Maxx BlankとAJ OrbachがTriple Whaleをcommerce intelligenceへ変えた5年

Maxx Blankは、AJ OrbachとTriple Whaleを始めた理由を「EC事業者に必要なすべてのデータは、以前は何十ものplatformに散らばっていた。それを一つのsourceにまとめたかった」と公式ブログで説明している。出典

2021年の創業時、元EC operatorsだった創業チームが向き合ったのは、売上・広告・顧客の数字を見ても、どれが正しいのかすぐ判断できない問題だった。

最初の製品はstore、marketing、customer dataを一つに集めるdashboard。

可視化するだけでも、日々の意思決定を速くする価値があった。出典

しかし、dashboardは変化を知らせても、なぜ起きたか、次に何をすべきかまでは自動で埋めない。

顧客のchannel、market、product、agency、teamが増えるほど、問題を見つけてから解くまでの距離は伸びていった。出典

そこでTriple Whaleは、単なる画面ではなくfoundationを積み上げた。

異なるplatformのデータを共通モデルに揃え、attribution、incrementality、MMMでmeasurementを厚くし、Context Engineでbusiness knowledgeをMobyが扱える形にする。出典

2026年9月、Maxx Blankは新しいbrandについて、見た目の変更ではなく「Triple Whaleがcommerce businessesに果たせる役割の変化」だと書いた。

分析のために訪れる場所から、問いに答え、判断し、仕事を進めるplatformへ。

創業時のデータ統合という狭い入口を捨てず、その上に実行の層を重ねた転換である。出典

現在の公式homepageは65,000超のbrandsを掲げる。

売上や継続率は公開されていないため成功の大きさを単純な数字で断定はできない。

それでも、Maxx Blankたちが最初に解いた「数字を信じられない」という痛みを、measurement、context、AI actionへ連続的に広げた道筋は、vertical SaaSがplatform化する一例として読める。出典

Triple WhaleのPMFは、複数の広告・販売チャネルを運営するECブランドにある。

各platformの定義や時間軸が違うため、数字の食い違いを毎週手作業で調整する痛みが強い。

公式サイトは65,000超のブランド利用を掲げ、Data Platformとmeasurementを一つの基盤にまとめる。出典

さらにMoby AIが自社データとbusiness contextを前提に判断・実行を支援することで、単なる可視化からoperatorの仕事を短縮する方向へ広がる。

導入価値はdashboardではなく、問題発見からアクションまでの時間を縮める点にある。出典

蓄積したcommerce data model、integration、measurement logic、Context Engineの組み合わせが参入障壁になる。

個別dashboardは模倣できても、異なるチャネルの定義を揃え、AIが使えるcontextへ変換する運用知は短期間で再現しにくい。出典

ネットワーク効果は弱い。

利用ブランドが増えても、顧客同士が直接価値を交換するmarketplaceではないからだ。

一方、commerceのbenchmarkやintegration knowledgeが増えるほど、製品改善と導入時の理解には間接的な学習効果が生まれる。出典

複数の販売・広告channelを持ち、ShopifyやAmazon、Meta、Googleなどの数字を横断して判断するECブランドのfounder、marketing leader、performance marketer、analyst向け。

単一channelだけを見れば足りる小規模事業者には過剰になりやすい。出典

第一に、Shopifyや広告など異なるデータを共通のcommerce modelで扱う基盤。

第二に、attributionだけでなくincrementalityとMMMを組み合わせるmeasurement。

第三に、case studyとrole別ページで、founderからanalystまで具体的な入口を用意する構成だ。出典

これは機能を足すだけでなく、信頼できるデータを先に作ってからAIを重ねる順序でもある。出典

複数platformのデータ定義・identity・計測精度を一社で完全に揃えるのは難しく、measurementの結果が顧客の意思決定を自動的に正しくするとは限らない。

公式情報だけではARR、調達額、顧客単価は要確認であり、65,000超という利用ブランド数も売上や継続率を意味しない。出典

Mobyの自動実行が広がるほど、権限設計・誤操作・説明可能性が新しいリスクになる。

AIを導入する前提として、source dataとbusiness ruleの品質を保ち続ける必要がある。出典

公式サイトは、founder、marketing leader、performance marketer、data analystなど職種別の導線を置き、case studyと無料benchmarkで関心を獲得する。

初期のdashboardからData Platform、Mobyへ広げるland-and-expand型で、既存データを使う顧客ほど新機能を試しやすい。出典

ただし対象はEC運営の複雑性が高い企業に寄る。

汎用BIとの差を保つには、commerce固有の実行価値を示し続ける必要がある。出典

主要チャネル: content, caseStudies, partnerships, productLed

verticalに深いdata modelは、汎用dashboardよりも顧客の意思決定に近づける。

Triple Whaleの事例は、最初からAIを前面に出すのではなく、分散データの統合とmeasurementで信頼を作り、その上にaction layerを載せる順序を示す。出典

日本のEC事業者も、広告・モール・店舗・CRMの定義を揃えるところから始めるべきだと言える。

日本では楽天・Amazon・自社EC・実店舗・LINEなど、さらにデータの所有者と粒度が分かれやすい。

Triple Whaleのような単一のcommerce modelをそのまま移植するより、まずチャネル別のID・粗利・返品を共通定義にする設計が先になる。

その上で、AIには発注や広告予算の自動変更を一括で許可せず、根拠表示と承認workflowを組み込むのが現実的だ。