Vectorial, 시뮬레이션 고객을 대상으로 제품 테스트 위해 시드 투자 300만 달러 유치

AI를 활용하면 팀이 몇 시간 만에 새로운 제품 기능을 만들 수 있습니다. 하지만 사람들이 실제로 그 기능을 원하는지 알아내는 데는 여전히 몇 주가 걸릴 수 있습니다. Vectorial은 인간 행동 모델이 그 간극을 좁힐 수 있다고 보고, 시뮬레이션으로 만든 고객 집단을 제품 개발 과정에 도입하기 위해 시드 투자금 300만 달러를 유치했습니다.

샌프란시스코에 본사를 둔 이 회사는 발표에 따르면 10월 20일에 투자 유치 소식을 알렸으며, 투자사에는 Smilegate, SenseAI Ventures, Dent Capital 등이 포함됩니다. Vectorial은 Berkeley와 Stanford 생태계의 지원을 받고 있으며, Meta, Shopify, Mastercard의 제품 책임자들도 참여한다고 밝혔습니다. 회사는 새로운 데이터 파트너십을 통해 행동 데이터 세트를 확대하고 SAPIENS 모델의 차기 버전을 개발할 계획입니다.

제안의 핵심은 간단합니다. 제품, 디자인, 마케팅팀이 실제 고객에게 디지털 경험을 제공하기 전에 여러 고객 집단이 어떻게 반응할지 살펴보도록 하는 것입니다. 더 어려운 문제는 시뮬레이션으로 얻은 반응이 의사결정을 개선할 만큼 신뢰할 수 있느냐는 점입니다.

재사용 가능한 고객 집단 모델 구축

Vectorial은 자사 플랫폼을 두 단계로 이루어진 시스템이라고 설명합니다. 먼저 행동 데이터를 사용해 목표 고객 집단의 모델을 구축합니다. 그런 다음 팀은 해당 고객 집단을 대상으로 시뮬레이션을 실행해 웹과 모바일 경험 전반의 제품 이용 경로, 캠페인 콘셉트, 브랜드 메시지 또는 고객 응대용 AI 에이전트를 평가합니다.

SAPIENS 모델은 인구통계학적·심리학적·행동적 특성을 나타내며, 고객 프로필에서 직접 확인할 수 없는 특성도 포함합니다. 시장 세그먼트를 하나의 평균적인 고객으로 취급하는 대신 사람들 사이의 차이를 포착하는 것이 목표입니다. 이를 통해 디자인팀과 마케팅팀은 서로 다른 질문을 하면서도 동일한 기반 고객 집단 모델을 활용할 수 있습니다.

Vectorial은 웹사이트에서 고객이 CRM 세그먼트, 이전 설문조사, 고객 지원 대화 기록, 제품 분석 데이터를 사용해 모집단을 보정할 수 있다고 설명합니다. 또한 모델링한 고객 집단을 새로운 질문에 활용하기 전에 이미 완료된 연구를 대상으로 역검증을 할 수 있다고 소개합니다. 이를 통해 시뮬레이션이 특정 고객층을 반영하는지 실질적으로 살펴볼 수 있습니다.

제품팀은 이를 활용해 엔지니어링 리소스를 투입하기 전에 서로 다른 온보딩 흐름을 비교할 수 있습니다. 게임 개발사는 다양한 플레이어 집단이 제안된 기능에 어떻게 반응하는지 조사할 수 있습니다. AI 어시스턴트를 도입하는 회사는 사용자 상황에 따라 대화가 어떻게 달라지는지 살펴볼 수 있습니다. 이는 플랫폼의 잠재적 활용 사례이지, 출시 후 모든 예측 반응이 실제로 나타난다는 증거는 아닙니다.

정확도 주장이 측정하는 것

Vectorial은 250만 명이 넘는 사람을 모델링하고 3만 건 이상의 시뮬레이션을 완료했다고 밝혔습니다. 투자 유치 발표에 따르면 시뮬레이션은 이전 사용자 연구 결과를 85%가 넘는 정확도로 재현했으며, SAPIENS는 범용 언어 모델보다 행동 예측 정확도가 30% 높습니다.

이는 회사가 보고한 결과입니다. 현재 웹사이트에는 별도로 학습에 사용하지 않은 연구에서 정확도 87%, 실제 의견 일치도 35% 개선이라는 수치가 제시되어 있습니다. 회사는 의견 일치도와 행동 정확도를 명확히 구분합니다. 따라서 이 수치들은 소프트웨어가 사람을 얼마나 잘 예측하는지 보여주는 하나의 통합 지표가 아니라, 서로 다른 평가에서 나온 결과로 봐야 합니다.

잠재 고객에게 유용한 검증 방법은 자사 고객층과 제품, 그리고 결과를 이미 알고 있는 의사결정 상황에서 모델이 어떤 성능을 내는지 확인하는 것입니다. 두 메시지의 순위를 정확히 매기는 시뮬레이션은 구매할 사용자의 정확한 비율을 예측하는 시뮬레이션과는 다른 질문에 답합니다. Vectorial도 행동 데이터가 제한적인 범주에서는 정밀한 예측의 성능이 떨어진다고 인정합니다.

시뮬레이션 기반 연구는 시장 조사 업무 흐름을 자동화하는 AI 도구와도 이 점에서 다릅니다. 설문 준비와 분석을 빠르게 하면 사람을 대상으로 근거를 수집하는 과정을 개선할 수 있습니다. 반면 행동 시뮬레이터는 모델을 바탕으로 예측을 생성하므로, 결과의 가치는 보정과 검증에 달려 있습니다.

연구 전문성에서 제품 의사결정까지

Vectorial은 공동 창업자 Taranveer Singh(최고경영자), Jasmine Kaur(최고사업책임자), Rahul Garg(최고제품책임자)가 설립했습니다. 이들의 경력은 행동 모델링, 기업의 AI 도입, 소프트웨어 제품 개발을 아우릅니다.

회사의 창업자 약력에 따르면 Singh은 Carnegie Mellon과 Berkeley AI Research를 포함해 행동 연구와 AI 분야에서 일했습니다. Kaur는 이전에 Pfizer에서 마케팅용 가상 사용자를 연구했고, Garg는 Blinkit과 Housing.com을 비롯한 회사에서 제품을 개발했습니다. 이러한 조합은 Vectorial이 간헐적인 시장 조사만 판매하는 대신 반복적인 제품 의사결정 과정에 연구를 접목하는 데 초점을 맞추는 이유를 설명해 줍니다.

Garg는 발표에서 “행동 모델에 계속 투자하고 있지만, 모델만으로는 문제를 해결할 수 없습니다”라고 말했습니다. “그래서 행동 모델을 제품 개발 과정에 적용했습니다.”

Vectorial은 Midi Health, GoodRx, Suki AI, boAt, Everkind, Concrete Software 등 헬스케어, 게임, 상거래 분야의 고객사를 소개하고 있다. 발표에 따르면 고객사들은 한 달에 약 600건의 시뮬레이션을 실행하며, 이는 사용자 조사 약 40건에 해당한다. 이러한 사용량은 회사가 목표로 하는 테스트 빈도를 보여 주지만, 그 자체만으로 각 시뮬레이션의 상업적 효과를 입증하지는 않는다.

더 빠른 초기 검토, 그러나 실제 환경에서의 검증은 여전히 필수

이번 시드 투자금은 행동 데이터 파트너십 확대와 SAPIENS 2.0 개발에 투입될 예정이다. 플랫폼의 유용성은 기업이 도달하고자 하는 사람들을 얼마나 충실하게 반영하는지에 달려 있으므로, 데이터 범위를 넓히는 일이 중요하다. 여기에는 다수와 다르게 행동할 수 있는 집단도 포함된다.

이 접근법의 가장 큰 장점은 더 이른 시점에 더 자주 테스트할 수 있다는 것이다. 팀은 더 많은 선택지를 살펴보고, 가정을 찾아내며, 더 구체적인 질문을 준비해 실제 사람을 대상으로 한 조사에 나설 수 있다. Vectorial의 웹사이트도 낯선 상황이나 사람으로부터 직접적인 근거를 확보해야 하는 작업에서는 실제 참가자가 여전히 중요하다고 밝히고 있다.

이에 따라 스타트업이 해결해야 할 과제는 분명하다. 반복적인 시뮬레이션이 단순히 더 많은 조사 결과를 내는 데 그치지 않고 더 나은 제품 선택으로 이어진다는 점을 입증해야 한다. 다양한 고객과 시장에서 그 연관성을 입증할 수 있다면, 오디언스 모델링은 아이디어를 내는 단계와 제품을 출시하는 단계 사이의 정기적인 절차로 자리 잡을 수 있다.