Η Vectorial αντλεί 3 εκατ. δολάρια σε αρχική χρηματοδότηση για να δοκιμάζει προϊόντα με προσομοιωμένους πελάτες

Η ΤΝ μπορεί να βοηθήσει μια ομάδα να δημιουργήσει ένα νέο χαρακτηριστικό προϊόντος μέσα σε λίγες ώρες. Ωστόσο, μπορεί να χρειαστούν ακόμη εβδομάδες για να διαπιστωθεί αν οι άνθρωποι το θέλουν πραγματικά. Η Vectorial στοιχηματίζει ότι τα μοντέλα ανθρώπινης συμπεριφοράς μπορούν να γεφυρώσουν αυτό το χάσμα και άντλησε 3 εκατομμύρια δολάρια σε αρχική χρηματοδότηση, ώστε να εντάξει προσομοιωμένα κοινά στη διαδικασία ανάπτυξης προϊόντων.

Η εταιρεία, με έδρα το Σαν Φρανσίσκο, ανακοίνωσε τη χρηματοδότηση στις 20 Οκτωβρίου, με υποστήριξη, μεταξύ άλλων, από τις Smilegate, SenseAI Ventures και Dent Capital, σύμφωνα με την ανακοίνωσή της. Η Vectorial αναφέρει επίσης ότι υποστηρίζεται από τα οικοσυστήματα του Berkeley και του Stanford και ότι συμμετέχουν στελέχη προϊόντων από τις Meta, Shopify και Mastercard. Σχεδιάζει να διευρύνει τα σύνολα δεδομένων συμπεριφοράς της μέσω νέων συνεργασιών για την παροχή δεδομένων και να αναπτύξει την επόμενη έκδοση του μοντέλου SAPIENS.

Η πρόταση είναι απλή: οι ομάδες προϊόντος, σχεδιασμού και μάρκετινγκ να εξετάζουν πώς μπορεί να αντιδράσουν διαφορετικά κοινά σε μια ψηφιακή εμπειρία, προτού εκτεθούν σε αυτήν πραγματικοί πελάτες. Το δυσκολότερο ερώτημα είναι αν αυτές οι προσομοιωμένες αντιδράσεις είναι αρκετά αξιόπιστες ώστε να βελτιώσουν τη λήψη αποφάσεων.

Δημιουργία ενός μοντέλου κοινού που μπορεί να επαναχρησιμοποιηθεί

Η Vectorial περιγράφει την πλατφόρμα της ως ένα σύστημα δύο σταδίων. Αρχικά, δημιουργεί ένα μοντέλο του κοινού-στόχου με βάση δεδομένα συμπεριφοράς. Στη συνέχεια, οι ομάδες εκτελούν προσομοιώσεις με αυτό το κοινό, αξιολογώντας διαδρομές χρήσης προϊόντων, ιδέες για καμπάνιες, μηνύματα επωνυμίας ή βοηθούς ΤΝ που απευθύνονται σε πελάτες, σε διαδικτυακές και κινητές εμπειρίες.

Το μοντέλο SAPIENS αναπαριστά δημογραφικά, ψυχολογικά και συμπεριφορικά χαρακτηριστικά, συμπεριλαμβανομένων γνωρισμάτων που δεν είναι άμεσα ορατά στο προφίλ ενός πελάτη. Στόχος είναι να αποτυπώνονται οι διαφορές μεταξύ των ανθρώπων και όχι να αντιμετωπίζεται ένα τμήμα της αγοράς σαν να αποτελείται από έναν μέσο πελάτη. Έτσι, μια ομάδα σχεδιασμού και μια ομάδα μάρκετινγκ μπορούν να χρησιμοποιούν το ίδιο βασικό μοντέλο κοινού, θέτοντας διαφορετικά ερωτήματα.

Στον ιστότοπό της, η Vectorial εξηγεί ότι οι πελάτες μπορούν να προσαρμόζουν τα πληθυσμιακά μοντέλα χρησιμοποιώντας τμήματα CRM, παλαιότερες έρευνες, απομαγνητοφωνήσεις συνομιλιών με την υποστήριξη και αναλυτικά στοιχεία προϊόντων. Περιγράφει επίσης τη σύγκριση των αποτελεσμάτων του μοντέλου με μια μελέτη που έχει ήδη ολοκληρωθεί, προτού χρησιμοποιηθεί το μοντελοποιημένο κοινό για ένα νέο ερώτημα. Αυτό προσφέρει έναν πρακτικό τρόπο να εξεταστεί αν η προσομοίωση αντανακλά μια συγκεκριμένη πελατειακή βάση.

Για μια ομάδα προϊόντος, αυτό θα μπορούσε να σημαίνει σύγκριση εναλλακτικών διαδικασιών αρχικής χρήσης, προτού δεσμευτούν πόροι μηχανικής. Ένας δημιουργός παιχνιδιών θα μπορούσε να διερευνήσει πώς αντιδρούν διαφορετικές ομάδες παικτών σε ένα προτεινόμενο χαρακτηριστικό. Μια εταιρεία που θέτει σε λειτουργία έναν βοηθό ΤΝ θα μπορούσε να εξετάσει πώς αλλάζουν οι συνομιλίες του ανάλογα με τις περιστάσεις των χρηστών. Πρόκειται για πιθανές εφαρμογές της πλατφόρμας και όχι για απόδειξη ότι κάθε προβλεπόμενη αντίδραση θα εκδηλωθεί μετά την κυκλοφορία.

Τι μετρούν οι ισχυρισμοί περί ακρίβειας

Η Vectorial αναφέρει ότι έχει μοντελοποιήσει περισσότερους από 2,5 εκατομμύρια ανθρώπους και έχει ολοκληρώσει πάνω από 30.000 προσομοιώσεις. Στην ανακοίνωση της χρηματοδότησης αναφέρει ότι οι προσομοιώσεις αναπαρήγαγαν ευρήματα παλαιότερων μελετών χρηστών με ακρίβεια άνω του 85% και περιγράφει το SAPIENS ως 30% ακριβέστερο στην πρόβλεψη συμπεριφοράς από τα μοντέλα γλώσσας γενικής χρήσης.

Πρόκειται για αποτελέσματα που αναφέρει η ίδια η εταιρεία. Στον τρέχοντα ιστότοπό της παραθέτει ξεχωριστά ποσοστό ακρίβειας 87% για μελέτες που δεν χρησιμοποιήθηκαν στην ανάπτυξη του μοντέλου και βελτίωση 35% στην αντιστοίχιση πραγματικών απόψεων. Η εταιρεία διακρίνει ρητά την αντιστοίχιση απόψεων από την ακρίβεια στην πρόβλεψη συμπεριφοράς. Επομένως, τα ποσοστά αυτά πρέπει να διαβάζονται ως αποτελέσματα διαφορετικών αξιολογήσεων και όχι ως μία ενιαία, εναλλάξιμη μέτρηση του πόσο καλά προβλέπει το λογισμικό την ανθρώπινη συμπεριφορά.

Για τους υποψήφιους πελάτες, το χρήσιμο κριτήριο είναι η απόδοση του μοντέλου στο δικό τους κοινό, για το δικό τους προϊόν και σε αποφάσεις με γνωστά αποτελέσματα. Μια προσομοίωση που κατατάσσει σωστά δύο μηνύματα απαντά σε διαφορετικό ερώτημα από μια προσομοίωση που προβλέπει το ακριβές ποσοστό των χρηστών που θα αγοράσουν. Η ίδια η Vectorial αναγνωρίζει ότι οι επιδόσεις είναι χαμηλότερες στις ακριβείς προβλέψεις για κατηγορίες με περιορισμένα δεδομένα συμπεριφοράς.

Σε αυτό το σημείο διαφέρει και η προσομοιωμένη έρευνα από τα εργαλεία ΤΝ που αυτοματοποιούν τις ροές εργασίας της έρευνας αγοράς. Η ταχύτερη προετοιμασία και ανάλυση ερευνών μπορεί να βελτιώσει τη διαδικασία συλλογής στοιχείων από ανθρώπους. Αντίθετα, ένας προσομοιωτής συμπεριφοράς παράγει προβλέψεις βάσει ενός μοντέλου, καθιστώντας τη βαθμονόμηση και την επικύρωση καθοριστικές για την αξία των αποτελεσμάτων του.

Από την εξειδίκευση στην έρευνα στις αποφάσεις για τα προϊόντα

Συνιδρυτές της Vectorial είναι ο Taranveer Singh, διευθύνων σύμβουλός της, η Jasmine Kaur, επικεφαλής επιχειρηματικών δραστηριοτήτων, και ο Rahul Garg, επικεφαλής προϊόντος. Το υπόβαθρό τους συνδυάζει τη μοντελοποίηση συμπεριφοράς, την υιοθέτηση της ΤΝ σε επιχειρήσεις και την ανάπτυξη προϊόντων λογισμικού.

Τα βιογραφικά των ιδρυτών της εταιρείας περιγράφουν την επαγγελματική πορεία του Singh στην έρευνα συμπεριφοράς και την ΤΝ, μεταξύ άλλων στο Carnegie Mellon και στο Berkeley AI Research. Η Kaur είχε προηγουμένως εργαστεί στη δημιουργία συνθετικών χρηστών για το μάρκετινγκ στην Pfizer, ενώ ο Garg έχει αναπτύξει προϊόντα σε εταιρείες όπως οι Blinkit και Housing.com. Αυτός ο συνδυασμός βοηθά να εξηγηθεί γιατί η Vectorial εστιάζει στην ενσωμάτωση της έρευνας στις επαναλαμβανόμενες αποφάσεις για τα προϊόντα, αντί να πουλά μόνο περιστασιακές μελέτες αγοράς.

«Συνεχίζουμε να επενδύουμε στο μοντέλο συμπεριφοράς μας, αλλά από μόνο του ένα μοντέλο δεν λύνει το πρόβλημα», δήλωσε ο Garg στην ανακοίνωση. «Γι’ αυτό αξιοποιούμε τα μοντέλα συμπεριφοράς στο πλαίσιο της διαδικασίας ανάπτυξης προϊόντων».

Η Vectorial αναφέρει πελάτες στους κλάδους της υγείας, του gaming και του εμπορίου, μεταξύ των οποίων οι Midi Health, GoodRx, Suki AI, boAt, Everkind και Concrete Software. Σύμφωνα με την ανακοίνωση, οι πελάτες εκτελούν περίπου 600 προσομοιώσεις τον μήνα, αριθμό που αντιστοιχεί, κατά την εταιρεία, σε περίπου 40 μελέτες χρηστών. Αυτά τα στοιχεία χρήσης δείχνουν τη συχνότητα δοκιμών που επιδιώκει να προσφέρει η εταιρεία· από μόνα τους, όμως, δεν τεκμηριώνουν τον εμπορικό αντίκτυπο κάθε προσομοίωσης.

Ταχύτερη πρώτη εικόνα, με την επικύρωση στον πραγματικό κόσμο να παραμένει απαραίτητη

Η αρχική χρηματοδότηση θα στηρίξει τη δημιουργία περισσότερων συνεργασιών για δεδομένα συμπεριφοράς και την ανάπτυξη του SAPIENS 2.0. Η διεύρυνση της κάλυψης των δεδομένων έχει σημασία, επειδή η χρησιμότητα της πλατφόρμας εξαρτάται από το πόσο πιστά αναπαριστά τους ανθρώπους στους οποίους θέλει να απευθυνθεί μια επιχείρηση, συμπεριλαμβανομένων ομάδων των οποίων η συμπεριφορά μπορεί να διαφέρει από εκείνη της πλειονότητας.

Το ισχυρότερο επιχείρημα υπέρ αυτής της προσέγγισης είναι η δυνατότητα για δοκιμές νωρίτερα και συχνότερα. Οι ομάδες μπορούν να διερευνήσουν περισσότερες επιλογές, να εντοπίσουν παραδοχές και να ξεκινήσουν την έρευνα με ανθρώπους έχοντας πιο συγκεκριμένα ερωτήματα. Στον ιστότοπο της Vectorial αναφέρεται ότι οι πραγματικοί συμμετέχοντες παραμένουν σημαντικοί σε άγνωστες καταστάσεις και σε εργασίες που απαιτούν άμεσα στοιχεία από ανθρώπους.

Έτσι, η νεοφυής εταιρεία έχει μπροστά της μια σαφή πρόκληση: να δείξει ότι οι επαναλαμβανόμενες προσομοιώσεις οδηγούν σε καλύτερες επιλογές προϊόντων και όχι απλώς σε μεγαλύτερη παραγωγή έρευνας. Αν καταφέρει να αποδείξει αυτή τη σύνδεση σε διαφορετικούς πελάτες και αγορές, η μοντελοποίηση του κοινού θα μπορούσε να γίνει ένα τακτικό βήμα ανάμεσα στη σύλληψη μιας ιδέας και τη διάθεσή της στην αγορά.