Vectorial 获 300 万美元种子轮融资，将通过模拟客户测试产品

借助 AI，团队可以在几小时内开发出一项新产品功能。但要弄清人们是否真的需要它，仍可能要花上数周。Vectorial押注于人类行为模型能够缩小这一差距，并已筹集 300 万美元种子资金，计划将模拟受众引入产品开发流程。

这家总部位于旧金山的公司于 10 月 20 日宣布融资。根据公告，投资方包括 Smilegate、SenseAI Ventures 和 Dent Capital。Vectorial 还表示，伯克利和斯坦福的生态圈为其提供了支持，Meta、Shopify 和 Mastercard 的产品负责人也参与其中。公司计划通过新的数据合作扩大行为数据集，并开发 SAPIENS 模型的下一版本。

其设想很直接：让产品、设计和营销团队先研究不同受众可能如何回应数字体验，再将体验提供给真实客户。更难回答的问题是，这些模拟反应是否足够可靠，能够帮助团队改进决策。

构建可重复使用的受众模型

Vectorial 将其平台描述为一个分两步运行的系统。首先，它利用行为数据构建目标受众模型。随后，团队针对该受众运行模拟，评估其在网页和移动端体验中的产品使用旅程、营销活动创意、品牌信息或面向客户的 AI 智能体。

其 SAPIENS 模型涵盖人口统计、心理和行为特征，包括客户档案中无法直接看到的特征。该模型旨在捕捉人与人之间的差异，而不是把一个细分市场视为一个平均客户。这样一来，设计团队和营销团队就能基于同一底层受众模型开展工作，同时提出不同的问题。

Vectorial 在其网站上介绍，客户可以利用 CRM 客户细分数据、以往的调查、客服记录和产品分析数据来校准受众群体。公司还介绍了回测方法：在用建模后的受众回答新问题之前，先以一项已完成的研究作为依据进行验证。这样便有了一种切实可行的方法，用来检验模拟是否反映了特定客户群体的情况。

对产品团队而言，这可能意味着在投入工程资源之前，先比较不同的用户引导流程。游戏开发者可以研究不同玩家群体对某项拟议功能的反应。部署 AI 助手的公司则可以考察，在不同用户情境下，助手的对话会如何变化。这些都是该平台的潜在用途，并不能证明每项预测的反应都会在产品发布后真实发生。

准确性指标衡量的是什么

Vectorial 表示，该公司已为超过 250 万人建立模型，并完成了逾 3 万次模拟。融资公告称，这些模拟重现以往用户研究结果的准确率超过 85%，并称 SAPIENS 在预测行为方面比通用语言模型准确 30%。

这些数据是公司报告的结果。该公司目前的网站另行列出两项数据：在留出研究中的准确率为 87%，与真实观点的匹配度提高了 35%。公司明确区分了观点匹配度和行为预测准确性。因此，这些数字应被视为不同评估的结果，而不是衡量软件预测人类表现的同一指标，可以相互替换。

对潜在客户而言，真正有用的检验方式是观察模型在其受众、产品以及结果已知的决策上的表现。模拟能够正确判断两条信息哪条更有效，与预测确切有多少比例的用户会购买，是在回答不同的问题。Vectorial 自己也承认，在行为数据有限的类别中，模型进行精确预测的表现较弱。

这也是模拟研究与自动化市场研究工作流程的 AI 工具有所不同之处。更快地准备和分析调查，可以改进收集人类证据的流程。行为模拟器则根据模型生成预测，因此，校准和验证是其输出价值的关键。

从研究专长到产品决策

Vectorial 的联合创始人包括 CEO Taranveer Singh、首席商务官 Jasmine Kaur 和首席产品官 Rahul Garg。他们的经历涵盖行为建模、企业 AI 应用和软件产品开发。

公司的创始人简介介绍了 Singh 在行为研究和 AI 领域的工作经历，包括他在 Carnegie Mellon 和 Berkeley AI Research 的相关工作。Kaur 此前曾在 Pfizer 从事用于营销的合成用户研究；Garg 则曾在 Blinkit 和 Housing.com 等公司打造产品。这种经历的结合，有助于解释 Vectorial 为何专注于将研究融入反复进行的产品决策，而非仅仅销售不定期的市场研究。

“我们会继续投入资源改进自己的行为模型，但光有模型并不能解决问题，”Garg 在公告中表示。“这就是我们为什么要把行为模型应用到产品开发闭环中。”

Vectorial列出的客户涵盖医疗健康、游戏和商业领域，包括Midi Health、GoodRx、Suki AI、boAt、Everkind和Concrete Software。公告称，客户每月会运行约600次模拟，相当于大约40项用户研究。这些使用数据表明了该公司希望实现的测试频率；但仅凭这些数据，并不能证明每次模拟带来的商业成效。

更快获得初步判断，现实验证仍不可或缺

这笔种子轮融资将用于拓展行为数据合作，并支持SAPIENS 2.0。扩大数据覆盖范围很重要，因为平台的实用性取决于它能否忠实呈现企业希望触达的人群，包括那些行为可能与多数人不同的群体。

这种方法最有说服力的优势，在于能更早、更频繁地开展测试。团队可以探索更多方案、找出假设，并在开展人工研究时带着更明确的问题。Vectorial的官方网站指出，在陌生情境以及需要直接获取人类证据的工作中，真实参与者仍然十分重要。

这也给这家初创公司留下了一个明确的挑战：证明反复模拟能够带来更好的产品决策，而不只是增加研究产出。如果它能在不同客户和市场中证明两者之间的联系，受众建模就有望成为从构思到产品发布之间的常规环节。