Vectorial haalt 3 miljoen dollar aan startkapitaal op om producten te testen met gesimuleerde klanten

Met AI kan een team in een paar uur een nieuwe productfunctie bouwen. Toch kan het nog weken duren om erachter te komen of mensen die functie daadwerkelijk willen. Vectorial verwacht dat modellen van menselijk gedrag die kloof kunnen verkleinen en heeft 3 miljoen dollar aan startkapitaal opgehaald om gesimuleerde doelgroepen onderdeel te maken van het productontwikkelingsproces.

Het bedrijf uit San Francisco maakte de financiering op 20 oktober bekend. Volgens de aankondiging behoren Smilegate, SenseAI Ventures en Dent Capital tot de investeerders. Vectorial noemt ook steun vanuit de ecosystemen van Berkeley en Stanford en deelname van productleiders bij Meta, Shopify en Mastercard. Het bedrijf wil zijn datasets over gedrag uitbreiden via nieuwe datapartnerchappen en de volgende versie van zijn SAPIENS-model ontwikkelen.

Het idee is eenvoudig: product-, ontwerp- en marketingteams kunnen onderzoeken hoe verschillende doelgroepen mogelijk reageren op een digitale ervaring voordat ze die aan echte klanten voorleggen. De moeilijkere vraag is of die gesimuleerde reacties betrouwbaar genoeg zijn om beslissingen te verbeteren.

Een herbruikbaar doelgroepmodel bouwen

Vectorial omschrijft zijn platform als een systeem in twee stappen. Eerst bouwt het met gedragsgegevens een model van de doelgroep. Vervolgens voeren teams simulaties uit met die doelgroep en beoordelen ze producttrajecten, campagneconcepten, merkboodschappen of AI-agents voor klanten in web- en mobiele omgevingen.

Het SAPIENS-model brengt demografische, psychologische en gedragskenmerken in kaart, waaronder eigenschappen die niet rechtstreeks zichtbaar zijn in een klantprofiel. Het doel is verschillen tussen mensen vast te leggen, in plaats van een marktsegment te behandelen als één gemiddelde klant. Zo kunnen een ontwerpteam en een marketingteam met hetzelfde onderliggende doelgroepmodel werken, terwijl ze verschillende vragen stellen.

Op zijn website legt Vectorial uit dat klanten doelgroepen kunnen afstemmen met behulp van CRM-segmenten, eerdere enquêtes, supporttranscripten en productanalyses. Ook beschrijft het bedrijf hoe het model achteraf wordt getoetst aan een eerder afgerond onderzoek, voordat de gemodelleerde doelgroep voor een nieuwe vraag wordt gebruikt. Zo ontstaat een praktische manier om te onderzoeken of de simulatie een specifieke klantenbasis weerspiegelt.

Voor een productteam kan dit betekenen dat het verschillende onboardingtrajecten vergelijkt voordat het engineeringcapaciteit inzet. Een gameontwikkelaar kan onderzoeken hoe verschillende groepen spelers reageren op een voorgestelde functie. Een bedrijf dat een AI-assistent inzet, kan nagaan hoe de gesprekken veranderen afhankelijk van de omstandigheden van gebruikers. Dit zijn mogelijke toepassingen van het platform, geen bewijs dat elke voorspelde reactie na de lancering ook daadwerkelijk optreedt.

Wat de nauwkeurigheidsclaims meten

Vectorial zegt dat het meer dan 2,5 miljoen mensen heeft gemodelleerd en ruim 30.000 simulaties heeft uitgevoerd. Volgens de financieringsaankondiging hebben simulaties eerdere bevindingen uit gebruikersonderzoeken met meer dan 85% nauwkeurigheid gereproduceerd. Ook stelt het bedrijf dat SAPIENS gedrag 30% nauwkeuriger voorspelt dan taalmodellen voor algemeen gebruik.

Dit zijn resultaten die het bedrijf zelf rapporteert. Op zijn huidige website vermeldt het afzonderlijk een nauwkeurigheid van 87% voor onderzoeken die buiten de trainingsgegevens zijn gehouden, en een verbetering van 35% bij het overeenstemmen met echte meningen. Het bedrijf maakt nadrukkelijk onderscheid tussen het overeenstemmen met meningen en nauwkeurigheid bij het voorspellen van gedrag. Deze cijfers moeten daarom worden gelezen als resultaten van verschillende evaluaties, niet als onderling uitwisselbare maten voor hoe goed de software mensen voorspelt.

Voor potentiële klanten is vooral van belang hoe het model presteert op hun doelgroep, voor hun product en bij beslissingen waarvan de uitkomst bekend is. Een simulatie die twee boodschappen in de juiste volgorde rangschikt, beantwoordt een andere vraag dan een simulatie die voorspelt welk exact percentage gebruikers iets zal kopen. Vectorial erkent zelf dat de prestaties minder sterk zijn bij precieze voorspellingen in categorieën met weinig gedragsgegevens.

Hierin verschilt gesimuleerd onderzoek ook van AI-tools die marktonderzoeksprocessen automatiseren. Enquêtes sneller voorbereiden en analyseren kan het verzamelen van bewijs van mensen efficiënter maken. Een gedragssimulator genereert daarentegen voorspellingen op basis van een model. Daardoor zijn afstemming en validatie bepalend voor de waarde van de resultaten.

Van onderzoeksexpertise naar productbeslissingen

Vectorial is mede opgericht door Taranveer Singh, de CEO; Jasmine Kaur, de directeur bedrijfsvoering; en Rahul Garg, de productdirecteur. Hun achtergronden combineren gedragsmodellering, de invoering van AI in bedrijven en de ontwikkeling van softwareproducten.

In de biografieën van de oprichters beschrijft het bedrijf Singhs werk op het gebied van gedragsonderzoek en AI, onder meer bij Carnegie Mellon en Berkeley AI Research. Kaur werkte eerder bij Pfizer aan synthetische gebruikers voor marketing, terwijl Garg producten ontwikkelde bij onder meer Blinkit en Housing.com. Die combinatie helpt verklaren waarom Vectorial onderzoek wil integreren in terugkerende productbeslissingen, in plaats van alleen incidentele marktonderzoeken te verkopen.

“We blijven investeren in ons gedragsmodel, maar met alleen een model los je het probleem niet op”, zei Garg in de aankondiging. “Daarom zetten we gedragsmodellen in binnen de productontwikkelingscyclus.”

Vectorial noemt klanten in de gezondheidszorg, de gamingsector en de handel, waaronder Midi Health, GoodRx, Suki AI, boAt, Everkind en Concrete Software. Volgens de aankondiging voeren klanten ongeveer 600 simulaties per maand uit, wat overeenkomt met zo’n 40 gebruikersonderzoeken. Deze gebruikscijfers geven aan hoe vaak het bedrijf wil dat er wordt getest; op zichzelf zeggen ze niets over het commerciële effect van elke simulatie.

Sneller een eerste indruk, maar validatie in de praktijk blijft essentieel

De startfinanciering wordt ingezet voor meer partnerschappen op het gebied van gedragsdata en voor SAPIENS 2.0. Een bredere dekking van de data is belangrijk, omdat de bruikbaarheid van het platform afhangt van hoe getrouw het de mensen weergeeft die een bedrijf wil bereiken, ook groepen die zich anders kunnen gedragen dan de meerderheid.

Het sterkste argument voor deze aanpak is dat er eerder en vaker kan worden getest. Teams kunnen meer opties verkennen, aannames identificeren en met scherpere vragen aan onderzoek met mensen beginnen. Op de eigen website van Vectorial staat dat echte deelnemers belangrijk blijven voor onbekende situaties en voor werk waarvoor direct bewijs van mensen nodig is.

Voor de startup ligt hier een duidelijke uitdaging: aantonen dat herhaalde simulaties leiden tot betere productkeuzes, en niet alleen tot meer onderzoeksresultaten. Als het dat verband bij verschillende klanten en in verschillende markten kan aantonen, kan modellering van doelgroepen een vaste stap worden tussen het bedenken van een idee en het uitbrengen ervan.