这篇讲的是Datadog这家公司，它做的是帮程序员监控软件运行是否正常的工具。作者很看好它，因为它的产品把三种监控功能（看服务器状态、看应用性能、看日志）整合在一起，比竞争对手好用，而且客户用了就离不开，每年多花30%的钱。重点提了三个标的：Datadog自己（收入快100亿美元，客户增长快）、Dynatrace（最大对手但增长慢一半）、Splunk（产品整合不够好）。
Datadog是一家SaaS监控平台，为企业IT团队提供实时监控整个软件堆栈（应用、工具、数据库、服务器）性能的服务，类似电脑的Activity Monitor。公司成立于2010年，市值已超400亿美元。核心观点：Datadog通过独特的产品开发节奏，实现年营收增长60%的同时保持盈利。重要结论：其高毛利率和美元收入留存率支撑了销售与营销投入；竞争优势在于比AWS等预置解决方案更全面的监控能力；最大竞争威胁来自Web3。
Peter Offringa（Software Stack Investing 作者）拆解 Datadog：这家 SaaS 监控平台通过独特的「土地与扩张」模式，在年营收增长 60% 的同时保持盈利，其核心优势在于比任何竞争对手都更快地交付「可观测性三大支柱」（基础设施监控、应用性能监控、日志分析）于统一平台，且 R&D 投入已超过销售与营销支出——这在 SaaS 公司中极为罕见。
Peter Offringa 认为，Datadog 的起源本质上是一个组织效率问题，而非纯技术问题。
创始人 Olivier Pommel 和 Alexis Lê-Quôc 在 Wireless Generation 任职期间，亲身经历了开发团队与运维团队之间的「互相指责」——当网站出现性能问题时，开发说是运维的服务器问题，运维说是开发的代码问题。2010 年公司被 News Corp 收购后，两人离职创立 Datadog，核心洞察是：将基础设施指标、应用追踪和日志分析三者整合到单一数据模型和用户界面中。
此前，工程师要排查一个故障，需要在三个不同工具间来回切换：New Relic 看应用性能、Splunk 搜日志、Nagios 查服务器状态。Datadog 的统一界面让工程师能在一个视图中看到「Peloton 的排行榜不刷新是因为提供数据的数据库 CPU 打满了」——这在以前需要跨三个工具才能拼凑出来。
> "The unique insight was the idea of bringing all three of those together into one interface."（意即：独特洞察在于将三者整合到一个界面中。）
Peter Offringa 认为，Datadog 的「土地与扩张」模式由三个相互强化的引擎驱动，这是其 60%+ 年增长且盈利的核心机制。
引擎一：客户快速新增。 截至 2021 年 Q2，Datadog 拥有超过 16,400 个客户，同比增长 36%；2019 年 6 月仅 8,800 个，两年几乎翻倍。客户结构均衡分布在 SMB、中端市场和大型企业。
引擎二：支出持续扩张。 美元净留存率连续四年超过 130%，意味着现有客户平均每年增加 30% 以上支出。上季度 70% 的收入增长来自现有客户扩张。两个驱动因素：客户自身基础设施快速扩张（产生更多用量），以及客户从 1-2 个产品扩展到 3-4 个甚至 6 个以上。
引擎三：新产品持续发布。 2012 年只做基础设施监控，2017 年加入 APM，2018 年加入日志分析，2019 年一年发布 4 个新产品。产品目录以每年 30%-40% 的速度扩张。每个新产品的收入贡献随时间自然增长——「产品在市场上多久，其收入贡献就长到多大」。
| 增长引擎 | 关键数据 | 说明 |
|---|---|---|
| 客户新增 | 16,400+ 客户，同比 +36% | 两年内客户数几乎翻倍 |
| 支出扩张 | 美元净留存率 >130% | 70% 收入增长来自现有客户 |
| 产品发布 | 产品目录年增 30%-40% | 新产品被客户快速采纳 |
独特之处：R&D 投入已超过销售与营销。 上季度销售与营销仅占收入 26%（一年前为 33%），而 R&D 占 30%。Offringa 指出：「很少有 SaaS 公司 R&D 投入超过销售与营销。」这种投入结构形成正向飞轮——更好的产品降低销售难度，节省的销售费用再投入 R&D。
Peter Offringa 认为，Datadog 的按产品单独定价策略（a la carte）为客户提供了灵活性，这是其区别于竞争对手的重要优势。
定价模式为按用量计费：APM 每主机每月 $30，基础设施监控减半，日志每 GB 10 美分。客户可以精确控制支出——知道自己有多少台服务器、处理多少日志数据，就能预测月度账单。这种可预测性降低了客户采用新产品的心理门槛。
竞争格局分为三类：
1. 开源/DIY 方案：免费但有隐藏成本——需要运维人员搭建和维护。Offringa 指出，Datadog 管理层表示「大多数客户赢单仍来自替换内部开源方案」。
2. 传统商业方案：如 IBM、VMware，主要服务自建基础设施的企业。
3. 现代点方案：New Relic（APM）、Splunk（日志）、Dynatrace（APM）。其中 Dynatrace 是最大竞争对手，因其企业渗透率高、APM 产品成熟。
关键竞争差异： 一些竞争对手开始转向「全包套餐」定价（一个统一费用覆盖所有功能），但 Datadog 坚持按菜单点菜模式。Offringa 认同 Datadog 的判断——「大多数客户实际上更喜欢按菜单点菜，因为他们只想为自己需要的功能付费。」
与云厂商的关系： AWS、Azure、GCP 提供的基础监控工具功能有限，未发展出完整的可观测性产品线。三大云厂商均与 Datadog 建立了联合销售合作关系（包括市场入驻、合并计费、系统集成），Offringa 认为这「是云厂商目前无意在该领域竞争的良好证据」。
Peter Offringa 认为，Datadog 的收购策略与众不同：收购后立即关闭被收购公司的独立产品线，将技术和团队整合到 Datadog 平台中重新发布。
两个典型案例：
Offringa 解释，这种策略的核心价值在于扩大可寻址市场：可观测性市场（Gartner 预计 2024 年达 $440 亿）之外，应用安全市场理论上可能同样巨大。新收购的产品直接成为「土地与扩张」模型中的新扩张品类。
Peter Offringa 认为，Datadog 最大的机会在于将「可观测性」概念从软件基础设施扩展到更广泛的业务流程，而最大的威胁可能来自 Web3 等新交付范式。
机会： 云基础设施支出是 Datadog TAM 的良好代理变量。今年云基础设施支出约 $2,000 亿，上季度同比增长 36%。Offringa 估计「任何工程预算中 5%-10% 的云基础设施支出会花在监控上」。Datadog 今年收入接近 $10 亿，渗透率仍极低。
更广阔的想象空间在于「可观测性」概念的泛化——任何依赖可重复性和质量控制的流程都可以被「可观测化」：制造业、销售漏斗、营销活动。Datadog 最近推出的「事件管理」产品（用于运维团队协调和沟通故障处理）就是向这个方向迈出的一步。
风险： 最大的竞争威胁可能不是来自现有对手，而是来自范式转移。Offringa 指出：「无代码/低代码平台可能不需要独立可观测性方案；Web 3.0 交付模型（如 dApps、区块链）可能自带可观测性工具。」不过他也补充，这些新范式仍基于互联网基础设施，Datadog 仍有参与机会。
证伪条件： 如果云厂商开始大力投入可观测性产品线，或 Web3 原生监控方案成为标配，Datadog 的增长逻辑将受到挑战。
| 标的 | 嘉宾态度 | 关键数据 |
|---|---|---|
| Datadog | 看好 | 2020 年收入 $6 亿（+66%），2021 年追踪至 $10 亿；毛利率 75%-80%；美元净留存率 >130%；客户数 16,400+（+36%） |
| Dynatrace | 风险提示（最大竞争对手） | 收入增长约为 Datadog 的一半；客户增长 23%（vs. Datadog 36%） |
| New Relic | 中性（点方案竞争者） | 主要聚焦 APM |
| Splunk | 风险提示（整合不足） | 通过收购拼凑三大支柱，长期存在界面割裂问题 |
| Elastic | 中性（日志分析竞争者） | — |
| CrowdStrike | 潜在威胁 | 收购 Humio（日志分析），有意向可观测性扩张 |
| AWS / Azure / GCP | 非直接竞争者（合作关系） | 提供基础监控但未发展完整可观测性产品线 |
| Twilio | 类比对象 | 开发者友好、低门槛上手的相似模式 |
1. 「可观测性三大支柱」是 Datadog 的核心差异化（Peter Offringa）：基础设施监控、APM、日志分析三者整合于统一数据模型和界面，此前工程师需在三个不同工具间切换才能完成一次故障排查。
2. R&D 投入超过销售与营销是 SaaS 公司的罕见信号（Peter Offringa）：上季度 R&D 占收入 30%，销售与营销降至 26%，形成「更好的产品→更低的销售成本→更多 R&D 投入」的正向飞轮。
3. 「土地与扩张」的数学力量（Peter Offringa）：客户新增 30%+ 与客户支出扩张 30%+ 叠加，解释了 50%-60% 的年收入增长——远高于任何竞争对手。
4. 收购即整合，不保留独立品牌（Peter Offringa）：收购 Screen 和 Undefined Labs 后立即关闭独立产品线，将技术和团队融入 Datadog 平台重新发布，直接扩充「土地与扩张」中的扩张品类。
5. 最大的竞争威胁可能不是现有对手，而是范式转移（Peter Offringa）：无代码/低代码平台和 Web3 交付模型可能自带可观测性工具，使独立监控方案变得多余。
6. 技术机会往往始于「人」的问题（Peter Offringa）：开发与运维团队的割裂是 Datadog 的起源——组织效率问题转化为产品机会，公司即将达到 $10 亿收入。
7. 按菜单点菜定价优于全包套餐（Peter Offringa）：Datadog 坚持按产品单独定价，认为客户更愿意「只为需要的功能付费」，这比竞争对手的「全包套餐」模式更具灵活性。
8. 「可观测性」概念可泛化到任何业务流程（Peter Offringa）：制造业、销售漏斗、营销活动等依赖可重复性和质量控制的流程均可被「可观测化」，这是 Datadog 长期 TAM 扩张的想象空间。