DataLane 共计获得 2250 万美元融资，帮助识别本地企业
本文信息来源：amplifypartners
如果你是一家向其他企业销售的 B2B 公司，在理解市场和触达客户方面其实已经相当顺利了。ZoomInfo、Clay 和 Apollo 都表现得相当不错。你的潜在客户在 LinkedIn 上，有公司电子邮件地址，也有一条相对清晰的数字化轨迹可循。销售团队可以构建名单、开展营销活动，并借助过去十年久经考验的工具完成业绩目标。
但大多数经济形态并不是这样。
想想那些真正构成日常生活基础的企业吧。你中午吃饭花高价的那家餐厅，仍在修你车的汽修店，终于给候诊室装上了 Netflix 电视的牙医，给你理发的沙龙，还有每年一月暖气坏了时你会打电话求助的 HVAC 公司（嘿，旧金山也会冷）。这些企业代表了经济中极其庞大的一部分——仅餐厅在全球就有大约 1000 万家，家政和家庭服务类企业还有约 2000 万家——但它们所处的世界，与那些占据我们注意力的科技公司完全不同。
而如果你正试图向这些企业销售？那就祝你好运，想找到准确的信息可不容易。
本地经济领域的数据提供商完全不在状态
收集这一类企业的数据问题是基础性的：这些行业的决策者根本不在传统数据提供商寻找的地方。经营着 15 家 Burger King 门店的加盟商不会在 LinkedIn 上发帖。一家 HVAC 或管道业务的经营者把电话号码印在卡车侧面。这些都是由线下人员经营的线下企业。
其结果（可以预见）是，传统数据提供商在我们经济这一基石领域的数据，说实话，糟糕透顶。在与向这些市场销售的公司交流时，我们一再听到同样的故事。一位我们交谈过的 RevOps 负责人将他们销售团队与传统数据供应商的体验形容为一种“创伤反应”——数据质量之差（准确率徘徊在 30–40%）让销售代表彻底不再信任这些数据。SDR 们不得不花费数小时手动研究每一个潜在客户，拨打错误的号码，向退信的邮箱发邮件，整体上把昂贵的人力消耗在数据考古上，而不是真正的销售。
一个专为本地经济打造的 GTM 数据引擎
这正是 David Patterson-Cole 和 Ganesh Thirumurthi 创立 Datalane 时希望解决的问题。两人都曾亲身目睹这一痛点——他们在学院期间创办的第一家公司是一家送餐拼单初创公司 Potluck，旨在将夫妻店餐馆与无力承担全额送餐费用的学院学生连接起来。他们看到了本地 GTM 的种种失灵，并意识到，当所有人都在专注于为 LinkedIn 经济打造更好的工具时，却没有人去应对规模更为庞大的本地经济所面临的挑战。
为本地经济构建一个数据图谱，需要从根本上重新思考如何为这些市场构建数据资产。传统数据供应商只是抓取 LinkedIn 和公司官网的数据就草草了事。Datalane 也从这些地方开始，拉取来自 Google Maps、Yelp、Facebook 以及评价网站的数据，但他们随后会进一步深入。他们正在摄取政府许可数据、卫生检查记录、特许经营披露文件、租约协议，甚至是实体的政府档案书籍，并在内部将其数字化（没错，他们真的会把纸质文件邮寄到办公室并进行扫描）。他们将线上信号与线下记录拼接在一起，构建出一个本质上属于他们自己的、覆盖整个本地经济的专有知识图谱。这看起来可能工作量巨大……但这正是实现这一经济领域数字化所必需的。
结果是令人惊叹的准确性。当 ShopMonkey 切换到 Datalane 后，其联系成功率从 30% 跃升至 80% 以上。向餐厅销售在线点单软件的 Olo，其 SDR 的联系成功率提升了三倍——从 5% 提高到 15%——同时还削减了潜在客户研究时间（此前销售代表有 20% 的时间花在手动查找联系方式上）。DoorDash（无需链接）曾经构建了自己的内部数据基础设施（毕竟这是拥有 DoorDash 这种资源规模的公司会做的事），但最终也成为了 Datalane 的客户，因为即便是他们，也无法在规模化情况下维持同样的数据质量。
超越列表：为 AI 构建 GTM 编排层
Datalane 正在构建一个关于线下业务运营的实时知识图谱：谁拥有什么、特许经营层级如何运作、门店何时开业和关闭，以及所有权如何发生变更。这远远超越了一次性下载的默认静态数据，而是一个持续运转的系统，能够不断刷新数据、标记触发事件（新店开业、所有权变更、运营状态变化），并在相关标签和评分已应用的情况下，直接与您的 CRM 和 Data Warehouse 同步。这个自我强化的数据集实现了类似 lookalike 的发现方式，使团队能够通过持续改进的数据和反馈回路，而不仅仅依靠更好的模型，在数百万实体中稳定地找到正确的“针”。
Datalane 最终的目标是构建一个工作流平台。通过它，你可以构建一个受众，例如“德克萨斯州过去 90 天内新开设、拥有 2–5 张牙椅的独立牙科诊所”，而 Datalane 不只是给你一个 CSV 文件——它会自动为这些账户进行数据丰富，持续保持联系方式的新鲜度，并在新的潜在客户符合你设定的条件时触发外呼营销活动。对于 RevOps 团队而言，这就是购买一份数据集与拥有一套操作系统之间的区别。
Datalane 的卓越团队
David 和 Ganesh 的行动速度快得令人难以置信。David 是那种能够迅速内化反馈、在不动摇信念的情况下及时调整方向的创始人。Ganesh 则是技术核心——作为 CTO，当他需要招聘五名工程师时，能够以远低于预期的一半时间完成招募并敲定人选。我们网络中多位认识他们的创始人都向我们提供了高度积极的推荐。但令我们印象最深刻的是，在快速扩大收入规模的同时，他们依然保持了近乎狂热的运营纪律。
David 以不走出曼哈顿三条街区半径而闻名。这种程度的专注十分罕见，而在一个数据质量会随着时间不断复利累积的市场中，专注就是全部。
因此，今天我们非常兴奋地宣布，我们将领投 Datalane 的 2200 万美元 A 轮融资，其他参与方包括 Harry Stebbings 以及现有投资人。
Datalane 正在进攻一个规模极其庞大的市场（全球数以百万计的企业）、长期被忽视的市场（传统供应商仍然困在 20 世纪 90 年代），以及一个愈发关键的市场（因为垂直 SaaS 正在吞噬整个世界）。正如大家现在所熟知的，我们对那些在 AI 创造新杠杆的市场中构建专有数据护城河的公司非常看好。Datalane 正是一个教科书式的例子。
支撑我们所有投资的一个核心信念是，随着 AI 模型逐渐商品化，能够在规模化层面实现专有数据的聚合、治理与激活的公司将积累起持久的价值。在我们合作过的创始人中，有一个一致的关注点：打造基础性基础设施，帮助组织采集、转换并真正落地其最有价值的资产——自身的数据。Datalane 直击这一核心，致力于构建一个持续演进的、高质量、合规且值得信赖的数据集合。
我们非常高兴能与 David、Ganesh 以及他们的团队合作！