Vectorial capta US$ 3 milhões em rodada seed para testar produtos com clientes simulados

A IA pode ajudar uma equipe a criar um novo recurso para um produto em poucas horas. Ainda assim, descobrir se as pessoas realmente o querem pode levar semanas. Vectorial aposta que modelos de comportamento humano podem reduzir essa diferença e captou US$ 3 milhões em uma rodada seed para incluir públicos simulados no processo de desenvolvimento de produtos.

A empresa de São Francisco anunciou o financiamento em 20 de outubro, com apoio de Smilegate, SenseAI Ventures e Dent Capital, segundo o comunicado. A Vectorial também menciona o apoio dos ecossistemas de Berkeley e Stanford e a participação de líderes de produto da Meta, Shopify e Mastercard. A empresa planeja ampliar seus conjuntos de dados comportamentais por meio de novas parcerias de dados e desenvolver a próxima versão de seu modelo SAPIENS.

A proposta é simples: permitir que equipes de produto, design e marketing analisem como diferentes públicos podem reagir a uma experiência digital antes de expor clientes reais a ela. A questão mais difícil é saber se essas reações simuladas são confiáveis o bastante para melhorar as decisões.

Criar um modelo de público que possa ser reutilizado

A Vectorial descreve sua plataforma como um sistema de duas etapas. Primeiro, cria um modelo do público-alvo usando dados comportamentais. Em seguida, as equipes fazem simulações com esse público, avaliando jornadas de produto, conceitos de campanha, mensagens de marca ou agentes de IA voltados aos clientes em experiências na web e em dispositivos móveis.

Seu modelo SAPIENS representa características demográficas, psicológicas e comportamentais, incluindo traços que não são diretamente visíveis no perfil de um cliente. O objetivo é captar as diferenças entre as pessoas, em vez de tratar um segmento de mercado como se fosse um único cliente médio. Assim, uma equipe de design e uma de marketing podem trabalhar com o mesmo modelo subjacente de público e, ao mesmo tempo, fazer perguntas diferentes.

Em seu site, a Vectorial explica que os clientes podem calibrar populações usando segmentos de CRM, pesquisas anteriores, transcrições de atendimentos e análises de produto. A empresa também descreve a realização de testes retrospectivos com base em um estudo já concluído, antes de usar o público modelado para responder a uma nova pergunta. Isso oferece uma maneira prática de avaliar se a simulação reflete uma determinada base de clientes.

Para uma equipe de produto, isso pode significar comparar diferentes fluxos de integração inicial antes de comprometer recursos de engenharia. Uma desenvolvedora de jogos poderia investigar como diferentes grupos de jogadores reagem a um recurso proposto. Uma empresa que implanta um assistente de IA poderia analisar como as conversas com ele mudam conforme as circunstâncias dos usuários. Essas são aplicações potenciais da plataforma, não evidências de que todas as respostas previstas ocorrerão após o lançamento.

O que as alegações de precisão medem

A Vectorial afirma ter modelado mais de 2,5 milhões de pessoas e concluído mais de 30 mil simulações. O anúncio do financiamento informa que as simulações reproduziram resultados de estudos anteriores com usuários com mais de 85% de precisão e descreve o SAPIENS como 30% mais preciso na previsão de comportamentos do que modelos de linguagem de uso geral.

Esses resultados foram divulgados pela empresa. Seu site atual apresenta, separadamente, um índice de precisão de 87% em estudos reservados para validação e uma melhora de 35% na correspondência com opiniões reais. A empresa distingue explicitamente a correspondência de opiniões da precisão comportamental. Portanto, esses números devem ser entendidos como resultados de avaliações diferentes, e não como uma única medida intercambiável de quão bem o software prevê o comportamento das pessoas.

Para clientes em potencial, o teste relevante é avaliar o desempenho do modelo com seu público, seu produto e decisões cujos resultados sejam conhecidos. Uma simulação que classifica corretamente duas mensagens responde a uma pergunta diferente daquela respondida por uma que prevê o percentual exato de usuários que comprarão. A própria Vectorial reconhece um desempenho inferior em previsões precisas para categorias com poucos dados comportamentais.

É também nesse aspecto que a pesquisa simulada difere das ferramentas de IA que automatizam fluxos de trabalho de pesquisa de mercado. A preparação e a análise mais rápidas de pesquisas podem aprimorar o processo de coleta de evidências humanas. Já um simulador de comportamento gera previsões a partir de um modelo, o que torna a calibração e a validação fundamentais para o valor dos resultados.

Da experiência em pesquisa às decisões de produto

A Vectorial foi cofundada por Taranveer Singh, CEO; Jasmine Kaur, diretora de negócios; e Rahul Garg, diretor de produto. Suas trajetórias combinam modelagem comportamental, adoção de IA por empresas e desenvolvimento de produtos de software.

As biografias dos fundadores da empresa descrevem a atuação de Singh em pesquisa comportamental e IA, inclusive na Carnegie Mellon e na Berkeley AI Research. Kaur trabalhou anteriormente com usuários sintéticos para marketing na Pfizer, enquanto Garg desenvolveu produtos em empresas como Blinkit e Housing.com. Essa combinação ajuda a explicar o foco da Vectorial em incorporar a pesquisa às decisões recorrentes de produto, em vez de vender apenas estudos de mercado esporádicos.

“Continuamos investindo em nosso modelo comportamental, mas um modelo, por si só, não resolve o problema”, disse Garg no comunicado. “Por isso, colocamos os modelos comportamentais em prática no ciclo de desenvolvimento de produtos.”

A Vectorial lista clientes dos setores de saúde, jogos e comércio, incluindo Midi Health, GoodRx, Suki AI, boAt, Everkind e Concrete Software. Segundo o anúncio, os clientes realizam cerca de 600 simulações por mês, o que equivale, segundo a empresa, a aproximadamente 40 estudos com usuários. Esses números de uso indicam a frequência de testes que a empresa pretende alcançar; por si só, não demonstram o efeito comercial de cada simulação.

Uma primeira avaliação mais rápida, sem abrir mão da validação no mundo real

O financiamento inicial dará suporte a mais parcerias de dados comportamentais e ao SAPIENS 2.0. Ampliar a cobertura dos dados é importante porque a utilidade da plataforma depende de quão fielmente ela representa as pessoas que uma empresa quer alcançar, incluindo grupos cujo comportamento pode ser diferente do da maioria.

O principal argumento a favor dessa abordagem é a possibilidade de testar mais cedo e com maior frequência. As equipes podem explorar mais opções, identificar suposições e chegar à pesquisa com pessoas com perguntas mais bem definidas. O próprio site da Vectorial afirma que participantes reais continuam sendo importantes em situações desconhecidas e em trabalhos que exigem evidências humanas diretas.

Isso deixa um desafio claro para a startup: mostrar que simulações repetidas levam a melhores decisões sobre produtos, e não simplesmente a mais resultados de pesquisa. Se conseguir demonstrar essa relação em diferentes clientes e mercados, a modelagem de públicos poderá se tornar uma etapa habitual entre a geração de uma ideia e o lançamento do produto.