Vectorial ระดมทุนรอบ Seed ได้ 3 ล้านดอลลาร์ เพื่อทดสอบผลิตภัณฑ์กับลูกค้าจำลอง

AI ช่วยให้ทีมสร้างฟีเจอร์ใหม่ของผลิตภัณฑ์ได้ภายในไม่กี่ชั่วโมง แต่การค้นหาว่าผู้คนต้องการฟีเจอร์นั้นจริงหรือไม่ยังอาจใช้เวลาหลายสัปดาห์ Vectorial เชื่อว่าแบบจำลองพฤติกรรมมนุษย์จะช่วยลดช่องว่างนี้ได้ และระดมทุนรอบ Seed ได้ 3 ล้านดอลลาร์ เพื่อนำกลุ่มผู้ใช้จำลองเข้ามาเป็นส่วนหนึ่งของกระบวนการพัฒนาผลิตภัณฑ์

บริษัทจากซานฟรานซิสโกประกาศการระดมทุนเมื่อวันที่ 20 ตุลาคม โดยมีผู้สนับสนุนซึ่งรวมถึง Smilegate, SenseAI Ventures และ Dent Capital ตามประกาศของบริษัท Vectorial ยังระบุว่าได้รับการสนับสนุนจากระบบนิเวศของ Berkeley และ Stanford รวมถึงการมีส่วนร่วมของผู้นำด้านผลิตภัณฑ์จาก Meta, Shopify และ Mastercard บริษัทวางแผนขยายชุดข้อมูลพฤติกรรมผ่านความร่วมมือด้านข้อมูลใหม่ ๆ และพัฒนาโมเดล SAPIENS รุ่นถัดไป

แนวคิดนี้ตรงไปตรงมา นั่นคือให้ทีมผลิตภัณฑ์ ทีมออกแบบ และทีมการตลาดตรวจสอบว่ากลุ่มผู้ใช้ต่าง ๆ อาจตอบสนองต่อประสบการณ์ดิจิทัลอย่างไรก่อนนำไปให้ลูกค้าจริงใช้งาน คำถามที่ยากกว่าคือ ปฏิกิริยาจำลองเหล่านี้เชื่อถือได้มากพอที่จะช่วยให้ตัดสินใจได้ดีขึ้นหรือไม่

สร้างแบบจำลองกลุ่มผู้ใช้ที่นำกลับมาใช้ซ้ำได้

Vectorial อธิบายว่าแพลตฟอร์มของบริษัททำงานเป็นระบบสองขั้นตอน ขั้นแรก ระบบจะสร้างแบบจำลองกลุ่มเป้าหมายโดยใช้ข้อมูลพฤติกรรม จากนั้นทีมต่าง ๆ จะจำลองสถานการณ์กับกลุ่มเป้าหมายนั้น เพื่อประเมินเส้นทางการใช้งานผลิตภัณฑ์ แนวคิดแคมเปญ ข้อความของแบรนด์ หรือเอเจนต์ AI ที่สื่อสารกับลูกค้า ผ่านประสบการณ์บนเว็บและมือถือ

โมเดล SAPIENS แสดงลักษณะด้านประชากรศาสตร์ จิตวิทยา และพฤติกรรม รวมถึงคุณลักษณะที่มองไม่เห็นโดยตรงจากโปรไฟล์ลูกค้า เป้าหมายคือการบันทึกความแตกต่างระหว่างผู้คน แทนที่จะมองกลุ่มตลาดเป็นลูกค้าเฉลี่ยเพียงคนเดียว จากนั้นทีมออกแบบและทีมการตลาดก็สามารถใช้แบบจำลองกลุ่มผู้ใช้พื้นฐานเดียวกัน แต่ตั้งคำถามคนละแบบได้

บนเว็บไซต์ Vectorial อธิบายว่าลูกค้าสามารถปรับเทียบกลุ่มประชากรโดยใช้กลุ่มลูกค้าใน CRM แบบสำรวจก่อนหน้านี้ บทสนทนากับฝ่ายสนับสนุน และข้อมูลวิเคราะห์ผลิตภัณฑ์ บริษัทยังระบุว่าสามารถทดสอบย้อนหลังกับงานศึกษาที่เสร็จสิ้นไปแล้ว ก่อนใช้กลุ่มผู้ใช้จำลองเพื่อตอบคำถามใหม่ วิธีนี้ช่วยให้ตรวจสอบได้ในทางปฏิบัติว่าการจำลองสะท้อนฐานลูกค้ากลุ่มใดกลุ่มหนึ่งได้หรือไม่

สำหรับทีมผลิตภัณฑ์ นี่อาจหมายถึงการเปรียบเทียบขั้นตอนเริ่มต้นใช้งานแบบต่าง ๆ ก่อนตัดสินใจใช้ทรัพยากรด้านวิศวกรรม นักพัฒนาเกมอาจศึกษาว่าผู้เล่นกลุ่มต่าง ๆ ตอบสนองต่อฟีเจอร์ที่เสนออย่างไร ส่วนบริษัทที่ติดตั้งผู้ช่วย AI อาจตรวจสอบว่าบทสนทนาของผู้ช่วยเปลี่ยนแปลงไปอย่างไรตามบริบทของผู้ใช้ สิ่งเหล่านี้เป็นการใช้งานแพลตฟอร์มที่อาจเกิดขึ้นได้ ไม่ใช่หลักฐานว่าปฏิกิริยาที่คาดการณ์ไว้ทั้งหมดจะเกิดขึ้นจริงหลังเปิดตัว

ตัวเลขความแม่นยำวัดอะไรบ้าง

Vectorial ระบุว่าได้สร้างแบบจำลองผู้คนมากกว่า 2.5 ล้านคน และดำเนินการจำลองไปแล้วกว่า 30,000 ครั้ง ประกาศระดมทุนของบริษัทระบุว่าการจำลองสามารถจำลองผลการศึกษาผู้ใช้ที่ทำไว้ก่อนหน้านี้ได้ด้วยความแม่นยำมากกว่า 85% และอธิบายว่า SAPIENS มีความแม่นยำในการคาดการณ์พฤติกรรมสูงกว่าโมเดลภาษาทั่วไป 30%

ผลลัพธ์เหล่านี้เป็นข้อมูลที่บริษัทรายงาน เว็บไซต์ปัจจุบันของบริษัทระบุตัวเลขความแม่นยำ 87% สำหรับการศึกษาที่กันไว้ใช้ทดสอบ และระบุว่าการจับคู่ความคิดเห็นจริงดีขึ้น 35% บริษัทแยกความแตกต่างระหว่างการจับคู่ความคิดเห็นกับความแม่นยำในการคาดการณ์พฤติกรรมไว้อย่างชัดเจน ดังนั้นจึงควรมองตัวเลขเหล่านี้เป็นผลจากการประเมินคนละแบบ ไม่ใช่ตัวชี้วัดเดียวกันที่ใช้แทนกันได้เพื่อบอกว่าซอฟต์แวร์คาดการณ์ผู้คนได้ดีเพียงใด

สำหรับลูกค้าที่กำลังพิจารณาใช้งาน สิ่งที่ควรทดสอบคือโมเดลทำงานได้ดีเพียงใดกับกลุ่มผู้ใช้และผลิตภัณฑ์ของตน รวมถึงการตัดสินใจที่ทราบผลลัพธ์อยู่แล้ว การจำลองที่จัดอันดับข้อความสองแบบได้ถูกต้องตอบคำถามคนละข้อกับการจำลองที่คาดการณ์จำนวนผู้ใช้ที่จะซื้อได้อย่างแม่นยำเป็นเปอร์เซ็นต์ Vectorial เองยอมรับว่าโมเดลทำงานได้ด้อยลงเมื่อต้องคาดการณ์อย่างแม่นยำในหมวดหมู่ที่มีข้อมูลพฤติกรรมจำกัด

นี่เป็นอีกจุดที่ทำให้การวิจัยด้วยการจำลองแตกต่างจากเครื่องมือ AI ที่ทำให้ขั้นตอนการทำวิจัยตลาดเป็นอัตโนมัติ การเตรียมแบบสำรวจและการวิเคราะห์ที่รวดเร็วขึ้นอาจช่วยปรับปรุงกระบวนการรวบรวมข้อมูลจากมนุษย์ แต่เครื่องมือจำลองพฤติกรรมจะสร้างการคาดการณ์จากแบบจำลอง ทำให้การปรับเทียบและการตรวจสอบความถูกต้องเป็นหัวใจสำคัญของคุณค่าจากผลลัพธ์

จากความเชี่ยวชาญด้านการวิจัยสู่การตัดสินใจเกี่ยวกับผลิตภัณฑ์

Vectorial ก่อตั้งร่วมกันโดย Taranveer Singh ซึ่งเป็นประธานเจ้าหน้าที่บริหาร, Jasmine Kaur ซึ่งเป็นประธานเจ้าหน้าที่ฝ่ายธุรกิจ และ Rahul Garg ซึ่งเป็นประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์ ภูมิหลังของทั้งสามคนผสานความเชี่ยวชาญด้านการสร้างแบบจำลองพฤติกรรม การนำ AI มาใช้ในองค์กร และการพัฒนาผลิตภัณฑ์ซอฟต์แวร์

ประวัติผู้ก่อตั้งของบริษัทกล่าวถึงผลงานของ Singh ในด้านการวิจัยพฤติกรรมและ AI รวมถึง Carnegie Mellon และ Berkeley AI Research ก่อนหน้านี้ Kaur เคยทำงานเกี่ยวกับผู้ใช้สังเคราะห์เพื่อการตลาดที่ Pfizer ส่วน Garg เคยสร้างผลิตภัณฑ์ให้บริษัทต่าง ๆ ซึ่งรวมถึง Blinkit และ Housing.com ภูมิหลังที่ผสานกันนี้ช่วยอธิบายว่าเหตุใด Vectorial จึงมุ่งนำงานวิจัยมาใช้ประกอบการตัดสินใจเกี่ยวกับผลิตภัณฑ์ที่เกิดขึ้นเป็นประจำ แทนที่จะขายเฉพาะงานศึกษาตลาดที่ทำเป็นครั้งคราว

“เรายังคงลงทุนในโมเดลพฤติกรรมของเรา แต่มีเพียงโมเดลอย่างเดียวก็แก้ปัญหาไม่ได้” Garg กล่าวในประกาศ “นั่นจึงเป็นเหตุผลที่เรานำโมเดลพฤติกรรมมาใช้ในวงจรการพัฒนาผลิตภัณฑ์”

Vectorial ระบุรายชื่อลูกค้าในแวดวงสุขภาพ เกม และการค้า ซึ่งรวมถึง Midi Health, GoodRx, Suki AI, boAt, Everkind และ Concrete Software ประกาศระบุว่าลูกค้าทำการจำลองประมาณ 600 ครั้งต่อเดือน ซึ่งเทียบเท่ากับการศึกษาผู้ใช้ราว 40 ครั้ง ตัวเลขการใช้งานเหล่านี้บ่งชี้ถึงความถี่ในการทดสอบที่บริษัทตั้งเป้าไว้ แต่เพียงลำพังยังไม่ได้ยืนยันผลเชิงพาณิชย์ของการจำลองแต่ละครั้ง

อ่านผลเบื้องต้นได้เร็วขึ้น แต่การตรวจสอบความถูกต้องกับโลกจริงยังจำเป็น

เงินทุนรอบ Seed จะนำไปสนับสนุนความร่วมมือด้านข้อมูลพฤติกรรมเพิ่มเติมและ SAPIENS 2.0 การขยายขอบเขตข้อมูลมีความสำคัญ เพราะประโยชน์ของแพลตฟอร์มขึ้นอยู่กับความแม่นยำในการจำลองกลุ่มคนที่ธุรกิจต้องการเข้าถึง รวมถึงกลุ่มที่อาจมีพฤติกรรมแตกต่างจากคนส่วนใหญ่

จุดแข็งที่สุดของแนวทางนี้คือการทดสอบได้เร็วขึ้นและบ่อยขึ้น ทีมงานสามารถสำรวจทางเลือกได้มากขึ้น ระบุสมมติฐาน และเข้าสู่การวิจัยกับมนุษย์พร้อมคำถามที่เฉียบคมยิ่งขึ้น เว็บไซต์ของ Vectorial เองระบุว่าผู้เข้าร่วมจริงยังคงมีความสำคัญต่อสถานการณ์ที่ไม่คุ้นเคยและงานที่ต้องอาศัยหลักฐานโดยตรงจากมนุษย์

โจทย์ที่ชัดเจนของสตาร์ตอัปแห่งนี้คือการแสดงให้เห็นว่าการจำลองซ้ำ ๆ นำไปสู่การเลือกผลิตภัณฑ์ที่ดีขึ้น ไม่ใช่เพียงเพิ่มปริมาณผลงานวิจัย หากบริษัทพิสูจน์ความเชื่อมโยงดังกล่าวได้ในกลุ่มลูกค้าและตลาดที่หลากหลาย การจำลองกลุ่มเป้าหมายก็อาจกลายเป็นขั้นตอนปกติระหว่างการสร้างแนวคิดกับการนำผลิตภัณฑ์ออกสู่ตลาด