Listen Labs پس از مانور تبلیغاتی وایرال بیلبوردی 69 میلیون دلار برای توسعه مصاحبه‌های مشتری با هوش مصنوعی جذب کرد

ایالات متحده - خبرگزاری اخباری

Listen Labs پس از مانور تبلیغاتی وایرال بیلبوردی 69 میلیون دلار برای توسعه مصاحبه‌های مشتری با هوش مصنوعی جذب کرد

در اقدامی جسورانه و نوآورانه، استارتاپ Listen Labs با موفقیت 69 میلیون دلار در دور تأمین مالی سری B، به رهبری Ribbit Capital و با مشارکت Evantic و سرمایه‌گذاران موجود Sequoia Capital، Conviction و Pear VC، جذب کرد. این تزریق سرمایه قابل توجه پس از یک استراتژی استخدام بسیار غیرمتعارف صورت گرفت که در آن شرکت از یک بیلبورد در سانفرانسیسکو استفاده کرد که ظاهراً رشته‌هایی از اعداد تصادفی را نشان می‌داد. با این حال، این اعداد توکن‌های پیچیده هوش مصنوعی بودند که پس از رمزگشایی، به یک چالش کدنویسی پیچیده منجر می‌شدند و به طور مؤثر به عنوان یک مکانیسم استخدامی وایرال عمل می‌کردند.

آلفرد واهل‌فورس، مدیرعامل Listen Labs، با فشار شدیدی برای استخدام بیش از 100 مهندس روبرو بود، وظیفه‌ای دلهره‌آور هنگام رقابت با جیب‌های پر از پول غول‌های فناوری مانند متا اثر مارک زاکربرگ. در اقدامی که استخدام سنتی را به چالش کشید، واهل‌فورس 5000 دلار – یک پنجم بودجه بازاریابی خود – را به یک بیلبورد اختصاص داد که پنج رشته عدد تصادفی را نمایش می‌داد. اینها فقط ارقام تصادفی نبودند؛ آنها توکن‌های هوش مصنوعی بودند. رمزگشایی آنها چالشی را آشکار کرد: ساخت الگوریتمی که به عنوان نگهبان درهای دیجیتال Berghain، کلوپ شبانه معروف و انحصاری برلین، عمل کند. در عرض چند روز، هزاران نفر تلاش کردند معما را حل کنند و 430 نفر با موفقیت آن را حل کردند. این ابتکار نه تنها سروصدا ایجاد کرد، بلکه منجر به استخدام شد و حتی سفری به برلین برای برنده با تمام هزینه‌های پرداخت شده، فراهم کرد.

این رویکرد غیرمتعارف اکنون به حمایت مالی قابل توجهی تبدیل شده است. ارزش Listen Labs اکنون به 500 میلیون دلار رسیده است و کل سرمایه جمع‌آوری شده آن را به 100 میلیون دلار می‌رساند. در نه ماه از راه‌اندازی، این شرکت رشد انفجاری را تجربه کرده است، درآمد سالانه خود را 15 برابر افزایش داده و به ارقام هشت رقمی رسانده و بیش از یک میلیون مصاحبه مشتری با پشتیبانی هوش مصنوعی انجام داده است.

واهل‌فورس در مصاحبه‌ای گفت: «وقتی شما به مشتریان وسواس دارید، همه چیز دنبال آن می‌آید.» «تیم‌هایی که از Listen استفاده می‌کنند، مشتری را در هر تصمیمی، از بازاریابی گرفته تا محصول، دخیل می‌کنند و وقتی مشتری راضی باشد، همه راضی هستند.» این فلسفه مشتری‌محور به نظر می‌رسد نیروی محرکه اصلی راه‌حل‌های نوآورانه Listen Labs باشد.

Listen Labs به طور بنیادی صنعت تحقیقات بازار 140 میلیارد دلاری را متحول می‌کند، که مدت‌هاست با محدودیت‌های روش‌های سنتی دست و پنجه نرم می‌کند. نظرسنجی‌های کمی اغلب دقت آماری را ارائه می‌دهند اما فاقد درک ظریف از احساسات مشتری هستند، در حالی که مصاحبه‌های کیفی یک به یک عمق را ارائه می‌دهند اما مقیاس‌پذیری آنها دشوار است. واهل‌فورس این دوراهی را تشریح کرد: «اساساً نظرسنجی‌ها دقت کاذبی به شما می‌دهند زیرا مردم در نهایت به یک سوال پاسخ می‌دهند... شما نمی‌توانید داده‌های پرت را بدست آورید. مردم در نظرسنجی‌ها در واقع صادق نیستند.» او این را با مصاحبه‌های انسانی مقایسه کرد که «عمق زیادی به شما می‌دهند. شما می‌توانید سوالات پیگیری بپرسید. شما می‌توانید بررسی کنید که آیا آنها واقعاً می‌دانند در مورد چه چیزی صحبت می‌کنند. و مشکل این است که شما نمی‌توانید این را مقیاس‌بندی کنید.»

پلتفرم Listen با ادغام هوش مصنوعی برای بهینه‌سازی کل فرآیند تحقیق، راه‌حلی ارائه می‌دهد. این پلتفرم در چهار مرحله کلیدی عمل می‌کند: کاربران مطالعه خود را با کمک هوش مصنوعی تعریف می‌کنند، Listen از شبکه جهانی 30 میلیون نفری خود برای جذب شرکت‌کنندگان مرتبط استفاده می‌کند، یک مدیر هوش مصنوعی مصاحبه‌های عمیق و باز ویدیویی با سوالات پیگیری هوشمندانه انجام می‌دهد، و در نهایت، بینش‌ها در گزارش‌های آماده برای مدیران اجرایی بسته‌بندی می‌شوند که شامل موضوعات کلیدی، کلیپ‌های برجسته و اسلایدهای ارائه است.

یک تمایز کلیدی برای Listen، تأکید آن بر مکالمات ویدیویی باز به جای فرم‌های چند گزینه‌ای است. واهل‌فورس توضیح داد: «در یک نظرسنجی، شما می‌توانید حدس بزنید که چه چیزی را باید پاسخ دهید، و چهار گزینه دارید.» «اوه، آنها احتمالاً می‌خواهند من یک محصول با درآمد بالا بخرم. بیایید روی آن دکمه کلیک کنم در مقابل یک پاسخ باز. این باعث صداقت بسیار بیشتری می‌شود.» این رویکرد، بازخورد صادقانه‌تر و دقیق‌تری را تشویق می‌کند.

علاوه بر این، Listen Labs با مشکل گسترده کلاهبرداری در بخش تحقیقات بازار مقابله می‌کند. این شرکت به دقت شرکت‌کنندگان را از شبکه وسیع خود پیدا کرده و واجد شرایط می‌کند. واهل‌فورس در مورد مقیاس تکان‌دهنده کلاهبرداری که با آن روبرو شده‌اند، توضیح داد: «در واقع برخی از بزرگترین شرکت‌ها، برخی از آنها با میلیاردها درآمد، افرادی را به پلتفرم ما فرستادند که ادعا می‌کردند خریداران سازمانی هستند و سیستم ما بلافاصله کلاهبرداری، کلاهبرداری، کلاهبرداری، کلاهبرداری، کلاهبرداری را تشخیص داد.» برای مقابله با این موضوع، Listen یک سیستم «نگهبان کیفیت» ایجاد کرده است که پروفایل‌های لینکدین را با پاسخ‌های ویدیویی متقاطع مقایسه می‌کند، هویت را تأیید می‌کند، ثبات پاسخ‌ها را بررسی می‌کند و الگوهای مشکوک را علامت‌گذاری می‌کند. این تأیید دقیق، کیفیت بالای داده‌ها را تضمین می‌کند. واهل‌فورس خاطرنشان کرد: «افراد سه برابر بیشتر صحبت می‌کنند. آنها هنگام صحبت در مورد موضوعات حساس مانند سیاست و سلامت روان بسیار صادق‌تر هستند.» Emeritus، یک شرکت آموزش آنلاین که از Listen استفاده می‌کند، گزارش داد که پس از اجرای پلتفرم Listen، حدود 20 درصد از پاسخ‌های نظرسنجی قبلی در دسته کلاهبرداری یا کیفیت پایین قرار می‌گرفتند. با Listen، این رقم به نزدیک صفر کاهش یافت. گابریلی تیبوری، مدیر دستیار بینش مشتری در Emeritus، گفت: «ما مجبور نبودیم هیچ پاسخی را به دلیل کلاهبرداری یا اطلاعات بی‌معنی جایگزین کنیم.»

شرکت‌های بزرگی مانند مایکروسافت، سوییت‌گرین و چابییز اکنون از مصاحبه‌های هوش مصنوعی برای ساخت محصولات بهتر استفاده می‌کنند. مزیت سرعت در پیشنهاد Listen مرکزی بوده است. تحقیقات سنتی مشتری در مایکروسافت می‌توانست چهار تا شش هفته طول بکشد تا بینش‌هایی را تولید کند. رومانی پاتل، مدیر ارشد تحقیق در مایکروسافت، گفت: «زمانی که ما به آنها می‌رسیم، یا تصمیم قبلاً گرفته شده است یا فرصت تأثیرگذاری بر آن را از دست می‌دهیم.» با Listen، مایکروسافت اکنون می‌تواند در عرض چند روز، و در بسیاری موارد، در عرض چند ساعت به بینش دست یابد. آنها اخیراً از این پلتفرم برای جمع‌آوری داستان‌های مشتریان جهانی برای جشن پنجاهمین سالگرد خود استفاده کردند و در یک روز، شهادت‌های ویدیویی برای Copilot جمع‌آوری کردند – فرآیندی که به طور سنتی شش تا هشت هفته طول می‌کشید.

شرکت‌های دیگر نیز در حال برداشت مزایای آن هستند. Simple Modern، یک شرکت تولید نوشیدنی مستقر در اکلاهما، یک مفهوم محصول جدید را آزمایش کرد و در عرض 3.5 ساعت بازخورد از 120 نفر در سراسر کشور دریافت کرد، و از "آیا باید این محصول را داشته باشیم؟" به "چگونه باید آن را راه‌اندازی کنیم؟" منتقل شد. چابییز، برند شلوارک، با استفاده از Listen برای غلبه بر چالش‌های برنامه‌ریزی گروه‌های کانونی سنتی با کودکان، 24 برابر افزایش مشارکت در تحقیقات جوانان را به دست آورد و از 5 به 120 شرکت‌کننده رسید. لورن نویل، مدیر بینش و نوآوری، توضیح داد: «مدرسه، ورزش، شام و تکالیف وجود دارد.» «من مجبور شدم راهی برای شنیدن از آنها پیدا کنم که با برنامه‌هایشان مطابقت داشته باشد.» این شرکت همچنین مشکلات محصول را از طریق مصاحبه‌های هوش مصنوعی کشف کرد که در غیر این صورت ممکن بود شناسایی نشوند. واهل‌فورس توضیح داد که چگونه هوش مصنوعی «از طریق مکالمات، متوجه شد که مشکلاتی در محصول وجود دارد که در نظرسنجی‌ها آشکار نبود.»

خبرگزاری اخباری