Vectorial erhält 3 Millionen US-Dollar Startkapital, um Produkte mit simulierten Kunden zu testen

Mit KI kann ein Team innerhalb weniger Stunden ein neues Produktmerkmal entwickeln. Herauszufinden, ob die Menschen es tatsächlich wollen, kann dennoch Wochen dauern. Vectorial setzt darauf, dass Modelle menschlichen Verhaltens diese Lücke verkleinern können, und hat 3 Millionen US-Dollar Startkapital aufgenommen, um simulierte Zielgruppen in den Produktentwicklungsprozess einzubinden.

Das Unternehmen aus San Francisco gab die Finanzierung am 20. Oktober bekannt. Zu den Geldgebern zählen laut der Mitteilung Smilegate, SenseAI Ventures und Dent Capital. Vectorial nennt außerdem die Unterstützung aus den Ökosystemen von Berkeley und Stanford sowie die Beteiligung von Führungskräften aus dem Produktbereich bei Meta, Shopify und Mastercard. Das Unternehmen plant, seine Verhaltensdatensätze durch neue Datenpartnerschaften zu erweitern und die nächste Version seines SAPIENS-Modells zu entwickeln.

Das Konzept ist einfach: Produkt-, Design- und Marketingteams können untersuchen, wie unterschiedliche Zielgruppen auf ein digitales Erlebnis reagieren könnten, bevor echte Kunden damit in Kontakt kommen. Schwieriger ist die Frage, ob diese simulierten Reaktionen zuverlässig genug sind, um bessere Entscheidungen zu ermöglichen.

Ein wiederverwendbares Zielgruppenmodell entwickeln

Vectorial beschreibt seine Plattform als zweistufiges System. Zunächst erstellt das Unternehmen anhand von Verhaltensdaten ein Modell der Zielgruppe. Anschließend führen Teams Simulationen mit dieser Zielgruppe durch und bewerten dabei Produktabläufe, Kampagnenkonzepte, Markenbotschaften oder kundenorientierte KI-Agenten in Web- und mobilen Anwendungen.

Das SAPIENS-Modell bildet demografische, psychologische und verhaltensbezogene Merkmale ab, darunter auch Eigenschaften, die in einem Kundenprofil nicht direkt sichtbar sind. Ziel ist es, Unterschiede zwischen Menschen zu erfassen, statt ein Marktsegment wie einen einzigen Durchschnittskunden zu behandeln. Ein Designteam und ein Marketingteam können anschließend mit demselben zugrunde liegenden Zielgruppenmodell arbeiten und dabei unterschiedliche Fragen stellen.

Auf seiner Website erklärt Vectorial, dass Kunden Zielgruppen anhand von CRM-Segmenten, früheren Umfragen, Support-Transkripten und Produktanalysen kalibrieren können. Das Unternehmen beschreibt außerdem Rücktests anhand einer bereits abgeschlossenen Studie, bevor die modellierte Zielgruppe für eine neue Fragestellung eingesetzt wird. So lässt sich auf praktische Weise prüfen, ob die Simulation eine bestimmte Kundenbasis abbildet.

Für ein Produktteam könnte das bedeuten, verschiedene Onboarding-Abläufe zu vergleichen, bevor Entwicklungsressourcen gebunden werden. Ein Spieleentwickler könnte untersuchen, wie unterschiedliche Spielergruppen auf ein geplantes Feature reagieren. Ein Unternehmen, das einen KI-Assistenten einsetzt, könnte prüfen, wie sich dessen Gespräche je nach Situation der Nutzer verändern. Dies sind mögliche Anwendungsfälle der Plattform und kein Beleg dafür, dass jede vorhergesagte Reaktion nach der Markteinführung tatsächlich eintritt.

Was die Angaben zur Genauigkeit messen

Vectorial gibt an, mehr als 2,5 Millionen Menschen modelliert und über 30.000 Simulationen abgeschlossen zu haben. Laut der Finanzierungsmitteilung haben Simulationen frühere Ergebnisse von Nutzerstudien mit einer Genauigkeit von mehr als 85 % reproduziert. Außerdem sei SAPIENS bei der Vorhersage von Verhalten 30 % genauer als Sprachmodelle für allgemeine Zwecke.

Diese Ergebnisse stammen vom Unternehmen. Auf seiner aktuellen Website nennt Vectorial separat eine Genauigkeit von 87 % bei zurückgehaltenen Studien und eine Verbesserung um 35 % beim Abgleich mit tatsächlichen Meinungen. Das Unternehmen unterscheidet ausdrücklich zwischen dem Abgleich von Meinungen und der Genauigkeit bei der Vorhersage von Verhalten. Diese Zahlen beziehen sich daher auf unterschiedliche Auswertungen und sollten nicht als austauschbare Einzelkennzahl dafür verstanden werden, wie gut die Software menschliches Verhalten vorhersagt.

Für potenzielle Kunden ist entscheidend, wie gut das Modell bei ihrer Zielgruppe, ihrem Produkt und Entscheidungen mit bekannten Ergebnissen abschneidet. Eine Simulation, die zwei Botschaften korrekt einordnet, beantwortet eine andere Frage als eine, die den genauen Prozentsatz der Nutzer vorhersagt, die einen Kauf tätigen werden. Vectorial räumt selbst ein, dass präzise Vorhersagen in Kategorien mit begrenzten Verhaltensdaten weniger zuverlässig sind.

Hier unterscheidet sich simulationsgestützte Forschung auch von KI-Tools zur Automatisierung von Marktforschungsabläufen. Eine schnellere Vorbereitung und Auswertung von Umfragen kann den Prozess der Erhebung menschlicher Erkenntnisse verbessern. Ein Verhaltenssimulator erstellt dagegen Vorhersagen auf Grundlage eines Modells. Deshalb sind dessen Kalibrierung und Validierung entscheidend für den Nutzen der Ergebnisse.

Von Forschungsexpertise zu Produktentscheidungen

Vectorial wurde von Taranveer Singh, dem CEO, Jasmine Kaur, der Chief Business Officer, und Rahul Garg, dem Chief Product Officer, mitgegründet. Ihre beruflichen Hintergründe vereinen Verhaltensmodellierung, die Einführung von KI in Unternehmen und die Entwicklung von Softwareprodukten.

In den Biografien der Gründer beschreibt das Unternehmen Singhs Arbeit in den Bereichen Verhaltensforschung und KI, unter anderem bei Carnegie Mellon und Berkeley AI Research. Kaur arbeitete zuvor bei Pfizer an synthetischen Nutzern für das Marketing, während Garg Produkte bei Unternehmen wie Blinkit und Housing.com entwickelt hat. Diese Kombination erklärt, warum Vectorial darauf abzielt, Forschung in wiederkehrende Produktentscheidungen einzubinden, statt nur gelegentliche Marktstudien zu verkaufen.

„Wir investieren weiterhin in unser Verhaltensmodell, aber ein Modell allein löst das Problem nicht“, sagte Garg in der Mitteilung. „Deshalb setzen wir Verhaltensmodelle direkt im Produktentwicklungsprozess ein.“

Vectorial zählt Kunden aus den Bereichen Gesundheitswesen, Gaming und Handel zu seinen Kunden, darunter Midi Health, GoodRx, Suki AI, boAt, Everkind und Concrete Software. Laut der Ankündigung führen die Kunden rund 600 Simulationen pro Monat durch, was etwa 40 Nutzerstudien entspricht. Diese Nutzungszahlen geben Aufschluss über die Testhäufigkeit, auf die das Unternehmen abzielt; für sich genommen belegen sie jedoch nicht die geschäftlichen Auswirkungen jeder einzelnen Simulation.

Schneller zu ersten Erkenntnissen – die Validierung in der Praxis bleibt jedoch unverzichtbar

Die Seed-Finanzierung soll weitere Partnerschaften im Bereich Verhaltensdaten und SAPIENS 2.0 unterstützen. Eine breitere Datenbasis ist wichtig, denn der Nutzen der Plattform hängt davon ab, wie realitätsgetreu sie die Menschen abbildet, die ein Unternehmen erreichen möchte – einschließlich Gruppen, deren Verhalten sich möglicherweise von dem der Mehrheit unterscheidet.

Das stärkste Argument für diesen Ansatz sind frühere und häufigere Tests. Teams können mehr Möglichkeiten ausloten, Annahmen erkennen und mit präziseren Fragen in die Forschung mit Menschen gehen. Auf der eigenen Website weist Vectorial darauf hin, dass echte Teilnehmende bei unbekannten Situationen und bei Arbeiten, die direkte Belege von Menschen erfordern, weiterhin wichtig sind.

Damit steht das Start-up vor einer klaren Herausforderung: Es muss zeigen, dass wiederholte Simulationen zu besseren Produktentscheidungen führen und nicht einfach nur mehr Forschungsergebnisse hervorbringen. Kann es diesen Zusammenhang bei unterschiedlichen Kunden und in verschiedenen Märkten nachweisen, könnte die Modellierung von Zielgruppen zu einem festen Schritt zwischen der Entwicklung einer Idee und der Markteinführung werden.