Vectorial залучає $3 млн посівних інвестицій, щоб тестувати продукти на змодельованих клієнтах

ШІ може допомогти команді розробити нову функцію продукту за кілька годин. Але з’ясувати, чи справді вона потрібна людям, досі може тривати кілька тижнів. Vectorial розраховує, що моделі людської поведінки допоможуть скоротити цей розрив, і залучила 3 мільйони доларів посівного фінансування, щоб інтегрувати змодельовану аудиторію в процес розроблення продукту.

Компанія із Сан-Франциско оголосила про залучення фінансування 20 жовтня; згідно з її повідомленням, серед інвесторів — Smilegate, SenseAI Ventures і Dent Capital. Vectorial також повідомляє про підтримку з боку екосистем Берклі та Стенфорда й участь керівників продуктових напрямів із Meta, Shopify і Mastercard. Компанія планує розширити свої набори даних про поведінку завдяки новим партнерствам у сфері даних і розробити наступну версію моделі SAPIENS.

Ідея проста: дати командам, що відповідають за продукт, дизайн і маркетинг, змогу дослідити, як різні аудиторії можуть реагувати на цифровий досвід, перш ніж залучати до нього реальних клієнтів. Складніше питання полягає в тому, чи достатньо надійні ці змодельовані реакції, щоб поліпшити процес ухвалення рішень.

Створення моделі аудиторії для повторного використання

Vectorial описує свою платформу як систему з двох етапів. Спочатку на основі даних про поведінку створюється модель цільової аудиторії. Потім команди проводять симуляції за участю цієї аудиторії, оцінюючи сценарії взаємодії з продуктом, концепції кампаній, повідомлення бренду або ШІ-агентів для взаємодії з клієнтами у вебсередовищі та мобільних застосунках.

Модель SAPIENS відтворює демографічні, психологічні та поведінкові характеристики, зокрема риси, які не можна безпосередньо побачити в профілі клієнта. Мета — відобразити відмінності між людьми, а не розглядати сегмент ринку як одного усередненого клієнта. Завдяки цьому команда дизайнерів і команда маркетологів можуть працювати з тією самою базовою моделлю аудиторії, водночас ставлячи різні запитання.

На своєму вебсайті Vectorial пояснює, що клієнти можуть налаштовувати моделі аудиторій за допомогою сегментів CRM, попередніх опитувань, записів розмов зі службою підтримки та продуктової аналітики. Компанія також описує ретроспективне тестування на основі раніше завершеного дослідження, перш ніж використовувати змодельовану аудиторію для відповіді на нове запитання. Це дає змогу на практиці перевірити, чи відповідає симуляція конкретній клієнтській базі.

Для продуктової команди це може означати порівняння альтернативних сценаріїв онбордингу, перш ніж виділяти ресурси на розроблення. Розробник гри міг би дослідити, як різні групи гравців реагують на запропоновану функцію. Компанія, яка впроваджує ШІ-помічника, могла б перевірити, як змінюються його діалоги залежно від обставин користувачів. Це потенційні способи застосування платформи, а не доказ того, що кожна передбачена реакція справді виникне після запуску.

Що саме вимірюють показники точності

За словами Vectorial, компанія змоделювала понад 2,5 мільйона людей і провела понад 30 000 симуляцій. У повідомленні про залучення фінансування зазначено, що симуляції відтворили результати попередніх досліджень користувачів із точністю понад 85%, а модель SAPIENS, як стверджує компанія, на 30% точніше за універсальні мовні моделі прогнозує поведінку.

Ці результати наведені самою компанією. На своєму поточному вебсайті вона окремо вказує точність 87% для досліджень на відкладених вибірках і покращення на 35% у збігу з реальними думками. Компанія прямо розмежовує відповідність думкам і точність прогнозування поведінки. Тому ці показники слід розглядати як результати різних оцінювань, а не як взаємозамінні виміри того, наскільки добре програмне забезпечення прогнозує поведінку людей.

Потенційним клієнтам варто перевірити, як модель працює з їхньою аудиторією та продуктом і наскільки добре допомагає ухвалювати рішення, результат яких можна перевірити. Симуляція, що правильно визначає, яке з двох повідомлень ефективніше, відповідає на інше запитання, ніж симуляція, яка прогнозує точний відсоток користувачів, що здійснять покупку. Сама Vectorial визнає, що точність прогнозів нижча в категоріях, для яких доступно мало даних про поведінку.

Саме цим змодельовані дослідження відрізняються від інструментів ШІ, що автоматизують процеси маркетингових досліджень. Швидша підготовка опитувань і аналіз даних можуть удосконалити процес збирання свідчень від людей. Натомість симулятор поведінки генерує прогнози на основі моделі, тому налаштування й перевірка її точності є ключовими для цінності результатів.

Від дослідницької експертизи до продуктових рішень

Vectorial заснували Таранвір Сінгх, генеральний директор компанії; Джасмін Каур, директорка з бізнесу; і Рахул Гарг, директор із продукту. Їхній досвід охоплює моделювання поведінки, впровадження корпоративного ШІ та розроблення програмних продуктів.

У біографіях засновників компанії описано роботу Сінгха у сферах дослідження поведінки та ШІ, зокрема в Carnegie Mellon і Berkeley AI Research. Каур раніше працювала над створенням синтетичних користувачів для маркетингу у Pfizer, а Гарг розробляв продукти в таких компаніях, як Blinkit і Housing.com. Такий досвід допомагає зрозуміти, чому Vectorial прагне вбудувати дослідження в регулярний процес ухвалення продуктових рішень, а не просто продавати окремі дослідження ринку.

«Ми й далі інвестуємо в нашу модель поведінки, але сама модель не розв’язує проблему, — сказав Гарг у повідомленні. — Саме тому ми застосовуємо моделі поведінки безпосередньо в циклі розроблення продукту».

Vectorial називає серед своїх клієнтів компанії зі сфер охорони здоров’я, ігор і торгівлі, зокрема Midi Health, GoodRx, Suki AI, boAt, Everkind і Concrete Software. В оголошенні зазначено, що клієнти проводять близько 600 симуляцій на місяць — приблизно стільки ж, скільки 40 досліджень за участю користувачів. Ці показники свідчать про частоту тестування, на яку орієнтується компанія, але самі по собі не доводять комерційного ефекту кожної симуляції.

Швидша первинна оцінка, але перевірка в реальних умовах залишається необхідною

Посівне фінансування спрямують на розширення партнерств у сфері поведінкових даних і розвиток SAPIENS 2.0. Розширювати охоплення даних важливо, адже користь платформи залежить від того, наскільки точно вона відтворює людей, на яких хоче орієнтуватися бізнес, зокрема групи, чия поведінка може відрізнятися від поведінки більшості.

Найвагоміший аргумент на користь такого підходу — можливість тестувати раніше й частіше. Команди можуть розглядати більше варіантів, виявляти припущення та приходити до досліджень за участю людей із точніше сформульованими запитаннями. На власному сайті Vectorial зазначає, що реальні учасники залишаються важливими для незнайомих ситуацій і роботи, яка потребує безпосередніх свідчень від людей.

Перед стартапом стоїть чітке завдання: довести, що повторні симуляції допомагають ухвалювати кращі продуктові рішення, а не просто збільшують обсяг досліджень. Якщо компанії вдасться підтвердити цей зв’язок на прикладі різних клієнтів і ринків, моделювання аудиторії може стати звичним етапом між появою ідеї та запуском продукту.