SaaS के अंत की भविष्यवाणी गलत थी - शेयर गिरावट को लेकर 5 गलतफहमियां और Vertical AI

 (insights.euclid.vc)
2 पॉइंट द्वारा GN⁺ 4 시간 전 | अभी कोई टिप्पणी नहीं है. | WhatsApp पर शेयर करें
  • SaaS शेयरों में 32% की गिरावट और एंटरप्राइज वैल्यू के लगभग आधा रह जाने वाले "SaaSpocalypse" को AI युग में application-layer software के भविष्य को समझने के एक संकेतक के रूप में इस्तेमाल किया गया
  • यह आम धारणा गलत है कि "Vertical SaaS इसलिए कमजोर है क्योंकि उसकी growth रुक गई है"; 130 शेयरों के विश्लेषण में vertical (14.1%) और horizontal (14.7%) growth rate लगभग समान निकले, और performance व शेयर कीमतें भी एक-दूसरे से कटी हुई दिखीं
  • बाज़ार ने केवल usage के हिसाब से कमाई करने वाले pricing model और "AI agents जिन infrastructure layers से गुजरते हैं" उन्हें पुरस्कृत किया, जबकि workflow control, proprietary data, regulation जैसे कम दिखाई देने वाले moat को नज़रअंदाज़ किया
  • एक ही vertical segment के भीतर भी moat के प्रकार के अनुसार नतीजे अलग रहे; proprietary data रखने वाली कंपनियों ने 72% premium बनाए रखा, जबकि सिर्फ regulatory barriers या "vertical market dominance" narrative पर टिकी कंपनियां discount पर गिर गईं
  • बाज़ार ने अभी केवल मौजूदा disruption phase को price in किया है, लेकिन अगली पीढ़ी के AI-native software के उभार को मिस कर रहा है; जिन कंपनियों के पास expert knowledge में छिपा domain data है, वे सबसे बड़े लाभार्थी बन सकती हैं

क्या हुआ - SaaS शेयरों में बड़ी गिरावट

  • Public SaaS शेयरों ने median आधार पर 32% की गिरावट के साथ तेज repricing झेला
    • Enterprise value-to-revenue multiple 9.1x से 4.8x पर आ गया, यानी 42% सिकुड़ गया, और कुल 86% कंपनियों में यह multiple contraction देखा गया
  • लेकिन सिर्फ शेयर प्राइस देखकर भविष्य तय करना मुश्किल है — वही गिरावट एक बुरा संकेत भी हो सकती है कि "application layer मर रही है", या एक अच्छा संकेत भी कि "अगली पीढ़ी तेज़ी से replace हो रही है"
  • खासकर अनिश्चित समय में बाज़ार भावनाओं से प्रभावित "popularity contest machine" जैसा होता है, इसलिए 10~20 साल के horizon वाले investors के लिए यह अक्सर noise साबित हो सकता है
  • इस लेख का उद्देश्य crash के बाद फैली उन धारणाओं का एक-एक कर खंडन करना है जो AI-native software की क्षमता को कम करके आंकती हैं

मिथक 1 - "Vertical software अब grow नहीं करता"

  • Tom Tunguz ने Vertical SaaS की कमजोरी का कारण "slow growth" बताया
    • Veeva, AppFolio, Procore जैसी कंपनियां, जिनके पास regulatory barriers, industry-OS स्तर की integration, और संचित domain data जैसे असली moat हैं, सबसे ज़्यादा discount पर गईं; दावा यह था कि वजह उनकी तेज़ी से grow न कर पाना है
  • वास्तव में vertical कंपनियां horizontal कंपनियों की तुलना में औसतन करीब 10 साल पुरानी ज्यादा हैं
    • Dye & Durham (1874), FICO (1956), Agilysys (1963), Tyler (1966) जैसी pre-internet पीढ़ी की कंपनियां औसत उम्र बढ़ाती हैं (75th percentile: vertical 42 साल vs horizontal 27 साल)
  • लेकिन "slow growth" वाली व्याख्या तथ्यात्मक रूप से गलत है
    • 130 कंपनियों के विश्लेषण में पिछले 1 साल की median growth rate vertical में 14.1% और horizontal में 14.7% रही — यानी लगभग समान
    • Performance और शेयर कीमतें अलग-अलग चलीं — revenue growth और शेयर प्राइस का correlation 0.07 था, EBITDA margin का -0.03, यानी लगभग कोई संबंध नहीं
    • यहां तक कि vertical के भीतर शेयर प्राइस के हिसाब से नीचे की 15 कंपनियों की margin और growth, ऊपर की 15 कंपनियों से ज़्यादा थी

मिथक 2 - "Vertical का AI moat कमजोर है"

  • Tom का सार: "इस साल Vertical 43% गिरा, जबकि DevTools सिर्फ 21% गिरे — यही फ़र्क बाज़ार की असली सोच दिखाता है"
    • ऊपर से यह सही लगता है, लेकिन समस्या तब होती है जब इससे यह निष्कर्ष निकाला जाता है कि "industry-specific software को LLM से आसानी से कॉपी किया जा सकता है"
  • यह निष्कर्ष दो वास्तविकताओं से मेल नहीं खाता

    • असल में कुछ horizontal कंपनियों को 'AI picks-and-shovels' जैसा ट्रीटमेंट मिला

      • इस फ़र्क का बड़ा हिस्सा उन कुछ horizontal कंपनियों से आया जिन्हें "AI युग में कमाई कराने वाला infrastructure" माना गया और जिनके शेयर 50% से ज़्यादा बढ़े
        • Bandwidth (telecom API), Datadog (monitoring), MongoDB (DB), Twilio (telecom API), Fastly·Akamai (CDN), JFrog (software supply chain), Innodata (AI training data)

    • Vertical अब भी horizontal से महंगा trade करता है

      • Fundamentals को ध्यान में रखने पर भी Vertical SaaS अभी horizontal की तुलना में premium पर trade कर रहा है
      • इस गिरावट ने बस पहले से जुड़े "narrative premium" को कम किया है — पहले जो ऊंचा उड़ा था, वही गिरते समय ज़्यादा गिरा
      • नतीजा यह है कि P&L में तुरंत न दिखने वाले moat की कीमत काट दी गई
  • निष्कर्ष यह नहीं कि Vertical की रक्षा-क्षमता कमजोर हो गई, बल्कि यह कि उसे पहले जैसा valuation bonus नहीं मिल रहा; अभी बाज़ार सिर्फ तुरंत दिखाई देने वाली AI tailwinds को अंक दे रहा है

मिथक 3 - "बाज़ार ने long-term value को सही तरह से reprice कर दिया है"

  • पिछले कुछ महीनों में शेयर प्रदर्शन को अलग करने वाला सबसे स्पष्ट factor usage-linked pricing model रहा
    • 130 कंपनियों को 6 मुख्य मानदंडों पर blind scoring करके यह निष्कर्ष निकाला गया
    • इसके उलट workflow control, proprietary data, regulatory complexity जैसे कम दिखाई देने वाले moat को कोई reward नहीं मिला
  • बाज़ार की नज़र में moat लगभग एक ही सवाल में सिमट गया है — "क्या आप वह infrastructure हैं जिससे AI agents गुजरते हैं?"

  • उदाहरण तुलना - Bandwidth vs Doximity

    • Bandwidth एक horizontal कंपनी है जिसका R40 score सिर्फ 6 है, फिर भी शेयर 280% उछले
      • यह Twilio की competitor CPaaS कंपनी है, जो RingCentral और Zoom जैसी सेवाओं को voice और messaging APIs बेचती है
      • जब भी AI voice agent कॉल करता है, usage के अनुसार revenue बनता है
      • Tom के शब्दों में, "AI बढ़ेगा तो queries, embeddings, vector operations बढ़ेंगे — यह एक structural tailwind है"
    • Doximity एक vertical कंपनी है जिसके शेयर 65% गिरे ("doctors का LinkedIn")
      • इसका model subscription-based है, जहां pharma कंपनियां और hospitals doctors तक marketing पहुंचाने के लिए भुगतान करते हैं; AI agents के युग में यह कैसे लाभ पाएगा, यह तुरंत साफ नहीं दिखता
    • लेकिन इस सरल नज़रिए ने Doximity के असली moat को नज़रअंदाज़ कर दिया
      • Network effects — 80% से अधिक doctors पहले से जुड़े हैं, और कई hospitals registration की मांग करते हैं
      • Data gravity — PeerCheck, Pathway Medical जैसी proprietary clinical data को जोड़कर मौजूदा ग्राहकों को तुरंत value दी जा रही है
      • AI-capable organization — 380-सदस्यीय R&D टीम Scribe, DoxGPT जैसे tools से hospitals के लिए नया revenue बना रही है
      • Telehealth, fax, clinical documentation से गहराई से जुड़ा workflow, और HIPAA environment से निकला regulatory moat
  • कुल मिलाकर crash में वही कंपनियां बचीं जिनका "तुरंत revenue impact" दिखता है, और "कल से पैसा कमाने वाले picks-and-shovels" से थोड़ा भी जटिल AI upside पूरी तरह अनदेखा कर दिया गया
  • Ben Thompson (Stratechery): "Disruption और value creation एक साथ नहीं आते" — बाज़ार अभी सिर्फ सामने दिख रही disruption और acceleration को price कर रहा है, समय लेने वाली long-term value creation को नहीं

मिथक 4 - "हर Vertical moat एक ही तरह ढहता है"

  • Public Vertical SaaS की 57 कंपनियों को उनकी defense की source के आधार पर बांटा जाए तो वे 3 समूहों में आती हैं

    • ① Proprietary data type

      • Verisk, FICO, Cadence, Veeva, CCC सहित 20 कंपनियां
      • ये वे कंपनियां हैं जिनके पास ऐसा data है जिसे दूसरे फिर से बना नहीं सकते — एक साल पहले ये समान परिस्थितियों वाली horizontal कंपनियों से 220% महंगी थीं, अब यह premium 72% रह गया है
      • फिर भी 20 में से 18 कंपनियां अब भी horizontal से महंगी trade कर रही हैं

    • ② Pure regulatory-barrier type without data

      • Tyler Technologies, ADP, Constellation, nCino, Q2 सहित 16 कंपनियां
      • यहां entry data से नहीं बल्कि कानून और प्रक्रिया से रुकती है — premium 120% से गिरकर लगभग 15% रह गया

    • ③ 'vertical halo' type

      • ServiceTitan, Par Technology, Toast, Lightspeed, MNTN सहित 15 कंपनियां
      • "vertical market dominance, high retention, scalability" जैसी कहानी के कारण इन्हें एक साल पहले 41% premium मिलता था, लेकिन अब ये horizontal की तुलना में 40% सस्ती (discount) trade कर रही हैं
  • जो data moat साफ़-साफ़ दिखते हैं, उन्हें fundamentals के बाद भी ऊंची valuation मिलती है, लेकिन इस गिरावट में बहुत मजबूत data gravity का भी लगभग शून्य मूल्य लगाया गया
  • लेख defense जांचने के लिए कुछ सवाल सुझाता है — "क्या data proprietary है? क्या business regulation से बंधा है? क्या software खुद transaction flow में embedded है?"
    • अगर इनमें से दो या अधिक का जवाब "हाँ" है तो कंपनी आम तौर पर सुरक्षित मानी जा सकती है, लेकिन बाज़ार अभी सिर्फ पहले वाले factor (proprietary data, 72% premium) को मान रहा है; बाकी दो को लगभग कोई अंक नहीं

मिथक 5 - "Application layer मर रही है"

  • बाज़ार ने AI adoption से आने वाले झटके (development cost में गिरावट, agents द्वारा human work का replacement) को पहले ही price in कर लिया है
    • लेकिन इसके बाद आने वाली next-generation AI-native software की लहर को अभी शामिल नहीं किया गया
    • इसलिए सिर्फ वे pipelines सुरक्षित हैं जो AI को तुरंत revenue देती हैं; बाकी software पर व्यापक कटौती हुई है और उनके survival पर सवाल उठ रहे हैं
    • उस post-AI equilibrium को valuation में बिल्कुल नहीं जोड़ा गया जिसमें data और workflow पहले से भी अधिक मूल्यवान हो जाते हैं
  • घबराहट के विपरीत, अभी हम सिर्फ disruption phase की शुरुआत में हैं
    • The Verticalist के अनुसार, कुछ Vertical software गायब होंगे, लेकिन उनकी उम्र horizontal की तुलना में काफी लंबी होगी; अगली पीढ़ी का Vertical AI कुछ मामलों में मलबे पर, लेकिन ज़्यादातर green field पर बनाया जाएगा — क्योंकि सिर्फ मौजूदा vendors को replace करने से कुल बाज़ार नहीं बढ़ता
  • LLM ने यह साबित किया है कि training data बढ़ाने का मूल्य है, और reinforcement learning से agents और बेहतर बनते हैं
    • लेकिन language से आगे जाने के लिए AI को domain data और decision-making context चाहिए, जो खुले internet पर नहीं मिलता, खरीदा-बेचा भी नहीं जा सकता, और अक्सर सिर्फ experts के दिमाग़ में मौजूद होता है
    • इस data को पकड़ने की सबसे अच्छी स्थिति में हमेशा Vertical platforms ही रहे हैं
  • निराशावादी मानते हैं कि "AI Vertical market को छोटा कर देगा", लेकिन लेख का दावा ठीक उल्टा है कि AI बाज़ार को बहुत बड़ा करेगा
    • कुछ मौजूदा कंपनियां, जिनके पास मजबूत moat है और जो AI के लिए अपने मौजूदा product को खुद disrupt करने का साहस रखती हैं, टिकेंगी और फलेंगी
    • लेकिन सबसे बड़े विजेता वे अगली पीढ़ी की AI-native कंपनियां होंगी जो सिर्फ legacy के मलबे पर नहीं, बल्कि उन नई use cases, budgets और verticals पर बनेंगी जिनकी public market ने अभी कल्पना भी नहीं की है

परिशिष्ट - scoring में इस्तेमाल किए गए 6 मानदंड

  • ① Proprietary Data Flywheel (proprietary data flywheel)

    • क्या ऐसा data इकट्ठा हो रहा है जिसे 1 साल में बिल्कुल कॉपी नहीं किया जा सकता? — Verisk के दशकों पुराने insurance claims records को 5 अंक, जबकि customer-owned data वाले Dropbox storage को 1 अंक

  • ② Pricing Alignment (pricing alignment)

    • क्या AI agents की activity बढ़ने पर revenue भी बढ़ता है? — usage-based Bandwidth, MongoDB, Datadog को सर्वोच्च अंक; जबकि AI के कारण human seats कम होने वाले seat-based Asana, Monday.com, Workday को सबसे कम अंक

  • ③ Workflow Replaceability (workflow replaceability)

    • product ग्राहक के workflow में कितना गहराई से embedded है? (जितना कठिन replace करना, उतना ऊंचा score) — Oracle ERP और ADP payroll को 5 अंक, जबकि एक हफ्ते में बदले जा सकने वाले Dropbox और Amplitude को 1 अंक

  • ④ AI Credibility (AI credibility)

    • क्या कंपनी ने सिर्फ chatbot जोड़ा है, या उसके पास वास्तविक AI बनाने की team, investment और DNA है? (R&D ratio, CEO background, AI acquisition, real product usage के आधार पर) — Palantir और Datadog को 5 अंक, Tyler और Constellation को 2 अंक

  • ⑤ Domain Complexity (domain complexity)

    • ग्राहक का environment कितना regulation और विशेषज्ञता से बंधा है? — Veeva की FDA clinical submissions, Tyler की CJIS certification, FICO की credit-scoring regulation को 5 अंक; entry barriers के बिना horizontal markets को 1 अंक

  • ⑥ Agent Ecosystem (agent ecosystem)

    • क्या AI agents द्वारा काम orchestrate किए जाने वाली दुनिया में इसका उपयोग ज़्यादा होगा या कम? — DB, telecom API, security, monitoring जैसे agent-passing layers को 5 अंक; task management, dashboard, file storage जैसे tools जिन्हें agents शायद ही इस्तेमाल करें, उन्हें 1 अंक
  • R40 (Rule of 40) = revenue growth rate + EBITDA margin

संबंधित पढ़ाई

अभी कोई टिप्पणी नहीं है.

अभी कोई टिप्पणी नहीं है.