Vectorial、シミュレーション顧客を使った製品テストに向け300万ドルのシード資金を調達

AIを使えば、チームは新しい製品機能を数時間で開発できます。一方、人々が実際にそれを望んでいるかを確かめるには、今でも数週間かかることがあります。Vectorialは、人間の行動モデルによってこの隔たりを縮められると見込み、シミュレーション上の顧客を製品開発プロセスに取り入れるため、300万ドルのシード資金を調達しました。

サンフランシスコに拠点を置く同社は、発表によると、Smilegate、SenseAI Ventures、Dent Capitalなどの出資を受け、10月20日に資金調達を発表しました。Vectorialはまた、バークレーとスタンフォードのエコシステムから支援を受け、Meta、Shopify、Mastercardのプロダクト責任者が参加しているとしています。新たなデータ提携を通じて行動データセットを拡充し、SAPIENSモデルの次期バージョンを開発する計画です。

その考え方は明快です。プロダクト、デザイン、マーケティングの各チームが、実際の顧客にデジタル体験を提供する前に、さまざまな顧客層がどのように反応するかを検討できるようにすることです。より難しいのは、シミュレーションによる反応が、意思決定の改善に十分な信頼性を備えているかどうかです。

再利用できる顧客層モデルの構築

Vectorialは、自社のプラットフォームを2段階のシステムとして説明しています。まず、行動データを使って対象となる顧客層のモデルを構築します。次に、チームはその顧客層を対象にシミュレーションを実施し、ウェブやモバイルの体験全般にわたって、製品の利用体験、キャンペーンのコンセプト、ブランドメッセージ、顧客対応型AIエージェントを評価します。

同社のSAPIENSモデルは、人口統計学的、心理学的、行動的な特性を表現し、顧客プロフィールから直接は見えない特徴も含みます。市場セグメントを平均的な顧客一人として扱うのではなく、人々の間にある違いを捉えることを目指しています。これにより、デザインチームとマーケティングチームは、同じ基盤となる顧客層モデルを使いながら、それぞれ異なる問いを検討できます。

Vectorialはウェブサイトで、顧客がCRMのセグメント、過去のアンケート、サポートのやり取りの記録、製品分析データを使って、対象集団を調整できると説明しています。また、新たな問いにモデル化した顧客層を用いる前に、すでに完了した調査と照合してバックテストを行う方法も紹介しています。これにより、シミュレーションが特定の顧客基盤をどの程度反映しているかを実際に検証できます。

プロダクトチームにとっては、開発リソースを投入する前に、複数のオンボーディングフローを比較できるということです。ゲーム開発者なら、異なるプレイヤー層が提案中の機能にどう反応するかを調べられます。AIアシスタントを導入する企業なら、ユーザーの状況によって会話がどう変わるかを検討できます。これらはプラットフォームの潜在的な活用例であり、予測された反応がすべてリリース後に実際に起きることを示す証拠ではありません。

精度に関する主張が示すもの

Vectorialによると、同社は250万人を超える人々をモデル化し、3万件を超えるシミュレーションを完了しました。資金調達の発表では、シミュレーションによって過去のユーザー調査の結果を85%超の精度で再現したと報告し、SAPIENSは汎用言語モデルよりも行動予測の精度が30%高いと説明しています。

これらは同社が報告した結果です。同社の現在のウェブサイトでは、学習に用いていない調査に対する精度を87%、実際の意見との一致度の向上を35%と、それぞれ別に示しています。同社は、意見の一致度と行動予測の精度を明確に区別しています。したがって、これらの数値は、人々をどれだけ適切に予測できるかを示す単一の互換可能な尺度ではなく、異なる評価における結果として捉えるべきです。

導入を検討する顧客にとって有用な検証方法は、自社の顧客層と製品を対象に、結果がすでに分かっている意思決定についてモデルの性能を確かめることです。2つのメッセージの優劣を正しく順位付けするシミュレーションと、購入するユーザーの正確な割合を予測するシミュレーションでは、答えている問いが異なります。Vectorial自身も、行動データが限られているカテゴリーでは、正確な予測の性能が低下すると認めています。

ここが、シミュレーションによる調査と市場調査のワークフローを自動化するAIツールとの違いでもあります。アンケートの準備や分析を迅速化すれば、人間からの根拠を集めるプロセスを改善できます。一方、行動シミュレーターはモデルに基づいて予測を生成するため、その出力の価値を左右するうえで、調整と検証が重要になります。

調査の専門知識を製品の意思決定へ

Vectorialは、CEOのTaranveer Singh、最高事業責任者のJasmine Kaur、最高製品責任者のRahul Gargが共同創業しました。3人の経歴には、行動モデリング、企業でのAI導入、ソフトウェア製品開発が含まれます。

同社の創業者の経歴によると、Singhは行動研究とAIの分野で経験を積み、Carnegie MellonやBerkeley AI Researchにも携わりました。Kaurは以前、Pfizerでマーケティング向けの合成ユーザーに取り組み、GargはBlinkitやHousing.comなどの企業で製品を開発してきました。こうした経歴の組み合わせは、単発の市場調査だけを販売するのではなく、繰り返し行われる製品の意思決定に調査を組み込むというVectorialの方針を説明する一助となります。

「行動モデルへの投資は続けていますが、モデルだけでは問題を解決できません」とGargは発表で述べています。「だからこそ、行動モデルを製品開発のサイクルの中で活用しているのです」

Vectorialは、医療、ゲーム、商業の各分野の顧客として、Midi Health、GoodRx、Suki AI、boAt、Everkind、Concrete Softwareを挙げている。発表によると、顧客は月に約600件のシミュレーションを実施しており、これはユーザー調査約40件に相当するという。こうした利用状況の数値は、同社が想定するテストの頻度を示すものだが、それだけで各シミュレーションの商業的効果が証明されるわけではない。

初期の評価を迅速化しつつ、実環境での検証も欠かせない

このシード資金は、行動データに関するパートナーシップの拡大とSAPIENS 2.0の開発に充てられる。データの対象範囲を広げることが重要なのは、プラットフォームの有用性が、企業がリーチしたい人々をどれだけ忠実に再現できるかに左右されるためだ。その中には、多数派とは異なる行動をとる可能性のある集団も含まれる。

このアプローチの最大の利点は、より早い段階で、より頻繁にテストできることだ。チームはより多くの選択肢を検討し、前提を見極めたうえで、より明確な問いを持って人を対象とする調査に臨める。Vectorial自身のウェブサイトによると、なじみのない状況や、人から直接得た証拠が必要な業務では、実際の参加者が引き続き重要だという。

このスタートアップには、シミュレーションを繰り返すことで、調査のアウトプットが増えるだけでなく、より良い製品選択につながることを示すという明確な課題が残る。さまざまな顧客や市場にわたってそのつながりを実証できれば、オーディエンスのモデリングは、アイデアの創出から製品のリリースまでの間に行う定例のプロセスとなる可能性がある。