Vectorial Menggalang Pendanaan Awal US$3 Juta untuk Menguji Produk pada Pelanggan Simulasi

AI dapat membantu tim membangun fitur produk baru dalam hitungan jam. Namun, mencari tahu apakah orang benar-benar menginginkannya masih bisa memakan waktu berminggu-minggu. Vectorial bertaruh bahwa model perilaku manusia dapat mempersempit kesenjangan itu, dan telah menggalang pendanaan awal sebesar US$3 juta untuk menghadirkan audiens simulasi ke dalam proses pengembangan produk.

Perusahaan yang berbasis di San Francisco itu mengumumkan pendanaan tersebut pada 20 Oktober. Menurut pengumumannya, pendanaan ini mencakup dukungan dari Smilegate, SenseAI Ventures, dan Dent Capital. Vectorial juga menyebut dukungan dari ekosistem Berkeley dan Stanford serta keterlibatan para pemimpin produk dari Meta, Shopify, dan Mastercard. Perusahaan berencana memperluas kumpulan data perilakunya melalui kemitraan data baru dan mengembangkan versi berikutnya dari model SAPIENS.

Gagasannya sederhana: tim produk, desain, dan pemasaran dapat menelaah reaksi berbagai audiens terhadap pengalaman digital sebelum mengujinya kepada pelanggan sungguhan. Pertanyaan yang lebih sulit adalah apakah reaksi simulasi tersebut cukup andal untuk membantu pengambilan keputusan.

Membangun Model Audiens yang Dapat Digunakan Kembali

Vectorial menjelaskan bahwa platformnya terdiri atas dua tahap. Pertama, platform membangun model audiens sasaran menggunakan data perilaku. Kemudian, tim menjalankan simulasi terhadap audiens tersebut untuk mengevaluasi alur penggunaan produk, konsep kampanye, pesan merek, atau agen AI yang berinteraksi dengan pelanggan dalam pengalaman web dan seluler.

Model SAPIENS-nya merepresentasikan karakteristik demografis, psikologis, dan perilaku, termasuk sifat-sifat yang tidak terlihat secara langsung dalam profil pelanggan. Tujuannya adalah menangkap perbedaan antarindividu, alih-alih menganggap satu segmen pasar sebagai satu pelanggan rata-rata. Dengan demikian, tim desain dan tim pemasaran dapat menggunakan model audiens dasar yang sama sembari mengajukan pertanyaan yang berbeda.

Di situs webnya, Vectorial menjelaskan bahwa pelanggan dapat menyesuaikan populasi menggunakan segmen CRM, survei sebelumnya, transkrip dukungan, dan analitik produk. Perusahaan juga menjelaskan proses pengujian ulang terhadap studi yang telah selesai sebelum audiens yang dimodelkan digunakan untuk menjawab pertanyaan baru. Hal ini menyediakan cara praktis untuk menilai apakah simulasi mencerminkan basis pelanggan tertentu.

Bagi tim produk, ini dapat berarti membandingkan beberapa alternatif alur orientasi pengguna sebelum mengalokasikan sumber daya rekayasa. Pengembang game dapat menyelidiki tanggapan berbagai kelompok pemain terhadap fitur yang diusulkan. Perusahaan yang menerapkan asisten AI dapat menelaah perubahan percakapannya dalam berbagai situasi pengguna. Semua itu merupakan potensi penerapan platform, bukan bukti bahwa setiap tanggapan yang diprediksi akan benar-benar terjadi setelah peluncuran.

Apa yang Diukur oleh Klaim Akurasi

Vectorial menyatakan bahwa pihaknya telah memodelkan lebih dari 2,5 juta orang dan menyelesaikan lebih dari 30.000 simulasi. Pengumuman pendanaannya menyebutkan bahwa simulasi telah mereproduksi temuan studi pengguna sebelumnya dengan akurasi lebih dari 85%, serta menggambarkan SAPIENS sebagai model yang 30% lebih akurat dalam memprediksi perilaku dibandingkan model bahasa serbaguna.

Hasil tersebut dilaporkan oleh perusahaan. Situs webnya saat ini secara terpisah mencantumkan angka akurasi 87% untuk studi yang datanya tidak digunakan dalam pelatihan, serta peningkatan 35% dalam mencocokkan opini nyata. Perusahaan secara eksplisit membedakan pencocokan opini dari akurasi perilaku. Karena itu, angka-angka tersebut sebaiknya dipahami sebagai hasil dari evaluasi yang berbeda, bukan sebagai satu ukuran yang dapat saling dipertukarkan untuk menunjukkan seberapa baik perangkat lunak memprediksi perilaku orang.

Bagi calon pelanggan, pengujian yang berguna adalah melihat kinerja model pada audiens dan produk mereka, serta pada keputusan yang hasilnya sudah diketahui. Simulasi yang mengurutkan dua pesan dengan benar menjawab pertanyaan yang berbeda dari simulasi yang memprediksi persentase pasti pengguna yang akan membeli. Vectorial sendiri mengakui bahwa kinerjanya lebih lemah dalam menghasilkan prediksi yang tepat untuk kategori dengan data perilaku terbatas.

Di sinilah riset simulasi juga berbeda dari alat AI yang mengotomatiskan alur kerja riset pasar. Persiapan dan analisis survei yang lebih cepat dapat meningkatkan proses pengumpulan bukti dari manusia. Sebaliknya, simulator perilaku menghasilkan prediksi berdasarkan model, sehingga kalibrasi dan validasi menjadi faktor utama dalam menentukan nilai keluarannya.

Dari Keahlian Riset hingga Keputusan Produk

Vectorial didirikan bersama oleh Taranveer Singh, CEO-nya; Jasmine Kaur, direktur bisnisnya; dan Rahul Garg, direktur produknya. Latar belakang mereka mencakup pemodelan perilaku, penerapan AI di perusahaan, dan pengembangan produk perangkat lunak.

Biografi para pendiri perusahaan itu menguraikan kiprah Singh dalam riset perilaku dan AI, termasuk di Carnegie Mellon dan Berkeley AI Research. Kaur sebelumnya mengembangkan pengguna sintetis untuk pemasaran di Pfizer, sementara Garg telah mengembangkan produk di sejumlah perusahaan, termasuk Blinkit dan Housing.com. Perpaduan pengalaman tersebut membantu menjelaskan fokus Vectorial untuk menyertakan riset dalam pengambilan keputusan produk secara berkala, alih-alih hanya menjual studi pasar sesekali.

“Kami terus berinvestasi dalam model perilaku kami, tetapi model saja tidak menyelesaikan masalah,” kata Garg dalam pengumuman tersebut. “Itulah sebabnya kami menerapkan model perilaku dalam siklus pengembangan produk.”

Vectorial mencantumkan pelanggan dari sektor layanan kesehatan, game, dan perdagangan, termasuk Midi Health, GoodRx, Suki AI, boAt, Everkind, dan Concrete Software. Pengumuman tersebut menyebutkan bahwa para pelanggan menjalankan sekitar 600 simulasi per bulan, yang setara dengan kira-kira 40 studi pengguna. Angka penggunaan itu menunjukkan frekuensi pengujian yang ingin dicapai perusahaan; angka tersebut tidak dengan sendirinya membuktikan dampak komersial dari setiap simulasi.

Pembacaan awal yang lebih cepat, dengan validasi dunia nyata yang tetap penting

Pendanaan tahap awal ini akan mendukung lebih banyak kemitraan data perilaku dan SAPIENS 2.0. Perluasan cakupan data penting karena kegunaan platform bergantung pada seberapa akurat platform tersebut merepresentasikan orang-orang yang ingin dijangkau suatu bisnis, termasuk kelompok yang mungkin berperilaku berbeda dari mayoritas.

Alasan terkuat untuk menggunakan pendekatan ini adalah pengujian yang lebih awal dan lebih sering. Tim dapat menjajaki lebih banyak opsi, mengidentifikasi asumsi, dan memasuki tahap riset dengan manusia dengan pertanyaan yang lebih tajam. Situs web Vectorial sendiri menyebutkan bahwa partisipan sungguhan tetap penting untuk situasi yang belum familier dan pekerjaan yang membutuhkan bukti langsung dari manusia.

Tantangan bagi perusahaan rintisan ini sudah jelas: membuktikan bahwa simulasi berulang menghasilkan pilihan produk yang lebih baik, bukan sekadar lebih banyak keluaran riset. Jika Vectorial dapat menunjukkan hubungan tersebut di berbagai pelanggan dan pasar, pemodelan audiens dapat menjadi langkah rutin antara pencetusan ide dan peluncuran produk.