Vectorial pozyskuje 3 mln USD w rundzie zalążkowej na testowanie produktów z udziałem symulowanych klientów

AI może pomóc zespołowi stworzyć nową funkcję produktu w kilka godzin. Ustalenie, czy ludzie rzeczywiście jej chcą, wciąż może zająć kilka tygodni. Vectorial stawia na to, że modele ludzkich zachowań pozwolą zmniejszyć tę różnicę. Firma pozyskała 3 mln USD finansowania zalążkowego, by włączyć symulowane grupy odbiorców w proces rozwoju produktu.

Firma z San Francisco ogłosiła pozyskanie finansowania 20 października. Jak podała w komunikacie, wśród inwestorów znalazły się Smilegate, SenseAI Ventures i Dent Capital. Vectorial wymienia również wsparcie ze strony środowisk związanych z Berkeley i Stanford oraz udział liderów produktowych z Meta, Shopify i Mastercard. Firma planuje rozbudować zbiory danych behawioralnych dzięki nowym partnerstwom w zakresie danych oraz opracować kolejną wersję modelu SAPIENS.

Założenie jest proste: umożliwić zespołom produktowym, projektowym i marketingowym sprawdzenie, jak różne grupy odbiorców mogą zareagować na cyfrowe doświadczenie, zanim zetkną się z nim prawdziwi klienci. Trudniejsze pytanie brzmi, czy reakcje symulowane są na tyle wiarygodne, by usprawniać podejmowanie decyzji.

Budowanie modelu odbiorców, który można wielokrotnie wykorzystywać

Vectorial opisuje swoją platformę jako system działający w dwóch etapach. Najpierw, na podstawie danych behawioralnych, tworzy model docelowej grupy odbiorców. Następnie zespoły przeprowadzają symulacje z udziałem tej grupy, oceniając ścieżki użytkowników produktu, koncepcje kampanii, komunikaty marki lub agentów AI obsługujących klientów w środowisku internetowym i mobilnym.

Model SAPIENS uwzględnia cechy demograficzne, psychologiczne i behawioralne, w tym te, których nie widać bezpośrednio w profilu klienta. Jego celem jest uchwycenie różnic między ludźmi, zamiast traktowania segmentu rynku jak jednego przeciętnego klienta. Zespoły projektowe i marketingowe mogą następnie korzystać z tego samego bazowego modelu odbiorców, zadając różne pytania.

Na swojej stronie internetowej Vectorial wyjaśnia, że klienci mogą kalibrować modelowane populacje, korzystając z segmentów CRM, wcześniejszych ankiet, transkrypcji rozmów z działem obsługi oraz analityki produktu. Firma opisuje też testowanie wsteczne z wykorzystaniem wcześniej przeprowadzonego badania, zanim modelowana grupa odbiorców zostanie użyta do uzyskania odpowiedzi na nowe pytanie. Dzięki temu można w praktyce sprawdzić, czy symulacja odzwierciedla konkretną bazę klientów.

Dla zespołu produktowego może to oznaczać porównanie różnych ścieżek wdrożenia przed przeznaczeniem zasobów inżynieryjnych na ich realizację. Twórca gry mógłby sprawdzić, jak różne grupy graczy zareagują na proponowaną funkcję. Firma wdrażająca asystenta AI mogłaby zbadać, jak zmieniają się jego rozmowy w zależności od sytuacji użytkowników. Są to potencjalne zastosowania platformy, a nie dowód na to, że każda przewidywana reakcja wystąpi po wdrożeniu produktu.

Co mierzą deklaracje dotyczące dokładności

Vectorial twierdzi, że zamodelował ponad 2,5 mln osób i przeprowadził ponad 30 000 symulacji. W komunikacie o finansowaniu firma podaje, że symulacje odtworzyły wyniki wcześniejszych badań użytkowników z dokładnością przekraczającą 85%, a model SAPIENS przewiduje zachowania o 30% trafniej niż modele językowe ogólnego przeznaczenia.

Są to wyniki podane przez firmę. Na swojej obecnej stronie internetowej Vectorial osobno podaje dokładność na poziomie 87% w badaniach na danych odłożonych do testów oraz poprawę o 35% w zakresie zgodności z rzeczywistymi opiniami. Firma wyraźnie odróżnia zgodność opinii od dokładności przewidywania zachowań. Liczby te należy więc traktować jako wyniki różnych ocen, a nie jako wymienne miary tego, jak dobrze oprogramowanie przewiduje zachowania ludzi.

Potencjalni klienci powinni przede wszystkim sprawdzić, jak model działa w przypadku ich odbiorców i produktu oraz przy podejmowaniu decyzji, których wyniki są znane. Symulacja, która prawidłowo ustala kolejność dwóch komunikatów, odpowiada na inne pytanie niż taka, która przewiduje dokładny odsetek użytkowników skłonnych dokonać zakupu. Sama Vectorial przyznaje, że precyzja przewidywań jest niższa w kategoriach, dla których dostępnych jest niewiele danych behawioralnych.

W tym właśnie symulowane badania różnią się od narzędzi AI automatyzujących procesy badań rynku. Szybsze przygotowywanie i analizowanie ankiet może usprawnić zbieranie danych od ludzi. Symulator zachowań generuje natomiast przewidywania na podstawie modelu, dlatego kalibracja i walidacja mają kluczowe znaczenie dla wartości jego wyników.

Od wiedzy badawczej do decyzji produktowych

Współzałożycielami Vectorial są Taranveer Singh, dyrektor generalny; Jasmine Kaur, dyrektorka ds. biznesowych; oraz Rahul Garg, dyrektor ds. produktu. Ich doświadczenie obejmuje modelowanie zachowań, wdrażanie AI w przedsiębiorstwach i tworzenie produktów programistycznych.

Biografie założycieli firmy opisują doświadczenie Singha w badaniach nad zachowaniami i AI, w tym jego działalność w Carnegie Mellon i Berkeley AI Research. Kaur wcześniej pracowała nad syntetycznymi użytkownikami do celów marketingowych w Pfizerze, a Garg tworzył produkty w takich firmach jak Blinkit i Housing.com. To połączenie doświadczeń pomaga wyjaśnić, dlaczego Vectorial koncentruje się na włączaniu badań w regularny proces podejmowania decyzji produktowych, zamiast oferować wyłącznie okazjonalne badania rynku.

„Nadal inwestujemy w nasz model zachowań, ale sam model nie rozwiązuje problemu” — powiedział Garg w komunikacie. „Dlatego wykorzystujemy modele zachowań w całym cyklu rozwoju produktu”.

Vectorial wymienia klientów z sektorów ochrony zdrowia, gier i handlu, w tym Midi Health, GoodRx, Suki AI, boAt, Everkind i Concrete Software. W komunikacie podano, że klienci przeprowadzają około 600 symulacji miesięcznie, co odpowiada mniej więcej 40 badaniom z udziałem użytkowników. Te dane dotyczące wykorzystania platformy wskazują na częstotliwość testowania, do której dąży firma; same w sobie nie dowodzą jednak komercyjnego wpływu każdej symulacji.

Szybsza wstępna ocena, ale walidacja w rzeczywistych warunkach nadal jest niezbędna

Finansowanie zalążkowe wesprze rozwój partnerstw dotyczących danych behawioralnych oraz platformy SAPIENS 2.0. Poszerzenie zakresu danych ma znaczenie, ponieważ użyteczność platformy zależy od tego, jak wiernie odzwierciedla ona osoby, do których firma chce dotrzeć, w tym grupy, których zachowania mogą różnić się od zachowań większości.

Największą zaletą tego podejścia jest możliwość wcześniejszego i częstszego testowania. Zespoły mogą rozważyć więcej opcji, zidentyfikować założenia i przystąpić do badań z udziałem ludzi, zadając bardziej konkretne pytania. Na stronie Vectorial zaznaczono, że udział prawdziwych uczestników nadal jest ważny w nieznanych sytuacjach oraz w pracach wymagających bezpośrednich dowodów od ludzi.

Przed startupem stoi więc jasne wyzwanie: musi wykazać, że powtarzane symulacje prowadzą do lepszych decyzji dotyczących produktów, a nie tylko do większej liczby wyników badań. Jeśli uda mu się dowieść takiego związku w przypadku różnych klientów i rynków, modelowanie odbiorców może stać się stałym etapem między powstaniem pomysłu a wprowadzeniem produktu na rynek.