Vectorial, ürünleri simüle edilmiş müşterilerle test etmek için 3 milyon dolarlık tohum yatırımı aldı

Yapay zekâ, bir ekibin yeni bir ürün özelliği geliştirmesine saatler içinde yardımcı olabilir. İnsanların bu özelliği gerçekten isteyip istemediğini öğrenmek ise hâlâ haftalar sürebilir. Vectorial, insan davranışı modellerinin bu farkı kapatabileceğine inanıyor ve simüle edilmiş kitleleri ürün geliştirme sürecine dâhil etmek için 3 milyon dolarlık tohum yatırımı aldı.

San Francisco merkezli şirket, finansman turunu 20 Ekim’de duyurdu. Şirketin açıklamasına göre yatırımcılar arasında Smilegate, SenseAI Ventures ve Dent Capital yer alıyor. Vectorial ayrıca Berkeley ve Stanford ekosistemlerinden destek aldığını, Meta, Shopify ve Mastercard’da ürün liderlerinin de sürece katıldığını belirtiyor. Şirket, yeni veri ortaklıklarıyla davranış veri kümelerini genişletmeyi ve SAPIENS modelinin bir sonraki sürümünü geliştirmeyi planlıyor.

Öneri basit: Ürün, tasarım ve pazarlama ekipleri, gerçek müşterileri dijital bir deneyime maruz bırakmadan önce farklı kitlelerin bu deneyime nasıl tepki verebileceğini inceleyebilir. Daha zor olan soru ise simüle edilen bu tepkilerin kararları iyileştirecek kadar güvenilir olup olmadığı.

Yeniden Kullanılabilir Bir Kitle Modeli Oluşturmak

Vectorial, platformunu iki aşamalı bir sistem olarak tanımlıyor. İlk olarak davranış verilerini kullanarak hedef kitlenin bir modelini oluşturuyor. Ardından ekipler, web ve mobil deneyimlerde ürün yolculuklarını, kampanya fikirlerini, marka mesajlarını veya müşterilerle etkileşime giren yapay zekâ ajanlarını değerlendirmek için bu kitle üzerinde simülasyonlar yürütüyor.

SAPIENS modeli, müşteri profilinde doğrudan görünmeyen özellikler de dâhil olmak üzere demografik, psikolojik ve davranışsal özellikleri temsil ediyor. Amaç, bir pazar segmentini ortalama tek bir müşteri gibi ele almak yerine insanlar arasındaki farklılıkları yakalamak. Böylece tasarım ve pazarlama ekipleri, farklı sorular sorarken aynı temel kitle modeli üzerinde çalışabiliyor.

Vectorial, web sitesinde müşterilerin CRM segmentlerini, önceki anketleri, destek görüşmelerinin dökümlerini ve ürün analizlerini kullanarak kitleleri ayarlayabildiğini açıklıyor. Şirket ayrıca modellenen kitleyi yeni bir soruya yanıt bulmak için kullanmadan önce, daha önce tamamlanmış bir çalışmanın sonuçlarına göre geriye dönük test yapılabileceğini belirtiyor. Bu, simülasyonun belirli bir müşteri tabanını yansıtıp yansıtmadığını değerlendirmek için pratik bir yol sunuyor.

Bir ürün ekibi, mühendislik kaynaklarını ayırmadan önce farklı başlangıç akışlarını karşılaştırabilir. Bir oyun geliştiricisi, farklı oyuncu gruplarının önerilen bir özelliğe nasıl tepki vereceğini inceleyebilir. Yapay zekâ asistanı kullanan bir şirket, kullanıcıların koşulları değiştikçe asistanla yaptıkları konuşmaların nasıl farklılaştığını değerlendirebilir. Bunlar platformun olası kullanım alanlarıdır; tahmin edilen her tepkinin ürün piyasaya çıktıktan sonra gerçekleşeceğinin kanıtı değildir.

Doğruluk İddiaları Neyi Ölçüyor?

Vectorial, 2,5 milyondan fazla kişiyi modellediğini ve 30.000’in üzerinde simülasyonu tamamladığını söylüyor. Finansman duyurusunda, simülasyonların önceki kullanıcı araştırmalarının bulgularını yüzde 85’ten daha yüksek doğrulukla yeniden ürettiği bildiriliyor. Duyuruda ayrıca SAPIENS’in davranış tahmininde genel amaçlı dil modellerinden yüzde 30 daha doğru olduğu belirtiliyor.

Bunlar şirketin bildirdiği sonuçlar. Şirketin güncel web sitesinde, eğitimde kullanılmamış çalışmalar için ayrıca yüzde 87 doğruluk oranı ve gerçek görüşlerle eşleşmede yüzde 35 iyileşme oranı veriliyor. Şirket, görüş eşleşmesi ile davranış tahminindeki doğruluğun farklı ölçütler olduğunu özellikle belirtiyor. Bu nedenle söz konusu rakamlar, yazılımın insanları ne kadar iyi tahmin ettiğini gösteren tek ve birbirinin yerine kullanılabilir bir ölçüm olarak değil, farklı değerlendirmelerin sonuçları olarak okunmalı.

Potansiyel müşteriler için asıl önemli olan, modelin kendi kitleleri ve ürünleri üzerindeki performansı ile sonucu bilinen kararlarda ne kadar başarılı olduğudur. İki mesajı doğru sıraya koyan bir simülasyon, satın alacak kullanıcıların tam yüzdesini tahmin eden bir simülasyondan farklı bir soruyu yanıtlar. Vectorial da davranış verilerinin sınırlı olduğu kategorilerde kesin tahmin performansının daha düşük olduğunu kabul ediyor.

Simüle edilmiş araştırmaların pazar araştırması iş akışlarını otomatikleştiren yapay zekâ araçlarından ayrıldığı nokta da budur. Anketlerin hazırlanmasını ve analizini hızlandırmak, insanlardan kanıt toplama sürecini iyileştirebilir. Davranış simülatörü ise bir modelden tahminler üretir; bu nedenle kalibrasyon ve doğrulama, çıktılarının değerini belirlemede temel önem taşır.

Araştırma Uzmanlığından Ürün Kararlarına

Vectorial’ın kurucu ortakları arasında CEO’su Taranveer Singh, işlerden sorumlu üst yöneticisi Jasmine Kaur ve ürünlerden sorumlu üst yöneticisi Rahul Garg yer alıyor. Kurucuların deneyimleri davranış modelleme, kurumsal yapay zekâ benimsemesi ve yazılım ürünü geliştirme alanlarını bir araya getiriyor.

Şirketin kurucu biyografilerinde Singh’in Carnegie Mellon ve Berkeley AI Research dâhil olmak üzere davranış araştırmaları ve yapay zekâ alanlarındaki çalışmalarından söz ediliyor. Kaur daha önce Pfizer’de pazarlamaya yönelik sentetik kullanıcılar üzerine çalışırken Garg, Blinkit ve Housing.com’un da aralarında bulunduğu şirketlerde ürünler geliştirdi. Bu deneyim bileşimi, Vectorial’ın yalnızca ara sıra yapılan pazar araştırmalarını satmak yerine araştırmayı düzenli ürün kararlarına dâhil etmeye odaklanmasını açıklamaya yardımcı oluyor.

Garg, duyuruda şöyle dedi: “Davranış modelimize yatırım yapmayı sürdürüyoruz, ancak tek başına bir model sorunu çözmüyor. Bu nedenle davranış modellerini ürün geliştirme döngüsünün içinde kullanıyoruz.”

Vectorial, sağlık, oyun ve ticaret alanlarında Midi Health, GoodRx, Suki AI, boAt, Everkind ve Concrete Software dahil müşterilerinin bulunduğunu belirtiyor. Duyuruda, müşterilerin ayda yaklaşık 600 simülasyon gerçekleştirdiği ve bunun kabaca 40 kullanıcı araştırmasına denk geldiği ifade ediliyor. Bu kullanım verileri, şirketin hedeflediği test sıklığını gösteriyor; ancak tek başına her bir simülasyonun ticari etkisini ortaya koymuyor.

Daha Hızlı Bir İlk Değerlendirme, Ancak Gerçek Dünyada Doğrulama Hâlâ Şart

Tohum yatırımı, daha fazla davranışsal veri ortaklığını ve SAPIENS 2.0’ı destekleyecek. Veri kapsamını genişletmek önemli; çünkü platformun faydası, çoğunluktan farklı davranabilecek gruplar da dahil olmak üzere, bir işletmenin ulaşmak istediği kişileri ne kadar doğru temsil ettiğine bağlı.

Bu yaklaşımın en güçlü yanı, daha erken ve daha sık test yapılmasını sağlaması. Ekipler daha fazla seçeneği değerlendirebilir, varsayımları belirleyebilir ve insanlarla yürütülecek araştırmalara daha net sorularla başlayabilir. Vectorial’ın kendi web sitesi, alışılmadık durumlarda ve doğrudan insanlardan kanıt elde edilmesini gerektiren çalışmalarda gerçek katılımcıların önemini koruduğunu belirtiyor.

Bu da girişim için net bir zorluk doğuruyor: Tekrarlanan simülasyonların yalnızca daha fazla araştırma çıktısı sağlamakla kalmayıp daha iyi ürün kararlarına yol açtığını göstermek. Bu bağlantıyı farklı müşteriler ve pazarlarda ortaya koyabilirse, kitle modellemesi bir fikrin geliştirilmesiyle piyasaya sürülmesi arasındaki süreçte düzenli bir adıma dönüşebilir.