Альфред Вальфорсс зіштовхнувся з серйозними труднощами. Його стартап, Listen Labs, потребував найму понад 100 інженерів, але конкуренція з пропозиціями Марка Цукерберга на суму 100 мільйонів доларів здавалася неможливою. Тоді він витратив 5 000 доларів — п’яту частину свого маркетингового бюджету — на білборд у Сан-Франциско, на якому було зображено щось схоже на нісенітницю: п’ять рядків випадкових чисел.
Ці числа насправді були AI-токенами. Розшифровані, вони вели до складного завдання з програмування: створити алгоритм, який виконував би роль цифрового фейс-контролю в Berghain, берлінському нічному клубі, відомому тим, що відмовляє майже кожному на вході. Протягом кількох днів тисячі людей намагалися розв’язати цю головоломку. 430 з них впоралися. Деякі отримали пропозицію про роботу. Переможець вирушив до Берліна з усіма оплаченими витратами.
Такий нетрадиційний підхід привернув 69 мільйонів доларів інвестицій серії B, очолюваних Ribbit Capital за участю Evantic та існуючих інвесторів Sequoia Capital, Conviction і Pear VC. Цей раунд оцінює Listen Labs у 500 мільйонів доларів і доводить загальний обсяг залученого капіталу до 100 мільйонів доларів. За дев’ять місяців з моменту запуску компанія збільшила річний дохід у 15 разів до восьмизначних цифр і провела понад мільйон інтерв’ю за допомогою штучного інтелекту.
«Коли ви одержимі клієнтами, все інше йде саме собою», — сказав Вальфорсс в інтерв’ю VentureBeat. «Команди, які використовують Listen, залучають клієнта до кожного рішення, від маркетингу до продукту, і коли клієнт задоволений, радіють усі».
Чому традиційні маркетингові дослідження не працюють, і як Listen Labs їх виправляє
AI-дослідник Listen знаходить учасників, проводить глибокі інтерв’ю та надає дієві висновки за години, а не тижні. Платформа замінює традиційний вибір між кількісними опитуваннями — які забезпечують статистичну точність, але не враховують нюансів — та якісними інтерв’ю, які надають глибину, але не можуть масштабуватися.
Вальфорсс пояснив обмеження існуючих підходів: «По суті, опитування дають вам хибну точність, тому що люди відповідають на те саме запитання… Ви не можете отримати викиди. Люди насправді нечесні в опитуваннях». Альтернатива, індивідуальні людські інтерв’ю, «надає вам багато глибини. Ви можете ставити уточнюючі запитання. Ви можете перевірити, чи справді вони розуміють, про що говорять. І проблема в тому, що це неможливо масштабувати».
Платформа працює у чотири етапи: користувачі створюють дослідження за допомогою AI, Listen залучає учасників зі своєї глобальної мережі з 30 мільйонів людей, AI-модератор проводить поглиблені інтерв’ю з уточнюючими запитаннями, а результати пакуються у звіти для керівництва, що включають ключові теми, відео-витяги та презентації.
Що відрізняє підхід Listen, так це використання відкритих відео-розмов, а не форм з множинним вибором. «В опитуванні ви можете здогадатися, що вам слід відповісти, і у вас є чотири варіанти», — сказав Вальфорсс. «О, вони, ймовірно, хочуть, щоб я вказав високий дохід. Натисну цю кнопку, на відміну від відкритої відповіді. Це генерує набагато більше чесності».
Брудна таємниця індустрії маркетингових досліджень вартістю 140 мільярдів доларів: розгул шахрайства
Listen знаходить та кваліфікує потрібних учасників у своїй глобальній мережі з 30 мільйонів людей. Але створення цієї панелі вимагало зіткнення з тим, що Вальфорсс назвав «однією з найшокуючих речей, які ми дізналися, коли увійшли в цю галузь» — розгулом шахрайства.
«По суті, бере участь фінансова транзакція, що означає, що будуть погані гравці», — пояснив він. «Ми насправді мали деякі з найбільших компаній, деякі з них мають мільярди доларів доходу, які надсилали нам людей, що видавали себе за потенційних корпоративних покупців на нашу платформу, і наша система негайно виявляла, наприклад, шахрайство, шахрайство, шахрайство, шахрайство, шахрайство».
Компанія створила так звану «захист якості», яка перехресно звіряє профілі LinkedIn з відео-відповідями для перевірки особи, перевіряє послідовність відповідей учасників на запитання та позначає підозрілі патерни. Результат, за словами Вальфорсса: «Люди говорять утричі більше. Вони набагато чесніші, коли говорять про чутливі теми, такі як політика та психічне здоров’я».
Emeritus, компанія з онлайн-освіти, яка використовує Listen, повідомила, що приблизно 20% відповідей в опитуваннях раніше належали до категорії шахрайських або низькоякісних. З Listen вони скоротили це майже до нуля. «Нам не довелося замінювати жодних відповідей через шахрайство чи незрозумілу інформацію», — сказала Габріеллі Тібурі, помічник менеджера з аналітики клієнтів в Emeritus.
Як Microsoft, Sweetgreen та Chubbies використовують AI-інтерв’ю для створення кращих продуктів
Перевага у швидкості виявилася центральною для пропозиції Listen. Традиційні дослідження клієнтів у Microsoft могли зайняти від чотирьох до шести тижнів для отримання висновків. «До того часу, як ми їх отримуємо, або рішення вже прийнято, або ми втрачаємо можливість реально на нього вплинути», — сказав Романі Пател, менеджер з досліджень у Microsoft.
З Listen Microsoft тепер може отримувати висновки за дні, а в багатьох випадках — за години.
Платформа вже підтримала кілька відомих ініціатив. Microsoft використовувала Listen Labs для збору глобальних історій клієнтів до свого 50-річного ювілею. «Ми хотіли, щоб користувачі поділилися тим, як Copilot допомагає їм розкрити свій найкращий потенціал, і ми змогли зібрати ці відео-історії користувачів протягом дня», — сказав Пател. Традиційно така робота зайняла б шість-вісім тижнів.
Simple Modern, компанія з виробництва посуду з Оклахоми, використала Listen для тестування нової концепції продукту. Процес зайняв близько години на написання запитань, годину на запуск дослідження та 2,5 години на отримання відгуків від 120 людей з усієї країни. «Ми перейшли від запитання «Чи варто нам взагалі мати цей продукт?» до «Як нам його запустити?»», — сказав Кріс Хойл, директор з маркетингу компанії.
Chubbies, бренд шортів, досяг 24-кратного збільшення участі молоді в дослідженнях — зростання з 5 до 120 учасників — використовуючи Listen для подолання труднощів з плануванням традиційних фокус-груп з дітьми. «Є школа, спорт, вечеря та домашні завдання», — пояснила Лорен Невілл, директор з аналітики та інновацій. «Мені довелося знайти спосіб почути їх, який вписувався б у їхній розклад».
Компанія також виявила проблеми з продуктом через AI-інтерв’ю, які могли б залишитися непоміченими. Вальфорсс описав, як AI «через розмови зрозумів, що були проблеми з дитячою лінійкою шортів, і вирішив опитати сотні дітей. І я розумію, що були проблеми з підкладкою шортів, і вони були, як це назвали, «колючими», за словами опитаних людей». Перероблений продукт став «блокбастером».
Парадокс Джевонса пояснює, чому дешевші дослідження створюють більший попит, а не менший
Listen Labs виходить на величезний, але фрагментований ринок. Вальфорсс посилався на дослідження Andreessen Horowitz, яке оцінює індустрію маркетингових досліджень приблизно в 140 мільярдів доларів щорічно, з домінуючими гравцями — деякі з яких мають понад мільярд доларів доходу — які, на його думку, вразливі до руйнування.
«Існують значні бюджетні статті, які ми замінюємо», — сказав Вальфорсс. «Ми замінюємо їх тому, що, по-перше, вони надзвичайно дорогі. По-друге, вони застрягли в цій старій парадигмі вибору між опитуванням чи інтерв’ю, і вони також потребують місяців роботи».
Але більш інтригуючою динамікою може бути те, що дослідження на основі AI не просто замінюють існуючі витрати — вони створюють новий попит. Вальфорсс навів парадокс Джевонса, економічний принцип, який виникає, коли технологічні досягнення роблять ресурс більш ефективним у використанні, але підвищена ефективність призводить до збільшення загального споживання, а не зменшення.
«Те, що я помітив, це те, що коли щось стає дешевшим, вам не потрібно менше цього. Ви хочете більше», — пояснив Вальфорсс. «Існує нескінченний попит на розуміння клієнтів. Тому дослідники в команді можуть проводити в рази більше досліджень, а також інші люди, які раніше не були дослідниками, тепер можуть робити це як частину своєї роботи».
Всередині елітної інженерної команди, яка створила Listen Labs ще до того, як у них з’явився робочий туалет
Listen Labs бере свій початок від споживчого застосунку, який Вальфорсс та його співзасновник створили після знайомства в Гарварді. «Ми створили цей споживчий застосунок, який отримав 20 000 завантажень за один день», — згадав Вальфорсс. «У нас було багато користувачів, і ми думали: «Гаразд, що ми можемо зробити, щоб краще їх пізнати?» І ми створили прототип того, чим Listen є сьогодні».
Засновницька команда має незвичайний досвід. Співзасновник Вальфорсса «був національним чемпіоном зі змагального програмування в Німеччині і працював в Tesla Autopilot». Компанія стверджує, що 30% її інженерної команди є медалістами Міжнародної олімпіади з інформатики — тієї самої олімпіади, яка виховала засновників Cognition, стартапу зі штучного інтелекту для кодування.
Трюк з білбордом Berghain привернув близько 5 мільйонів переглядів у соціальних мережах, за словами Вальфорсса. Він відображав інтенсивність боротьби за таланти в районі Затоки.
«Нам довелося робити такі речі, тому що деякі з наших ранніх співробітників приєдналися до компанії ще до того, як у нас з’явився робочий туалет», — сказав він. «Але зараз ми виправили цю ситуацію».
Компанія зросла з 5 до 40 співробітників у 2024 році та планує досягти 150 цього року. Вона наймає інженерів на неінженерні посади в маркетингу, розвитку та операціях — ставка на те, що в епоху AI технічна грамотність має значення всюди.
Синтетичні клієнти та автоматизовані рішення: що Listen Labs будує далі
Вальфорсс окреслив амбітний план розвитку продукту, який рухається в більш спекулятивну територію. Компанія створює «можливість симулювати ваших клієнтів, щоб ви могли взяти всі проведені інтерв’ю, а потім екстраполювати на їх основі та створити синтетичних користувачів або симульовані голоси користувачів».
Крім симуляції, Listen прагне забезпечити автоматизовані дії на основі результатів досліджень. «Чи можете ви не тільки робити рекомендації, але й створювати агенти для зміни коду або для запобігання відтоку клієнтів? Чи можете ви запропонувати їм знижку і спробувати повернути їх?»
Вальфорсс визнав етичні наслідки. «Очевидно, як ви сказали, існують певні етичні проблеми. Автоматизоване прийняття рішень загалом може бути поганим, але у нас будуть значні запобіжники, щоб гарантувати, що компанії завжди будуть залучені».
Компанія вже дбайливо поводиться з конфіденційними даними. «Ми не тренуємося на жодних даних», — сказав Вальфорсс. «Ми також автоматично видалятимемо будь-яку конфіденційну PII, щоб модель могла її виявити. І бувають випадки, коли, наприклад, ви працюєте з інвесторами, коли ви випадково згадуєте щось, що може бути суттєвою, непублічною інформацією, AI може виявити це і видалити будь-яку подібну інформацію».
Як AI може змінити майбутнє розробки продуктів
Мабуть, найбільш провокаційним наслідком моделі Listen є те, як вона може трансформувати саму розробку продуктів. Вальфорсс описав клієнта — австралійський стартап — який запровадив, по суті, безперервний цикл зворотного зв’язку.
«Вони базуються в Австралії, тому кодують протягом дня, а потім вночі випускають дослідження Listen з американською аудиторією. Listen підтверджує все, що вони побудували протягом дня, і вони отримують відгуки про це. Потім вони можуть безпосередньо використовувати ці відгуки в інструментах для кодування, таких як Claude Code, та ітерувати».
Бачення розширює відомий девіз Y Combinator — «пиши код, розмовляй з користувачами» — до автоматизованого циклу. «Написання коду зараз автоматизується. І я думаю, що розмова з користувачами теж буде, і ви отримаєте такий нескінченний цикл, де ви зможете випускати справді дивовижний продукт, майже автономно».
Чи матеріалізується це бачення, залежить від факторів, що виходять за межі контролю Listen — подальшого вдосконалення AI-моделей, готовності підприємств довіряти автоматизованим дослідженням та чи справді швидкість корелює з кращими продуктами. Дослідження MIT 2024 року показало, що 95% AI-пілотів не переходять у виробництво, — статистика, яку Вальфорсс навів як причину, чому він наголошує на якості, а не на демонстраціях.
«Я постійно повинен наголошувати: давайте переконаємося, що якість на висоті, а деталі правильні», — сказав він.
Але зростання компанії свідчить про готовність до експерименту. Пател з Microsoft зазначив, що Listen «усунув нудьгу досліджень і повернув радість і задоволення в мою роботу». Chubbies тепер переконує свого засновника надати всім у компанії логін. Sling Money, стартап з платіжних стейблкоїнів, може створити опитування за десять хвилин і отримати результати того ж дня.
«Це повна зміна гри», — сказала Алі Ромеро, менеджер з маркетингу Sling Money.
Вальфорсс має іншу фразу для того, що він будує. Коли його запитали про напругу між швидкістю та ретельністю — давню віру в те, що швидкий рух означає урізання кутів — він навів слова Ната Фрідмана, колишнього генерального директора GitHub та інвестора Listen, який веде список однорядкових висловлювань на своєму сайті.
Одне з них: «Повільно — це фальшиво».
Це агресивне твердження для індустрії, побудованої на методологічній обережності. Але Listen Labs робить ставку на те, що в епоху AI компанії, які слухають найшвидше, будуть переможцями. Залишається лише питання, чи відгукнуться клієнти.
Порада від CryptoDom:
Ця новина демонструє, як інноваційний підхід до взаємодії з клієнтами, посилений штучним інтелектом, може революціонізувати галузь. Listen Labs пропонує інструмент, який дозволяє бізнесам отримати глибокі та швидкі висновки від своїх користувачів, подолавши традиційні бар’єри. Якщо ви прагнете краще зрозуміти свою аудиторію та приймати обґрунтованіші рішення щодо продукту, ця платформа може стати вашим ключем до успіху. Її здатність боротися з шахрайством та надавати стислі, дієві звіти робить її цінним активом для будь-якої компанії, що цінує зворотний зв’язок від клієнтів.
За даними порталу: venturebeat.com