Vectorial привлекает $3 млн посевного финансирования для тестирования продуктов на смоделированных клиентах

ИИ может помочь команде создать новую функцию продукта за несколько часов. Но выяснить, действительно ли она нужна людям, по-прежнему может занять несколько недель. Vectorial рассчитывает, что модели человеческого поведения помогут сократить этот разрыв, и привлекла $3 млн посевного финансирования, чтобы внедрить смоделированные аудитории в процесс разработки продуктов.

Компания из Сан-Франциско объявила о привлечении финансирования 20 октября. Согласно сообщению компании, среди инвесторов — Smilegate, SenseAI Ventures и Dent Capital. Vectorial также отмечает поддержку со стороны экосистем Беркли и Стэнфорда и участие руководителей продуктовых подразделений Meta, Shopify и Mastercard. Компания планирует расширить свои наборы данных о поведении благодаря новым партнёрствам в области данных и разработать следующую версию модели SAPIENS.

Идея проста: дать командам, отвечающим за продукт, дизайн и маркетинг, возможность изучить, как разные аудитории могут отреагировать на цифровой продукт, прежде чем знакомить с ним реальных клиентов. Сложнее понять, достаточно ли надёжны эти смоделированные реакции, чтобы на их основе принимать более эффективные решения.

Создание модели аудитории для многократного использования

Vectorial описывает свою платформу как систему из двух этапов. Сначала на основе данных о поведении создаётся модель целевой аудитории. Затем команды проводят симуляции с этой аудиторией, оценивая сценарии взаимодействия с продуктом, концепции кампаний, сообщения бренда или ИИ-агентов, взаимодействующих с клиентами, в веб- и мобильной среде.

Модель SAPIENS описывает демографические, психологические и поведенческие характеристики, включая черты, которые нельзя напрямую увидеть в профиле клиента. Цель — отразить различия между людьми, а не представлять рыночный сегмент как одного усреднённого клиента. Благодаря этому команды по дизайну и маркетингу могут работать с одной и той же базовой моделью аудитории, задавая при этом разные вопросы.

На своём сайте Vectorial объясняет, что клиенты могут калибровать модели аудитории с помощью сегментов CRM, результатов предыдущих опросов, расшифровок обращений в службу поддержки и аналитики продукта. Компания также описывает ретроспективную проверку модели на уже завершённом исследовании перед тем, как использовать смоделированную аудиторию для ответа на новый вопрос. Это даёт практический способ проверить, отражает ли симуляция особенности конкретной клиентской базы.

Для команды, занимающейся продуктом, это может означать сравнение нескольких вариантов знакомства новых пользователей с продуктом до того, как будут выделены ресурсы на разработку. Разработчик игры может изучить, как разные группы игроков реагируют на предлагаемую функцию. Компания, внедряющая ИИ-ассистента, может проверить, как меняются его диалоги в зависимости от обстоятельств пользователей. Это возможные варианты применения платформы, а не доказательство того, что после запуска сбудется каждый прогнозируемый ответ.

Что именно показывают заявления о точности

По данным Vectorial, компания смоделировала более 2,5 млн человек и провела свыше 30 000 симуляций. В сообщении о привлечении финансирования говорится, что симуляции воспроизвели результаты предыдущих исследований пользователей с точностью более 85%. Там же утверждается, что SAPIENS на 30% точнее предсказывает поведение, чем языковые модели общего назначения.

Это результаты, представленные самой компанией. На её нынешнем сайте отдельно указаны точность 87% в исследованиях на отложенных выборках и улучшение на 35% при сопоставлении с реальными мнениями. Компания прямо разграничивает сопоставление мнений и точность прогнозирования поведения. Поэтому эти показатели следует рассматривать как результаты разных оценок, а не как взаимозаменяемую меру того, насколько хорошо программное обеспечение предсказывает поведение людей.

Потенциальным клиентам важно проверить, как модель работает на их аудитории и с их продуктом, а также при принятии решений, результаты которых известны. Симуляция, правильно ранжирующая два сообщения, отвечает на другой вопрос, чем модель, предсказывающая точную долю пользователей, которые совершат покупку. Сама Vectorial признаёт, что точность прогнозов ниже в категориях, по которым мало данных о поведении.

Именно здесь симуляция исследований отличается от инструментов ИИ, автоматизирующих процессы маркетинговых исследований. Ускорение подготовки и анализа опросов может повысить эффективность сбора данных о реальных людях. Симулятор поведения, напротив, строит прогнозы на основе модели, поэтому калибровка и проверка её точности имеют ключевое значение для ценности получаемых результатов.

От экспертных исследований к решениям по продукту

Vectorial основали Таранвир Сингх, генеральный директор компании; Джасмин Каур, директор по развитию бизнеса; и Рахул Гарг, директор по продукту. Их опыт охватывает моделирование поведения, внедрение ИИ в крупных компаниях и разработку программных продуктов.

В биографиях основателей компании рассказывается о работе Сингха в области поведенческих исследований и ИИ, в том числе в Carnegie Mellon и Berkeley AI Research. Каур ранее занималась разработкой синтетических пользователей для маркетинга в Pfizer, а Гарг создавал продукты в таких компаниях, как Blinkit и Housing.com. Это сочетание опыта помогает понять, почему Vectorial стремится встроить исследования в регулярно принимаемые решения по продукту, а не ограничиваться продажей разовых исследований рынка.

«Мы продолжаем инвестировать в нашу модель поведения, но одна модель не решает проблему», — сказал Гарг в сообщении компании. «Поэтому мы внедрили модели поведения в сам процесс разработки продукта».

Среди клиентов Vectorial — компании из сфер здравоохранения, игровой индустрии и торговли, в том числе Midi Health, GoodRx, Suki AI, boAt, Everkind и Concrete Software. В объявлении говорится, что клиенты проводят около 600 симуляций в месяц — это, по оценке компании, примерно 40 исследований с участием пользователей. Эти показатели отражают целевую частоту тестирования, но сами по себе не доказывают коммерческий эффект каждой симуляции.

Быстрая предварительная оценка, но проверка в реальных условиях по-прежнему необходима

Посевное финансирование позволит наладить новые партнерства в сфере поведенческих данных и поддержать разработку SAPIENS 2.0. Расширение охвата данных важно, поскольку полезность платформы зависит от того, насколько точно она представляет людей, до которых стремится достучаться бизнес, в том числе группы, поведение которых может отличаться от поведения большинства.

Главное преимущество такого подхода — возможность тестировать раньше и чаще. Команды могут рассматривать больше вариантов, выявлять предположения и приходить к исследованиям с участием людей с более точными вопросами. На собственном сайте Vectorial отмечает, что реальные участники по-прежнему важны для изучения незнакомых ситуаций и задач, требующих непосредственных свидетельств от людей.

Перед стартапом стоит ясная задача: доказать, что повторные симуляции помогают принимать более удачные решения при разработке продуктов, а не просто увеличивают объем исследований. Если компании удастся показать эту связь на примере разных клиентов и рынков, моделирование аудитории может стать регулярным этапом между появлением идеи и выпуском продукта.