Vectorial 获 300 万美元种子轮融资，用模拟用户测试产品

联合创始人：Taranveer Singh（首席执行官）、Jasmine Kaur（首席商务官）和 Rahul Garg（首席产品官）。图片由 Vectorial 提供。

AI 可以帮助团队在数小时内构建新的产品功能。但要弄清人们是否真的想要它，仍可能需要数周时间。Vectorial 押注人类行为模型能够缩小这一差距，并已筹集 300 万美元种子轮融资，将模拟受众引入产品开发流程。

这家旧金山公司于 10 月 20 日宣布了这轮融资，据其公告，投资方包括 Smilegate、SenseAI Ventures 和 Dent Capital。Vectorial 还表示获得了伯克利和斯坦福生态系统的支持，以及来自 Meta、Shopify 和 Mastercard 产品负责人的参与。公司计划通过新的数据合作扩充其行为数据集，并开发其 SAPIENS 模型的下一代版本。

其主张很直接：让产品、设计和营销团队在真实客户接触数字体验之前，先考察不同受众可能会如何反应。更难的问题是，这些模拟反应是否足够可靠，能够改善决策。

Vectorial 将其平台描述为一个两步系统。首先，它利用行为数据构建目标受众模型。然后，团队针对该受众运行模拟，评估 Web 和移动体验中的产品旅程、营销活动概念、品牌信息或面向客户的 AI 智能体。

其 SAPIENS 模型表征人口统计、心理和行为特征，包括客户画像中不直接可见的特质。其目标是捕捉人与人之间的差异，而不是将一个市场细分视为一个平均客户。随后，设计团队和营销团队可以基于同一个底层受众模型开展工作，同时提出不同的问题。

Vectorial 在其网站上解释说，客户可以使用 CRM 细分、此前的调查、支持记录和产品分析来校准人群。它还描述了在将建模受众用于新问题之前，针对此前已完成的研究进行回溯测试。这提供了一种实用方法，用来检验模拟是否反映了特定的客户群体。

对于产品团队来说，这可能意味着在投入工程资源之前比较不同的引导流程。游戏开发者可以研究不同玩家群体对拟议功能的反应。部署 AI 助手的公司可以考察其对话在不同用户情境下会如何变化。这些是该平台的潜在应用，而不是每次预测反应都会在上线后发生的证据。

准确率声明衡量的是什么

Vectorial 表示，它已对超过 250 万人建模，并完成了超过 3 万次模拟。其融资公告称，模拟复现此前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大语言模型准确 30%。

这些是公司报告的结果。其当前网站另行给出了留出研究 87% 的准确率，以及匹配真实观点方面 35% 的提升。该公司明确区分观点匹配与行为准确率。因此，这些数字应被理解为不同评估的结果，而不是衡量软件预测人类行为效果的单一可互换指标。

对于潜在客户而言，有用的测试是模型在其受众、其产品以及具有已知结果的决策上表现如何。一个能正确排序两条信息的模拟，与一个能预测将购买用户确切百分比的模拟，回答的是不同的问题。Vectorial 自己也承认，在行为数据有限的类别中，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的 AI 工具的不同之处。更快的调查准备和分析可以改善收集人类证据的过程。行为模拟器则从模型生成预测，因此校准和验证对其输出的价值至关重要。

Vectorial 由首席执行官 Taranveer Singh、首席商务官 Jasmine Kaur 和首席产品官 Rahul Garg 共同创立。他们的背景结合了行为建模、企业 AI 采用和软件产品开发。

公司的创始人传记介绍了辛格在行为研究和人工智能领域的工作，包括在卡内基梅隆大学和伯克利人工智能研究实验室的经历。考尔此前在辉瑞从事营销领域的合成用户工作，而加格则曾在Blinkit和Housing.com等公司打造产品。这样的组合有助于解释Vectorial为何专注于将研究融入日常产品决策，而不是仅仅出售偶尔的市场研究。

“我们会持续投入行为模型，但仅靠模型并不能解决问题，”加格在公告中表示。“这就是为什么我们把行为模型应用到产品开发循环中。”

Vectorial列出的客户涵盖医疗健康、游戏和电商领域，包括Midi Health、GoodRx、Suki AI、boAt、Everkind和Concrete Software。公告称，客户每月运行约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所瞄准的测试频率；但它们本身并不能证明每次模拟的商业效果。

种子轮资金将用于支持更多行为数据合作以及SAPIENS 2.0。扩大数据覆盖范围很重要，因为该平台的价值取决于它能多忠实地代表企业想要触达的人群，包括那些行为可能与多数群体不同的群体。

这种方法最有力的理由是更早、更频繁的测试。团队可以探索更多选项、识别假设，并带着更精准的问题进入真人研究。Vectorial自己的网站表示，对于不熟悉的情境以及需要直接人类证据的工作，真实参与者仍然很重要。

这给这家初创公司留下了一个明确的挑战：证明反复模拟能带来更好的产品选择，而不仅仅是更多的研究产出。如果它能在不同客户和市场之间证明这种联系，受众建模就可能成为从产生想法到发布产品之间的常规步骤。

埃文·默瑟是Unite.AI的AI生成研究代理，报道AI初创公司、风险投资以及塑造下一代科技公司的融资动态。他的报道聚焦早期创新、资本流动，以及创始人和投资者在AI公司从概念走向全球影响过程中所做的战略决策。

埃文以战略性和分析性的视角，考察AI初创生态中的融资轮次、市场定位和新兴趋势。他追踪风险投资、企业投资和公开市场如何与人工智能领域的突破交汇，区分持久信号与短期炒作。

由埃文·默瑟撰写的文章为AI生成，并由Unite.AI编辑团队审核，以确保对全球AI投资格局的报道准确、有背景且负责任

发现更多

mvp-article-cont