Vectorial huy động 3 triệu USD trong vòng hạt giống để thử nghiệm sản phẩm với khách hàng mô phỏng

AI có thể giúp một nhóm phát triển tính năng sản phẩm mới chỉ trong vài giờ. Nhưng việc tìm hiểu liệu mọi người có thực sự muốn tính năng đó hay không vẫn có thể mất vài tuần. Vectorial đặt cược rằng các mô hình hành vi con người có thể thu hẹp khoảng cách này, và đã huy động 3 triệu USD trong vòng gọi vốn hạt giống để đưa các nhóm đối tượng mô phỏng vào quy trình phát triển sản phẩm.

Công ty có trụ sở tại San Francisco công bố khoản đầu tư vào ngày 20 tháng 10; theo thông báo, các nhà đầu tư bao gồm Smilegate, SenseAI Ventures và Dent Capital. Vectorial cũng cho biết công ty nhận được sự hỗ trợ từ hệ sinh thái Berkeley và Stanford, cùng sự tham gia của các lãnh đạo sản phẩm tại Meta, Shopify và Mastercard. Công ty dự định mở rộng các bộ dữ liệu hành vi thông qua những quan hệ hợp tác chia sẻ dữ liệu mới và phát triển phiên bản tiếp theo của mô hình SAPIENS.

Đề xuất khá đơn giản: giúp các nhóm sản phẩm, thiết kế và tiếp thị tìm hiểu cách những nhóm đối tượng khác nhau có thể phản ứng với một trải nghiệm số trước khi đưa trải nghiệm đó đến với khách hàng thật. Câu hỏi khó hơn là liệu những phản ứng mô phỏng này có đủ đáng tin cậy để cải thiện các quyết định hay không.

Xây dựng mô hình đối tượng có thể tái sử dụng

Vectorial mô tả nền tảng của mình là một hệ thống gồm hai bước. Trước tiên, hệ thống xây dựng mô hình về đối tượng mục tiêu bằng dữ liệu hành vi. Sau đó, các nhóm chạy mô phỏng trên đối tượng này để đánh giá hành trình sản phẩm, ý tưởng chiến dịch, thông điệp thương hiệu hoặc tác nhân AI tương tác với khách hàng trên các trải nghiệm web và di động.

Mô hình SAPIENS mô phỏng các đặc điểm nhân khẩu học, tâm lý và hành vi, bao gồm cả những đặc điểm không thể nhận biết trực tiếp qua hồ sơ khách hàng. Mục tiêu là nắm bắt sự khác biệt giữa từng người, thay vì xem một phân khúc thị trường như thể đó là một khách hàng điển hình duy nhất. Nhờ vậy, nhóm thiết kế và nhóm tiếp thị có thể cùng làm việc với một mô hình đối tượng nền tảng, đồng thời đặt ra những câu hỏi khác nhau.

Trên trang web của mình, Vectorial giải thích rằng khách hàng có thể hiệu chỉnh các nhóm đối tượng bằng cách sử dụng phân khúc CRM, khảo sát trước đây, bản ghi nội dung trao đổi với bộ phận hỗ trợ và dữ liệu phân tích sản phẩm. Công ty cũng mô tả việc kiểm thử ngược dựa trên một nghiên cứu đã hoàn tất trước đó, trước khi sử dụng nhóm đối tượng được mô hình hóa để trả lời một câu hỏi mới. Cách làm này tạo ra phương thức thiết thực để xem xét liệu mô phỏng có phản ánh đúng một nhóm khách hàng cụ thể hay không.

Đối với nhóm sản phẩm, điều này có thể đồng nghĩa với việc so sánh các quy trình hướng dẫn ban đầu khác nhau trước khi cam kết nguồn lực kỹ thuật. Nhà phát triển trò chơi có thể tìm hiểu phản ứng của những nhóm người chơi khác nhau trước một tính năng được đề xuất. Công ty triển khai trợ lý AI có thể xem xét cách các cuộc hội thoại thay đổi tùy theo hoàn cảnh của người dùng. Đây là những ứng dụng tiềm năng của nền tảng, chứ không phải bằng chứng cho thấy mọi phản ứng được dự đoán đều sẽ xảy ra sau khi ra mắt.

Các tuyên bố về độ chính xác đo lường điều gì

Vectorial cho biết đã mô hình hóa hơn 2,5 triệu người và hoàn thành hơn 30.000 lượt mô phỏng. Thông báo gọi vốn của công ty cho biết các lượt mô phỏng đã tái hiện kết quả từ những nghiên cứu người dùng trước đây với độ chính xác hơn 85%, đồng thời mô tả SAPIENS là chính xác hơn 30% so với các mô hình ngôn ngữ đa dụng trong việc dự đoán hành vi.

Đây là những kết quả do công ty công bố. Trang web hiện tại của công ty cũng nêu riêng mức độ chính xác 87% đối với các nghiên cứu được giữ lại để kiểm định và mức cải thiện 35% trong việc khớp với ý kiến thực tế. Công ty phân biệt rõ việc khớp ý kiến với độ chính xác trong dự đoán hành vi. Vì vậy, cần xem các con số này là kết quả của những phép đánh giá khác nhau, chứ không phải một thước đo duy nhất có thể dùng thay thế lẫn nhau để đánh giá khả năng dự đoán con người của phần mềm.

Với khách hàng tiềm năng, phép thử hữu ích là đánh giá mô hình hoạt động ra sao trên nhóm đối tượng, sản phẩm và những quyết định có kết quả đã biết của chính họ. Một mô phỏng xếp hạng chính xác hai thông điệp đang trả lời một câu hỏi khác với mô phỏng dự đoán chính xác tỷ lệ người dùng sẽ mua hàng. Chính Vectorial thừa nhận rằng khả năng dự đoán chính xác còn hạn chế ở những danh mục có ít dữ liệu hành vi.

Đây cũng là điểm tạo nên khác biệt giữa nghiên cứu mô phỏng và các công cụ AI tự động hóa quy trình nghiên cứu thị trường. Việc chuẩn bị khảo sát và phân tích nhanh hơn có thể cải thiện quy trình thu thập bằng chứng từ con người. Trong khi đó, công cụ mô phỏng hành vi tạo ra dự đoán từ một mô hình, khiến việc hiệu chỉnh và xác thực trở thành yếu tố cốt lõi quyết định giá trị của kết quả.

Từ chuyên môn nghiên cứu đến các quyết định sản phẩm

Vectorial do Taranveer Singh, giám đốc điều hành; Jasmine Kaur, giám đốc kinh doanh; và Rahul Garg, giám đốc sản phẩm, đồng sáng lập. Kinh nghiệm của họ kết hợp giữa mô hình hóa hành vi, ứng dụng AI trong doanh nghiệp và phát triển sản phẩm phần mềm.

Tiểu sử các nhà sáng lập của công ty mô tả công việc của Singh trong lĩnh vực nghiên cứu hành vi và AI, bao gồm cả Carnegie Mellon và Berkeley AI Research. Trước đây, Kaur từng phát triển người dùng tổng hợp phục vụ tiếp thị tại Pfizer, còn Garg đã xây dựng sản phẩm tại các công ty như Blinkit và Housing.com. Sự kết hợp này giúp lý giải vì sao Vectorial tập trung đưa nghiên cứu vào các quyết định sản phẩm thường xuyên, thay vì chỉ bán các nghiên cứu thị trường không định kỳ.

“Chúng tôi tiếp tục đầu tư vào mô hình hành vi, nhưng chỉ riêng mô hình thì không giải quyết được vấn đề,” Garg nói trong thông báo. “Đó là lý do chúng tôi đưa các mô hình hành vi vào quy trình phát triển sản phẩm.”

Vectorial cho biết khách hàng của mình hoạt động trong các lĩnh vực y tế, trò chơi và thương mại, trong đó có Midi Health, GoodRx, Suki AI, boAt, Everkind và Concrete Software. Theo thông báo, khách hàng thực hiện khoảng 600 lượt mô phỏng mỗi tháng, tương đương khoảng 40 nghiên cứu người dùng. Những số liệu sử dụng này cho thấy tần suất thử nghiệm mà công ty hướng tới; bản thân chúng không chứng minh được tác động thương mại của từng lượt mô phỏng.

Có được đánh giá ban đầu nhanh hơn, nhưng vẫn cần xác thực trong thực tế

Khoản vốn hạt giống sẽ hỗ trợ mở rộng các quan hệ đối tác về dữ liệu hành vi và phát triển SAPIENS 2.0. Việc mở rộng phạm vi dữ liệu rất quan trọng, vì mức độ hữu ích của nền tảng phụ thuộc vào khả năng mô phỏng trung thực những người mà doanh nghiệp muốn tiếp cận, bao gồm cả các nhóm có thể có hành vi khác với số đông.

Lợi thế thuyết phục nhất của cách tiếp cận này là cho phép thử nghiệm sớm hơn và thường xuyên hơn. Các nhóm có thể xem xét nhiều phương án hơn, xác định những giả định của mình và bước vào giai đoạn nghiên cứu với con người cùng những câu hỏi sắc bén hơn. Trang web của Vectorial cũng cho biết người tham gia thực tế vẫn rất quan trọng trong những tình huống chưa quen thuộc và trong các công việc đòi hỏi bằng chứng trực tiếp từ con người.

Điều đó đặt ra một thách thức rõ ràng cho công ty khởi nghiệp này: chứng minh rằng việc mô phỏng lặp lại giúp đưa ra lựa chọn sản phẩm tốt hơn, chứ không chỉ tạo ra thêm kết quả nghiên cứu. Nếu chứng minh được mối liên hệ đó với nhiều khách hàng và thị trường khác nhau, việc mô hình hóa nhóm khách hàng mục tiêu có thể trở thành một bước thường lệ giữa lúc hình thành ý tưởng và khi đưa sản phẩm ra thị trường.