Statsig

1.1 公司身份与产品模式

Statsig 于 2021 年在西雅图都会区成立，目标是打造现代化的一体化产品开发平台，把企业级功能开关、统计 A/B 测试和产品分析整合在一起。它没有让软件工程团队和产品数据团队分别拼接发布闸门与分析工具，而是提供一套统一架构，同时支持多租户云端 SaaS，以及直接运行在 Snowflake、BigQuery 和 Databricks 上的数据仓库原生部署。平台面向企业规模运行高吞吐基础设施， 每天处理超过 1 万亿个事件，每月约评估 2.5B 个独立实验对象，服务超过 300 个付费商业账户。行业估算显示， 收购前公司在 2025 年 5 月的 ARR 收入运行率约为 $40M；其按事件计量的消费模式会随客户产品发布量增长而扩张。[CO001, CO009, CO010]

1.2 创始领导层与治理分拆

Statsig 由资深科技高管 Vijaye Raji 创办。此前他在 Microsoft 积累了近十年的软件工程领导经验，后来担任 Facebook 西雅图负责人及娱乐业务副总裁。Raji 推动 Statsig 快速迭代产品并建立开发者响应文化，兼任创始人、CEO 和前端负责人。 OpenAI 于 2025 年 9 月收购 Statsig 后，Raji 出任 OpenAI 应用业务 CTO。2026 年 5 月，OpenAI 执行了一次少见的结构性剥离， 将 Statsig 的商业品牌、客户关系和运营平台代码转给分析服务商 Amplitude，而 Raji 和原 Statsig 核心工程团队仍留在 OpenAI。 为维持平台连续性，Amplitude 任命产品管理副总裁 Chris Yu，负责约 50 人的专门团队。不过，这种两头分立的安排已受到行业观察人士 和竞争对手批评：他们认为，把运营软件代码库与最初的创始人才拆开，会让客户面临明显的关键人依赖和技术支持风险。[CO002, CO005, CO006, CO011, CO012]

1.3 资本化历史与所有权结构

在独立运营的风险投资阶段，Statsig 通过三轮机构融资累计募集约 $153.4M 股权资本。公司于 2021 年 8 月完成 $10.4M A 轮，并于 2022 年 4 月完成 $43M B 轮；两轮均由 Sequoia Capital 领投，区域风投 Madrona Venture Group 持续跟投。2025 年 5 月，Statsig 完成由 ICONIQ Growth 领投的 $100M C 轮，投后估值 $1.1B，其中 $80M 是公司新增成长资本， $20M 用于员工股东的老股流动性。仅四个月后，2025 年 9 月，OpenAI 宣布以价值 $1.1B 的全股票交易收购 Statsig， 成为 OpenAI 历史上规模最大的公司收购之一。2026 年 5 月，Amplitude 进入最终战略合作协议，接管客户群、平台软件和运营收入流， 所有权结构再次发生变化。[CO003, CO004, CO007, CO008]

1.4 公司里程碑与整合展望

Statsig 从早期实验初创公司成长为核心基础设施资产，经历了三个运营阶段：独立风险投资扩张、并入 OpenAI 的应用开发栈， 以及随后由 Amplitude 商业吸收。OpenAI 最初的整合重点是把 Statsig 的运行时评估工具用于内部 AI 应用；2026 年 5 月的交易则要求 Amplitude 对外运营企业 SaaS 平台。2026 年 6 月，Amplitude 列出第一阶段技术重点，包括企业控制与治理工具、原生 Model Context Protocol 集成，以及把 Statsig 的统计引擎接入 Amplitude 的行为分析管道。然而，交易后的毛利率、净收入留存率，以及企业客户在 Amplitude 统一治理下即将续约时面对的合同定价条款，仍存在关键尽调缺口。[CO003, CO004, CO005, CO013, CO014]

1.5 展示材料

2.1 市场边界、分类与产品范围

Statsig 横跨现代软件交付的三类相邻领域：功能管理与渐进式发布、统计 A/B 实验，以及一体化产品分析。过去，软件组织通常为每项工作流分别采购 工具：用 LaunchDarkly 或 Split 做功能闸门，用 Optimizely 或 VWO 做实验，用 Amplitude、Mixpanel 或 Heap 跟踪用户行为。 这种割裂带来明显摩擦，包括 SDK 网络开销重复、用户曝光日志不一致，以及遥测系统与实验引擎之间的数据管道同步耗时。 Statsig 的核心架构主张是把这些层合并为一条工作流：每次功能开关发布都会自动成为带有埋点的实验，并由内置统计评估支持。 此外，Statsig 首创 Warehouse Native 部署，让企业数据团队直接在 Snowflake、BigQuery 和 Databricks 等云数据仓库中计算实验指标， 无需把数据通过外部 ETL 导出。这个边界覆盖核心的开发者优先实验和功能开关，明确排除传统可视化网页构建器、静态配置管理和通用企业 BI 套件。[CM001, CM008, CM009, CM010, CM011]

2.2 不同运营模式下的 TAM、SAM 与测算视角

要量化 Statsig 的可触达机会，需要从多个运营视角拆分更广泛的软件遥测与实验市场。传统行业估算往往用狭窄的网页优化视角看待 A/B 测试。 根据 Convert Experiences 的 2026 年市场分析，独立网页实验的 TAM 约为 $1.0B，年扩张速度放缓至约 10%，说明传统前端营销买方 正在成熟并趋于饱和。然而，Statsig 服务工程驱动的产品开发，并接入现代数据仓库基础设施，因此面对的技术市场大得多。 Sacra 估算，更广泛的云数据仓库分析生态每年企业支出超过 $10B。在这一交集内，开发者优先的功能管理与统计实验 SAM 估计为 $350M-$500M，年增速为 15%-20%。受客户成熟度和高速工程要求约束，Statsig 的 SOM 估计为 $50M-$75M； 收购前，其超过 300 个企业账户据报贡献了 $40M ARR。[CM004, CM005, CM011, CM012]

2.3 企业买方画像、预算归属与采购模式

Statsig 的采用由初创、成长型公司和企业层级中不同的买方及用户画像构成。早期初创公司和成长团队通常由工程负责人自下而上推动， 目标是淘汰脆弱的内部配置数据库。Statsig 的 Free Developer 版本每月最多支持 100 万个跟踪用户（MTU）且席位不限，构成低摩擦获客漏斗。 在中型市场和企业组织中，预算转向产品副总裁和数据负责人；他们会根据统计严谨性（例如 CUPED 方差缩减）以及合并工具的总拥有成本来评估平台。 根据 Vendr 的采购交易基准，Statsig 的商业套餐主要按暴露于功能开关或测试的独立 MTU 数量，以及席位档位扩容。 起价 $150/月的 Pro 合同中，中型市场团队通常会谈下 15%-25% 的年度合同折扣；超过 10M MTU 的企业部署，相对初始报价可获得 20%-35% 折扣。对于受监管的金融服务和医疗企业，CTO 和首席数据官是关键把关人，要求数据仓库原生架构以满足严格的数据驻留、 SOC 2 和 GDPR 治理约束。[CM002, CM003, CM010, CM013]

2.4 市场整合、增长驱动因素与并购后的尽调缺口

宏观经济下的预算理性化和 AI 辅助软件生成兴起，推动实验市场进入快速结构性整合期。生成式 AI 大幅降低代码生成成本后， 软件工程瓶颈已从交付功能转向验证生产环境中什么真正有效。无法超越简单前端网页测试的独立工具，被更广泛的平台吸收： Datadog 于 2025 年 5 月以 $220M 收购 Eppo，Harness 收购 Split，Everstone 则将 VWO 与 AB Tasty 合并，打造私募股权滚动平台。 Statsig 走出了前所未有的双重退出路径：2025 年 9 月，OpenAI 以 $1.1B 股票收购 Statsig，以吸收其运行时控制平面和人才，并任命创始人 Vijaye Raji 为应用业务 CTO。随后，2026 年 5 月 5 日，Amplitude 宣布战略合作，接手 Statsig 的品牌、运营连续性和客户关系。 这次交接虽然确保 SaaS 支持延续，却带来商业摩擦和尽调不确定性。净收入留存率、Amplitude 旗下的合同续约条款，以及数据仓库原生处理 与 Amplitude 事件流基础设施的长期融合等关键运营指标，仍未向私募市场尽调公开。[CM006, CM007, CM008, CM014]

2.5 展示材料

3.1 竞争格局与分类

Statsig 所处竞争格局分为三类主要架构：企业级功能管理供应商、数据仓库原生实验平台，以及一体化产品分析套件。 LaunchDarkly 等企业功能管理老牌厂商重点服务 DevOps 发布工作流、细粒度访问治理和广泛的多语言 SDK 生态；但它们过去通常把深层因果实验 和发布后产品分析当作次要模块或附加包。相比之下，GrowthBook 和 Eppo 等数据仓库原生替代方案直接运行在企业数据仓库上，包括 Snowflake、BigQuery 和 Databricks，避免重复事件管道，同时把数据严格留在客户控制的基础设施内。PulseCRO 等专门营销工具面向非技术增长团队， 提供可视化无代码页面编辑器，与 Statsig 以开发者为中心的 SDK 架构形成对比。[CP001, CP004, CP005, CP008, CP014]

3.2 功能能力与统计架构

Statsig 将应用内功能开关、产品分析和企业级统计引擎紧密统一为一条开发者工作流，以此形成核心差异化。 平台除自动诊断样本比例失配外，还提供 CUPED 方差缩减、带始终有效 p 值的序贯检验等高级统计方法。 这些统计处理可在不抬高假阳性率的情况下，把所需样本量和实验周期缩短 30%-50%，从而加快实验速度。 Adobe Analytics 等传统企业套件把实验当作事后补充，依赖 Adobe Target 等独立附加工具，统计框架也较为基础。 开源替代方案 GrowthBook 同样支持 CUPED 和本地进程内 SDK 评估；但 Statsig 的开箱即用统计自动化无需团队自建 SQL 管道， 就能让工程团队立即获得严谨的统计能力。[CP002, CP003, CP004, CP011, CP015]

3.3 定价结构与总拥有成本

总拥有成本会随商业计费所依据的指标单位大幅变化。Statsig 以慷慨的免费层吸引早期采用：每月免费提供 2M 个事件且席位不限， 自助服务层随后按用量计费，约为每百万个事件 $400。不过，对于只把平台用于运营性功能开关、而非高事件量行为分析的团队， 这种按事件定价可能带来惩罚。Rollgate 等专业挑战者利用这一摩擦，按固定 SDK 请求而非分析事件收费，并在标准套餐中默认提供欧盟数据托管。 相比之下，Statsig 只在定制企业协议中提供专门的欧盟数据驻留，迫使使用标准 Pro 套餐的欧洲团队通过标准合同条款处理跨境数据传输合规。[CP006, CP007, CP011, CP012]

3.4 切换成本与战略并购风险

Statsig 客户的切换壁垒主要来自深度代码埋点、自定义指标配置和历史实验档案。替换 Statsig 要求工程团队从生产代码库中逐一拆除并替换 SDK 调用，在其他 BI 或数据仓库工具中重新定义指标，并在迁移平台前导出实验结果。这些技术切换壁垒又叠加了公司所有权变更造成的 路线图高度不确定性。OpenAI 于 2025 年 9 月收购 Statsig 以强化原生 AI 评估，Amplitude 则于 2026 年 5 月收购品牌和客户群， 核心工程团队仍留在 OpenAI。这种双重转移造成长期整合和支持上的模糊地带：Amplitude 正分阶段将平台并入自身分析产品，却没有原始构建者参与。[CP009, CP010, CP012, CP013]

3.5 展示材料

4.1 收入来源、事件计量与定价机制

留存证据支持按事件关联的软件模式，但不足以还原完整的当前价目表。TechCrunch 报道称，Statsig 于 2023 年 2 月把免费功能管理额度从 每月 5M 个事件扩大到 500M，同时仍对高级分析收费。2025 年 7 月的一份公司对比材料把定价描述为按用量收费，不收席位费或月活用户费， 但没有提供数字化价卡。当前技术文档同时展示 Statsig 托管交付和数据仓库原生交付。Sacra 称计量范围包括功能开关曝光、实验参与者和分析事件； 这是分析师的描述，不是公开的合同价目。Statsig 自己的教育材料区分 ARR 与总收入，因此 2025 年 5 月的 $40M ARR 不能当作会计收入。[CI001, CI003, CI004, CI006, CI009, CI016]

4.2 GTM 动作、销售效率与交付成本结构

2023 年免费层扩容说明了产品驱动的获客机制，但没有说明转化效率。Statsig CEO 告诉 TechCrunch，功能管理的运营成本相对较低， 大客户分析工作负载成本较高，只要少数免费用户转化就能覆盖免费套餐；但没有提供转化队列或贡献利润率表。 Sacra 称，数据仓库原生部署可把分析放进客户的数据环境，从而降低 Statsig 的基础设施成本；但公开证据既没有量化节省，也没有证明高利润结果。 指定来源没有披露销售周期、获客成本、CAC 回收期、毛利率或净留存率。因此，无法可靠判断用量扩张能否带来有吸引力的增量经济性。[CI001, CI002, CI005, CI008]

4.3 公开牵引力、资本充足性与公司过渡

GeekWire 报道 Statsig 在 2025 年 5 月自披露的 ARR 为 $40M；Sacra 则独立估算该月 ARR 为 $40M，并报道付费客户超过 300 家。 两个来源相互吻合，并不能替代经审计的 ARR 桥接表；GeekWire 还称 Statsig 拒绝透露更多财务细节或盈利情况。 Sacra 报道 $100M C 轮由 $80M 新增资本和 $20M 员工老股出售组成，GeekWire 与 Sacra 均称累计融资超过 $153M。 融资额不等于可用现金：指定来源均未提供当前现金、烧钱、债务、现金跑道或交割后的资本义务。 实验软件竞争者 Convert 后来报道称，Amplitude 将于 2026 年 5 月接手 Statsig 品牌和客户；其说法让续约定价与合同连续性成为尽调重点， 但它不是独立基准。[CI007, CI008, CI010, CI011, CI012, CI013, CI014, CI015, CI016]

4.4 展示材料

5.1 产品定义与核心模块组合

Statsig 将核心产品定义为现代化的一体化产品开发平台，在一个控制台和软件开发工具包中整合五项主要能力。 它没有让工程和增长团队拼接分散的点工具，而是把功能管理、A/B 测试实验、产品分析、会话回放和数据仓库原生分析合并起来。 这一统一模式旨在消除发布与评估之间的上下文切换：团队可以为新能力套上功能闸门，并立即观察其对下游指标的影响。 CUPED 方差缩减、序贯检验、动态配置、autotune 和 holdout 等高级能力原生嵌入实验工作流。 创始人 Vijaye Raji 将这种架构定位为一站式产品构建平台：随着人工智能采用加速发布速度并增加行为复杂性， 它把软件行为的构想、发布和观测统一起来。[CE001, CE002, CE006, CE014]

5.2 技术架构与数据摄取运营模式

Statsig 的底层技术架构围绕解耦的边缘评估、高吞吐流式摄取和灵活的存储执行构建。 客户端和服务器 SDK 在启动时下载定向配置，在本地执行功能闸门检查和动态配置评估，无需网络开销即可达到亚毫秒评估延迟。 曝光检查和下游用户互动产生的遥测数据经摄取管道流入，系统每天可处理超过 1 万亿个事件，系统可用性为 99.99%。 与 Databricks 等基础设施供应商的战略合作，过去使 Statsig 能通过可扩展的数据湖仓流管道每天处理数百亿个数据事件，无需人工干预集群。 对数据主权要求严格的组织，可通过 Statsig 的 Warehouse Native 选项直接在客户托管的 Snowflake、BigQuery 或 Databricks 实例内评估实验数据， 避免抽取敏感原始事件，同时保持统计严谨性。API 是把这些模块化微服务连成统一部署模式的关键纽带。[CE003, CE004, CE005, CE007]

5.3 部署工作流与开发者集成

开发者工作流强调多语言代码库中的低实施摩擦和快速迭代。Statsig 提供超过 30 个开源 SDK，覆盖主要客户端、服务器和内容分发网络边缘环境， 并配有 Chrome 调试器和自动迁移助手等开发者工具。产品和数据团队利用这层开发者接口，把复杂的自定义埋点替换为标准化事件采集和自动实验计算。 企业案例显示了切实的运营收益：金融平台 Brex 报告称，迁移到 Statsig 一体化平台后，数据科学家耗时下降 50%，分析工具成本下降 20%。 同时，电商运营商 Secret Sales 证明，部署 Statsig Warehouse Native 后，事件漏报率从 10% 降至 1%-2%；原因是解决了客户端浏览器跟踪限制， 并直接基于经验证的数据仓库数据运行计算。[CE006, CE008, CE009]

5.4 技术差异化、治理与平台风险

Statsig 以深度统计能力和灵活的数据部署形成技术差异化，但也面临运营批评和明显的所有权治理风险。 竞争对手指出，Statsig 按事件量计费可能惩罚实验规模，其专有统计计算也不如开源 SQL 替代方案透明。 更关键的是，公司过渡带来了重大技术不确定性：OpenAI 于 2025 年 9 月收购 Statsig 后，2026 年 5 月把 Statsig 品牌和客户群 在一项永久非独占许可下转给 Amplitude，而创始工程团队仍留在 OpenAI。GrowthBook 和 Conductrics 等竞争对手强调， 随着平台交由新工程组织管理，这种分拆会带来明显的路线图、支持和维护风险。从合规角度看，Statsig 支持 SOC 2 Type II 控制和 GDPR 要求， 并利用客户数据仓库边界满足严格的数据治理标准。[CE010, CE011, CE012, CE013]

5.5 展示材料

6.1 客户群分层与买方画像

Statsig 的商业渗透集中在工程驱动、产品驱动的科技公司；在这些公司里，快速实验会直接影响收入指标。 对招聘信息和 LinkedIn 遥测的第三方公司画像分析显示，采购决策主要由高级产品经理推动（提及占 18%）和数据分析总监推动（8%）， 而日常使用分布在高级数据科学家（15%）、高级产品分析师（12%）和增长工程师（10%）之间。 客户名单明显偏向成熟的风险投资支持企业和上市企业：使用 Statsig 的公司进入 F 轮的可能性是软件总体基线的一千二百一十六倍，进入 D 轮或 E 轮的可能性是七百六十八倍，均以软件总体为基线。按行业看，软件开发占活跃账户 36%，技术平台占 12%，金融服务也占 12%；按公司规模看， 中型企业（51-200 名员工，占 24%）和大型企业（1,001-5,000 名员工，占 21%）构成部署客户的主体。[CU001, CU002, CU003]

6.2 采用轨迹、企业规模与用量增长

运营采用已从早期开发者驱动的功能开关，扩展到高吞吐企业基础设施。独立研究估算，Statsig 在宣布收购前已拥有超过 300 个付费客户， ARR 约 $40M，平台可靠性达到电信级。生产遥测反映出巨大的日处理量：Statsig 的分布式服务每天摄取和评估超过 1 万亿个事件， 每月触达 25 亿个跨网页、服务器和移动端的独立实验对象。复杂多产品环境中的技术采用显示出很强黏性：客户把 Statsig 与 DX 等开发者体验工具、 Glean 等企业搜索平台并用。采用 Statsig Warehouse Native 架构的组织扩张尤其明显；该架构直接在客户 Snowflake、BigQuery 和 Databricks 集群内执行基于 SQL 的统计计算，无需第三方数据抽取管道。[CU002, CU005, CU006, CU008, CU013]

6.3 客户持久性、并购过渡摩擦与留存审视

Brex、Notion、Bluesky 和 Secret Sales 的经验证生产案例证明了明显的运营收益，包括 Brex 报告的数据科学家耗时下降 50% 和分析工具成本节省 20%； 但客户持久性正面临前所未有的结构性摩擦。2026 年 5 月的交易结构把 Statsig 组织彻底分成两半：Amplitude 接手 Statsig 品牌、平台维护和客户关系， OpenAI 则保留创始工程团队、技术领导和统计研究人员。Statsig 的企业买方当初正是看中其极快的工程节奏和开发者亲密度，因此这次分拆引起强烈担忧。 Optimizely 等竞争对手已公开针对这一运营弱点，把这个失去归属的产品称为“没有驾驶员的赛车”，并预言支持能力下降、产品最终整合。 第三方遥测显示已有 38 家公司流失，另有 48 份企业合同将在 90 天内续约，客户留存将立即受到检验。[CU007, CU009, CU010, CU011, CU012, CU014, CU015]

6.4 展示材料

7.1 残余风险排序

证据支持把尽调重点放在保证可见性和配置治理上，而不是声称已经发生数据泄露或中断。Statsig 称客户数据可能敏感，自称已通过 SOC 2 Type II 审计， 并发布风险管理和事件响应控制。尽管如此，RiscLens 报告称无法确认公开 SOC 2 报告，并说明其画像仅基于公开可观察的自动化发现。 最稳妥的处理方式是把这视为证据获取缺口：要求当前报告、适用范围、例外项、桥接函和收购后的控制归属，而不要把公开未找到材料解读为认证失败。 第二层风险涉及实时配置、分析有效性和可用性。Statsig 自己披露的规模和正常运行时间数据未经审计，独立实施指南则警告， 功能开关成功发布本身并不能证明实验分析正确。因此，热力图表达的是定性尽调紧迫性，而非观察到的事故频率。[CR001, CR002, CR003, CR004, CR012, CR014, CR016]

7.2 运营、安全与依赖暴露

Statsig 描述了分层缓解措施：按需访问生产数据、记录员工访问、风险评估、事件响应计划、备份、多云基础设施和细粒度权限。 Releasebot 转发的近期公司发布说明还提到更窄的编辑/删除权限、项目级和角色级 MCP 范围，以及更安全的单用户覆盖删除路径。 这些都是有意义的控制，但也暴露了管理层试图压制的故障模式：用户或代理权限过大、配置并发变更、发现延迟和恢复失败。 部署选择只能转移依赖，不能消除依赖。托管模式依赖 Statsig 和云服务商；数据仓库原生模式则依赖客户数据仓库的可用性、权限、查询治理和计算预算。 Statsig 还称可能使用分包商和 Amplitude 关联方。指定来源池的公开材料没有量化供应商集中度、恢复目标、分包商暴露或事件对客户的影响， 因此这些仍是尽调事项，而不是估算事实。[CR004, CR005, CR006, CR007, CR008, CR009, CR010, CR011, CR015]

7.3 缓解措施、监测指标与论点失效触发器

投资判断应建立在控制确实运行的证据上，而不只是存在控制描述。承诺投资前，应取得当前独立保证、渗透测试和灾难恢复摘要、 事件及重大中断历史、恢复时间和恢复点目标，以及按部署模式绘制的数据流图。针对实时产品风险，应要求高影响闸门的审批工作流、 最小权限 MCP 和控制台角色、经核对的分配及曝光日志、样本比例失配监测、预先约定的停止规则，以及经过测试的回滚路径。 针对数据仓库原生经济性，应按实验和重新加载监测查询支出，因为 2026 年发布说明明确增加了成本归因标签来暴露这项支出。 论点失效触发器应包括未修复的重大保证例外、拒绝提供事件记录、反复绕过控制、未核对且改变决策的实验数据、 未达到合同恢复目标，或部署成本抹平整合节省。仅凭本章来源池无法量化收入烧钱、客户集中度和合同责任；应保持开放，不要编造阈值。[CR003, CR004, CR009, CR010, CR011, CR012, CR013, CR016]

7.4 展示材料

8.1 投资论点、反论点与融资背景

Statsig 的高确信度产品论点聚焦开发者速度：它把功能管理、A/B 测试和分析合并为一个平台，已为工程组织带来运营效率提升。 公司的架构创新，尤其是数据仓库原生部署模式，通过把分析计算转移到客户管理的数据仓库，保护核心利润率。 但反论点来自极高的估值和竞争性吸收。Statsig 通过三轮融资累计募集 $153M，其中包括 2022 年以 $420M 估值完成的 $43M B 轮， 以及 2025 年 5 月由 Iconiq Growth 领投、Sequoia Capital 和 Madrona Venture Group 跟投的 $100M C 轮。 C 轮以 $40M ARR 对应 $1.1B 投后估值，即 27.5 倍的昂贵倍数。叠加点式解决方案整合和开源工具带来的竞争压力， 新增独立资本的风险回报并不划算，因此应以高确信度回避。[CV001, CV002, CV003, CV005, CV006, CV010, CV012, CV014]

8.2 估值倍数、并购先例与情景投资判断

把 Statsig 的 $1.1B 估值与软件行业基准比较，可以看到明显的估值拉伸。以 $40M ARR 计算，Statsig 的 27.5 倍收入倍数超过高增长 私有企业软件供应商当前中位数的两倍。并购动态显示市场整合正在加速：据报道，Statsig 拒绝了 Datadog 的收购要约，随后 Datadog 以约 $220M 收购实验竞争对手 Eppo，把测试能力嵌入可观测性技术栈。之后，OpenAI 宣布以 $1.1B 股票收购 Statsig，彻底改变流动性格局。 在情景投资判断中，基准情景假设收入扩张至 $70M，并按正常化的 10 倍 ARR 倍数得出 $700M 公允价值，较 C 轮定价折价 36%。 悲观情景假设平台吸收加速，估值收缩至 $225M；乐观情景则要求 ARR 增长至 $120M、倍数达到 18 倍，才能实现 $2.16B 结果。[CV002, CV003, CV004, CV007, CV008, CV009, CV011, CV013]

8.3 退出准备度、尽调重点与论点失效触发器

Statsig 的退出路径在 OpenAI 宣布 $1.1B 收购协议后，已从独立 IPO 永久转向战略吸收。 对评估老股交易或合成敞口的潜在投资者而言，公开申报中仍有关键尽调盲区。尤其是，Statsig 尚未公开毛利率画像、净收入留存率（NRR）、 客户获客成本（CAC）回收期或头部客户收入集中度。这些遗漏阻碍了对现金流持久性的精确投资判断。 如果 Statsig 在独立商业治理下证明 NRR 超过 130%，同时收入持续同比增长超过 80%，投资论点可能向好地失效。 反向触发器包括企业客户加速流失至捆绑式可观测性功能，或公司所有权过渡后续约流失严重。[CV003, CV004, CV009, CV010, CV011]

8.4 展示材料