Vectorial ने सिम्युलेटेड ग्राहकों के साथ उत्पादों को परखने के लिए 30 लाख डॉलर की सीड फंडिंग जुटाई

एआई किसी टीम को कुछ ही घंटों में उत्पाद का नया फीचर बनाने में मदद कर सकता है। लेकिन यह पता लगाने में कई सप्ताह लग सकते हैं कि लोग वास्तव में उसे चाहते भी हैं या नहीं। Vectorial का दांव है कि मानव व्यवहार के मॉडल इस अंतर को कम कर सकते हैं। कंपनी ने उत्पाद विकास प्रक्रिया में सिम्युलेटेड दर्शकों को शामिल करने के लिए 30 लाख डॉलर की सीड फंडिंग जुटाई है।

कंपनी की घोषणा के मुताबिक, सैन फ्रांसिस्को स्थित इस कंपनी ने 20 अक्टूबर को फंडिंग की घोषणा की। इसमें Smilegate, SenseAI Ventures और Dent Capital का समर्थन शामिल है। Vectorial ने Berkeley और Stanford के पारिस्थितिकी तंत्र से मिले सहयोग और Meta, Shopify तथा Mastercard के उत्पाद प्रमुखों की भागीदारी का भी उल्लेख किया है। कंपनी नई डेटा साझेदारियों के ज़रिए अपने व्यवहार संबंधी डेटासेट का विस्तार करने और अपने SAPIENS मॉडल का अगला संस्करण विकसित करने की योजना बना रही है।

प्रस्ताव सीधा है: उत्पाद, डिज़ाइन और मार्केटिंग टीमें वास्तविक ग्राहकों के सामने डिजिटल अनुभव पेश करने से पहले यह परखें कि अलग-अलग दर्शक उस पर कैसी प्रतिक्रिया दे सकते हैं। मुश्किल सवाल यह है कि क्या ऐसे सिम्युलेटेड जवाब निर्णयों को बेहतर बनाने के लिए पर्याप्त रूप से भरोसेमंद हैं।

ऐसा दर्शक मॉडल बनाना, जिसका बार-बार इस्तेमाल किया जा सके

Vectorial अपने प्लेटफ़ॉर्म को दो चरणों वाली प्रणाली बताती है। पहले, यह व्यवहार संबंधी डेटा का इस्तेमाल करके लक्षित दर्शकों का मॉडल बनाती है। फिर टीमें उन दर्शकों के आधार पर सिम्युलेशन चलाती हैं और वेब व मोबाइल अनुभवों में उत्पाद के सफ़र, अभियान की अवधारणाओं, ब्रांड संदेशों या ग्राहकों से संवाद करने वाले एआई एजेंटों का मूल्यांकन करती हैं।

इसका SAPIENS मॉडल जनसांख्यिकीय, मनोवैज्ञानिक और व्यवहार संबंधी विशेषताओं को दर्शाता है। इसमें वे लक्षण भी शामिल हैं जो ग्राहक की प्रोफ़ाइल में सीधे दिखाई नहीं देते। इसका उद्देश्य लोगों के बीच के अंतर को पकड़ना है, न कि किसी बाज़ार खंड को एक औसत ग्राहक मान लेना। इसके बाद डिज़ाइन और मार्केटिंग टीमें एक ही अंतर्निहित दर्शक मॉडल के साथ काम करते हुए अलग-अलग सवाल पूछ सकती हैं।

Vectorial अपनी वेबसाइट पर बताती है कि ग्राहक CRM खंडों, पहले किए गए सर्वेक्षणों, सहायता-संबंधी बातचीत के प्रतिलेखों और उत्पाद विश्लेषण के डेटा का इस्तेमाल करके आबादी के मॉडल को अनुकूलित कर सकते हैं। कंपनी यह भी बताती है कि नए सवाल के लिए मॉडल किए गए दर्शकों का उपयोग करने से पहले, पहले पूरी हो चुकी किसी स्टडी के आधार पर बैक-टेस्टिंग की जा सकती है। इससे यह जाँचने का व्यावहारिक तरीका मिलता है कि सिम्युलेशन किसी खास ग्राहक आधार को दर्शाता है या नहीं।

उत्पाद टीम के लिए इसका मतलब यह हो सकता है कि इंजीनियरिंग संसाधन लगाने से पहले ऑनबोर्डिंग के अलग-अलग तरीकों की तुलना की जाए। गेम डेवलपर यह जाँच सकता है कि खिलाड़ियों के अलग-अलग समूह किसी प्रस्तावित फीचर पर कैसी प्रतिक्रिया देते हैं। एआई असिस्टेंट लागू करने वाली कंपनी यह देख सकती है कि उपयोगकर्ताओं की अलग-अलग परिस्थितियों में बातचीत का स्वरूप कैसे बदलता है। ये प्लेटफ़ॉर्म के संभावित उपयोग हैं; इस बात का प्रमाण नहीं कि लॉन्च के बाद हर अनुमानित प्रतिक्रिया वास्तव में होगी।

सटीकता के दावों में क्या मापा जाता है

Vectorial का कहना है कि उसने 25 लाख से अधिक लोगों के मॉडल बनाए हैं और 30,000 से अधिक सिम्युलेशन पूरे किए हैं। उसकी फंडिंग घोषणा के मुताबिक, सिम्युलेशन ने पहले के उपयोगकर्ता-अध्ययनों के निष्कर्षों को 85% से अधिक सटीकता के साथ दोहराया है। घोषणा में यह भी कहा गया है कि व्यवहार का अनुमान लगाने में SAPIENS सामान्य प्रयोजन वाले भाषा मॉडलों से 30% अधिक सटीक है।

ये कंपनी की ओर से बताए गए नतीजे हैं। उसकी मौजूदा वेबसाइट अलग से, अलग रखे गए अध्ययनों के लिए 87% सटीकता और वास्तविक राय से मेल खाने में 35% सुधार का आँकड़ा देती है। कंपनी स्पष्ट रूप से राय से मेल खाने और व्यवहार की सटीकता के बीच अंतर बताती है। इसलिए, इन आँकड़ों को अलग-अलग मूल्यांकनों के नतीजों के रूप में समझना चाहिए, न कि लोगों के बारे में सॉफ़्टवेयर की भविष्यवाणी की क्षमता के एक ही, परस्पर बदलकर इस्तेमाल किए जा सकने वाले माप के रूप में।

संभावित ग्राहकों के लिए उपयोगी कसौटी यह है कि मॉडल उनके दर्शकों, उनके उत्पाद और ज्ञात नतीजों वाले निर्णयों के मामले में कैसा प्रदर्शन करता है। दो संदेशों में से बेहतर संदेश को सही क्रम पर रखना एक अलग सवाल का जवाब है; यह अनुमान लगाना कि कितने प्रतिशत उपयोगकर्ता खरीदारी करेंगे, बिल्कुल अलग सवाल है। Vectorial खुद मानती है कि व्यवहार संबंधी डेटा सीमित होने वाली श्रेणियों में सटीक भविष्यवाणियाँ करने में उसका प्रदर्शन कमज़ोर है।

यहीं सिम्युलेटेड शोध, बाज़ार-अनुसंधान की प्रक्रियाओं को स्वचालित करने वाले एआई टूल से अलग होता है। सर्वेक्षण की तैयारी और विश्लेषण तेज़ होने से मानव साक्ष्य जुटाने की प्रक्रिया बेहतर हो सकती है। इसके विपरीत, व्यवहार सिम्युलेटर किसी मॉडल से भविष्यवाणियाँ तैयार करता है, इसलिए उसके नतीजों की उपयोगिता के लिए अंशांकन और सत्यापन अहम हो जाते हैं।

शोध विशेषज्ञता से उत्पाद संबंधी निर्णयों तक

Vectorial की सह-स्थापना Taranveer Singh ने की, जो इसके सीईओ हैं; Jasmine Kaur ने, जो इसकी मुख्य व्यवसाय अधिकारी हैं; और Rahul Garg ने, जो इसके मुख्य उत्पाद अधिकारी हैं। उनकी पृष्ठभूमियों में व्यवहार मॉडलिंग, उद्यमों में एआई अपनाना और सॉफ़्टवेयर उत्पाद विकास शामिल हैं।

कंपनी की संस्थापकों की जीवनियाँ Singh के व्यवहार संबंधी शोध और एआई में किए गए काम का ब्यौरा देती हैं, जिनमें Carnegie Mellon और Berkeley AI Research में उनका काम भी शामिल है। Kaur ने पहले Pfizer में मार्केटिंग के लिए कृत्रिम उपयोगकर्ताओं पर काम किया था, जबकि Garg ने Blinkit और Housing.com समेत कई कंपनियों में उत्पाद बनाए हैं। यह अनुभवों का मेल समझाता है कि Vectorial का ध्यान केवल कभी-कभार किए जाने वाले बाज़ार-अध्ययन बेचने के बजाय, नियमित उत्पाद निर्णयों में शोध को शामिल करने पर क्यों है।

“हम अपने व्यवहार मॉडल में लगातार निवेश कर रहे हैं, लेकिन सिर्फ़ एक मॉडल से समस्या हल नहीं होती,” Garg ने घोषणा में कहा। “इसीलिए हमने उत्पाद विकास चक्र में व्यवहार मॉडलों का इस्तेमाल शुरू किया।”

Vectorial स्वास्थ्य सेवा, गेमिंग और वाणिज्य के क्षेत्र में ग्राहकों की सूची देता है, जिनमें Midi Health, GoodRx, Suki AI, boAt, Everkind और Concrete Software शामिल हैं। घोषणा के अनुसार, ग्राहक हर महीने लगभग 600 सिमुलेशन चलाते हैं, जिसे कंपनी करीब 40 उपयोगकर्ता अध्ययनों के बराबर बताती है। उपयोग के ये आँकड़े उस परीक्षण की आवृत्ति दर्शाते हैं जिसे कंपनी बढ़ावा देना चाहती है; लेकिन केवल इनसे हर सिमुलेशन के व्यावसायिक प्रभाव का पता नहीं चलता।

शुरुआती आकलन तेज़, लेकिन वास्तविक दुनिया में पुष्टि अब भी ज़रूरी

सीड फंडिंग से व्यवहार-संबंधी डेटा साझेदारियों और SAPIENS 2.0 को समर्थन मिलेगा। डेटा का दायरा बढ़ाना अहम है, क्योंकि मंच की उपयोगिता इस बात पर निर्भर करती है कि वह उन लोगों का कितनी सटीकता से प्रतिनिधित्व करता है, जिन तक कोई कारोबार पहुँचना चाहता है—इसमें ऐसे समूह भी शामिल हैं जिनका व्यवहार बहुसंख्यक लोगों से अलग हो सकता है।

इस तरीके के पक्ष में सबसे मजबूत तर्क यह है कि इससे पहले और अधिक बार परीक्षण किया जा सकता है। टीमें अधिक विकल्पों को परख सकती हैं, अपनी मान्यताओं की पहचान कर सकती हैं और अधिक सटीक सवालों के साथ मानव-अध्ययन की ओर बढ़ सकती हैं। Vectorial की अपनी वेबसाइट के अनुसार, अपरिचित परिस्थितियों और ऐसे कामों के लिए वास्तविक प्रतिभागी अब भी महत्वपूर्ण हैं जिनमें सीधे मानवीय साक्ष्य की आवश्यकता होती है।

इससे स्टार्टअप के सामने एक स्पष्ट चुनौती रह जाती है: उसे दिखाना होगा कि बार-बार किए गए सिमुलेशन से उत्पाद के बेहतर विकल्प चुनने में मदद मिलती है, न कि केवल शोध का अधिक आउटपुट तैयार होता है। यदि वह अलग-अलग ग्राहकों और बाज़ारों में इस संबंध को साबित कर पाता है, तो किसी विचार को विकसित करने और उत्पाद जारी करने के बीच दर्शक-वर्ग का मॉडल तैयार करना एक नियमित कदम बन सकता है।