이 회사는 Mixpanel, Heap, Pendo와 같은 다른 제품 분석 제공업체와 구글 클라우드의 분석 제공과 같은 광범위한 분석 플랫폼과 경쟁한다. Amplitude는 제품 인텔리전스, 예측 기능, 사용 용이성에 초점을 맞춰 차별화한다.
2024년 기준, Amplitude는 포춘 500대 기업을 포함한 3,000명 이상의 유료 고객을 보유하고 있다고 보고했다. 회사의 수익은 꾸준히 성장하여 2023년 연간 반복 수익이 2억 달러를 초과했다. Amplitude는 AI 연구 개발에 지속적으로 투자하여 플랫폼에 더 많은 지능형 기능을 내장하는 것을 목표로 한다.
기업 지배 구조 및 문화
Amplitude는 공동 창업자이자 CEO인 Spenser Skates가 이끌며, 리더십 팀은 기술 및 데이터 기업 출신의 베테랑들로 구성된다. 회사는 투명성과 데이터 기반 의사 결정의 문화를 강조하며, 이는 자체 제품을 내부적으로 사용하는 데 반영된다. Amplitude는 베이 에어리어에서 '일하기 좋은 곳'으로 여러 차례 인정받았다.
회사는 샌프란시스코에 본사를 두고 있으며, 뉴욕, 런던, 방갈로르에 사무소를 두고 있다. 2022년 Amplitude는 원격 우선 정책을 발표하여 직원들이 미국 어디에서나 근무할 수 있게 했다.
향후 방향
Amplitude는 특히 생성형 AI 및 대규모 언어 모델 통합 분야에서 AI 역량을 적극적으로 확장하고 있다. 회사는 사용자가 평문 영어로 질문하고 인사이트를 받을 수 있는 대화형 분석을 가능하게 하는 자연어 처리 기능을 활용하는 기능을 암시했다. 이는 AI를 통한 데이터 접근 민주화라는 업계 추세와 일치한다.
또한 Amplitude는 실시간 분석과 이벤트 스트리밍에 투자하여 데이터 수집과 인사이트 생성 사이의 지연 시간을 줄이는 것을 목표로 한다. 회사는 또한 더 고급 딥러닝 기술로 예측 모델을 강화할 계획이지만, 구체적인 세부 사항은 공개되지 않았다.