Listen Labs پس از نمایش ویروسی بیلبورد استخدام 69 میلیون دلار برای مقیاس‌بندی مصاحبه‌های مشتری با هوش مصنوعی جمع‌آوری کرد

ایالات متحده - خبرگزاری اخباری

Listen Labs پس از نمایش ویروسی بیلبورد استخدام 69 میلیون دلار برای مقیاس‌بندی مصاحبه‌های مشتری با هوش مصنوعی جمع‌آوری کرد

در اقدامی جسورانه که تاکتیک‌های استخدامی نوآورانه را با فناوری پیشرفته ترکیب می‌کند، Listen Labs، استارتاپی که بر روی ایجاد تحول در تحقیقات بازار تمرکز دارد، از دور تأمین مالی قابل توجه سری B به مبلغ 69 میلیون دلار خبر داده است. این سرمایه‌گذاری که توسط Ribbit Capital رهبری می‌شود و با مشارکت Evantic و سرمایه‌گذاران موجود از جمله Sequoia Capital، Conviction و Pear VC انجام شده است، ارزش شرکت را 500 میلیون دلار اعلام کرده و کل سرمایه جمع‌آوری شده آن را به 100 میلیون دلار می‌رساند.

این تزریق قابل توجه سرمایه، پس از یک کمپین استخدام بسیار غیرمتعارف اما به طرز چشمگیری مؤثر صورت گرفته است. آلفرد والفورس، مدیرعامل، با مواجهه با وظیفه دشوار استخدام بیش از 100 مهندس در بازاری فوق‌العاده رقابتی، جایی که غول‌های فناوری مانند Meta مارک زاکربرگ گزارش شده است که پیشنهادهای هشت رقمی ارائه می‌دهند، یک استراتژی خلاقانه و کم‌هزینه را انتخاب کرد. او تنها 5,000 دلار، کسری از بودجه بازاریابی خود را، در یک بیلبورد در سانفرانسیسکو سرمایه‌گذاری کرد که به نظر می‌رسید رشته‌ای از اعداد تصادفی را نشان می‌دهد.

این اعداد در واقع توکن‌های هوش مصنوعی رمزگذاری شده بودند. پس از رمزگشایی، آنها یک چالش کدنویسی پیچیده را باز کردند: توسعه الگوریتمی برای عملکرد به عنوان نگهبان درب دیجیتال برای Berghain، کلوپ شبانه معروف و انحصاری برلین. این چالش ویروسی شد و در عرض چند روز هزاران متقاضی را به خود جلب کرد. 430 نفر با موفقیت کد را شکستند، برخی از آنها بعداً استخدام شدند و برنده نهایی حتی یک سفر کاملاً پرداختی به برلین دریافت کرد. این تاکتیک بازاریابی چریکی نه تنها بحران فوری استخدام را حل کرد، بلکه باعث ایجاد هیجان قابل توجهی برای شرکت شد.

Listen Labs از هوش مصنوعی برای تغییر چشم‌انداز تحقیقات مشتری استفاده می‌کند. به طور سنتی، بینش‌های بازار از طریق نظرسنجی‌های وقت‌گیر یا مصاحبه‌های کیفی جمع‌آوری می‌شد. نظرسنجی‌ها وسعت آماری را ارائه می‌دهند اما اغلب فاقد عمق هستند و ممکن است از صداقت رنج ببرند، در حالی که مصاحبه‌های عمیق جزئیات غنی را ارائه می‌دهند اما مقیاس‌پذیری آنها دشوار و پرهزینه است. والفورس این دوگانگی را توضیح داد: "اساساً نظرسنجی‌ها به شما دقت کاذب می‌دهند زیرا مردم در نهایت به یک سؤال پاسخ می‌دهند... شما نمی‌توانید داده‌های پرت را به دست آورید. مردم در واقع در نظرسنجی‌ها صادق نیستند." او این را با مصاحبه‌های انسانی مقایسه کرد که "عمق زیادی می‌دهد. شما می‌توانید سؤالات پیگیری بپرسید... و مشکل این است که شما نمی‌توانید آن را مقیاس‌بندی کنید."

پلتفرم Listen با خودکارسازی فرآیند به این محدودیت‌ها رسیدگی می‌کند. این شامل چهار مرحله کلیدی است: کاربران اهداف تحقیق خود را با کمک هوش مصنوعی تعریف می‌کنند؛ Listen از شبکه جهانی 30 میلیون نفری خود برای جذب شرکت‌کنندگان مناسب استفاده می‌کند؛ یک مجری هوش مصنوعی مصاحبه‌های ویدیویی عمیق و باز را انجام می‌دهد و سؤالات پیگیری مرتبط می‌پرسد؛ و در نهایت، پلتفرم یافته‌ها را در گزارش‌های آماده برای مدیران، شامل موضوعات کلیدی، کلیپ‌های برجسته و اسلایدهای نمایشی، سنتز می‌کند.

یک تمایز کلیدی برای Listen، استفاده از مکالمات ویدیویی باز به جای فرم‌های چند گزینه‌ای است. والفورس توضیح داد: "در یک نظرسنجی، شما می‌توانید حدس بزنید که چه چیزی باید پاسخ دهید، و چهار گزینه دارید." "اوه، آنها احتمالاً می‌خواهند که من درآمد بالا بخرم. بگذارید روی آن دکمه کلیک کنم، در حالی که یک پاسخ باز صداقت بسیار بیشتری تولید می‌کند." این رویکرد بازخورد مشتری واقعی‌تر و ظریف‌تری را تولید می‌کند.

موفقیت این شرکت همچنین ناشی از توانایی آن در مبارزه با کلاهبرداری گسترده در صنعت تحقیقات بازار 140 میلیارد دلاری است. والفورس با بیان اینکه "یک معامله مالی در میان است، به این معنی که بازیگران بد وجود خواهند داشت"، بر این موضوع تأکید کرد. او مواردی را به یاد آورد که شرکت‌های بزرگ تلاش کردند شرکت‌کنندگان نامناسب را بفرستند، اما سیستم Listen بلافاصله کلاهبرداری را تشخیص داد. برای مقابله با این موضوع، Listen یک سیستم "نگهبان کیفیت" توسعه داده است که پروفایل‌های LinkedIn را با پاسخ‌های ویدیویی متقاطع بررسی می‌کند، هویت را تأیید می‌کند، سازگاری پاسخ‌ها را تضمین می‌کند و الگوهای مشکوک را شناسایی می‌کند. این فرآیند تأیید دقیق منجر به ارائه سه برابر داده‌های کیفی توسط شرکت‌کنندگان و نشان دادن صداقت بیشتر، حتی در مورد موضوعات حساس شده است.

تأثیر راه‌حل Listen به وضوح مشهود است. Emeritus، یک شرکت آموزش آنلاین، پس از اجرای مصاحبه‌های هوش مصنوعی Listen، کاهش پاسخ‌های نظرسنجی تقلبی یا با کیفیت پایین را از حدود 20% به نزدیک صفر گزارش کرده است. گابریلی تیبوری، دستیار مدیر بینش مشتری در Emeritus، تأیید کرد: "ما مجبور نبودیم هیچ پاسخی را به دلیل کلاهبرداری یا اطلاعات بی‌معنی جایگزین کنیم."

شرکت‌های بزرگ در حال حاضر از قابلیت‌های تحقیقاتی تسریع شده Listen بهره‌مند می‌شوند. به عنوان مثال، مایکروسافت قبلاً برای تحقیقات سنتی مشتری چهار تا شش هفته زمان صرف می‌کرد. اکنون، با Listen، آنها می‌توانند در عرض چند روز، و در بسیاری موارد، در عرض چند ساعت، بینش‌های حیاتی به دست آورند. این سرعت برای جشن پنجاهمین سالگرد مایکروسافت که در آن از Listen برای جمع‌آوری داستان‌های جهانی مشتریان در مورد تأثیر Copilot در تنها یک روز استفاده کردند - کاری که به طور سنتی شش تا هشت هفته طول می‌کشید - حیاتی بود.

به طور مشابه، Simple Modern، یک شرکت تولید نوشیدنی، از Listen برای آزمایش یک مفهوم محصول جدید استفاده کرد و در عرض چند ساعت بازخورد از 120 شرکت‌کننده در سراسر کشور دریافت کرد و به سرعت از "آیا باید این محصول را داشته باشیم؟" به "چگونه باید آن را راه‌اندازی کنیم؟" تغییر مسیر داد. برند شلوارک Chubbies با غلبه بر موانع برنامه‌ریزی از طریق فرمت مصاحبه انعطاف‌پذیر Listen، افزایش 24 برابری مشارکت در تحقیقات جوانان را مشاهده کرد. این پلتفرم حتی یک نقص محصول را کشف کرد - آسترهای خارش‌دار در شلوارهای بچگانه - که منجر به طراحی مجدد محصولی شد که "یک موفقیت بزرگ" شد.

Listen Labs به طور استراتژیک برای ایجاد اختلال در بازار تحقیقات بازار 140 میلیارد دلاری و پراکنده قرار گرفته است. والفورس استدلال می‌کند که بازیگران قدیمی به دلیل هزینه‌های بالا، روش‌های منسوخ شده و زمان‌های طولانی تحویل آسیب‌پذیر هستند. علاوه بر این، او به پارادوکس جِوِنز اشاره می‌کند و پیشنهاد می‌دهد که تحقیقات مبتنی بر هوش مصنوعی، با کارآمدتر و مقرون به صرفه‌تر کردن فرآیند، نه تنها هزینه‌های موجود را جایگزین نمی‌کند، بلکه فعالانه تقاضای جدید را تحریک می‌کند. والفورس نتیجه گرفت: "آنچه من متوجه شده‌ام این است که هرچه چیزی ارزان‌تر می‌شود، کمتر به آن نیاز ندارید. شما بیشتر آن را می‌خواهید" و پتانسیل رشد تصاعدی در بینش مشتری را برجسته می‌کند.

خبرگزاری اخباری