Obtenir des réponses aux questions difficiles et qualitatives des utilisateurs sur les produits peut s’avérer coûteux, à la fois en termes de temps et d’argent.
C’est du moins l’expérience d’Aaron Cannon, ancien stratège chez Deloitte, où il était chargé de faciliter les projets de recherche pour les clients de Deloitte. Cannon et son équipe passaient des centaines d’heures sur un projet client, pour ensuite devoir consacrer du temps (et des ressources) supplémentaires à la planification et à la modération d’entretiens avec les clients dudit client.
« Les décideurs d’entreprise attendent des résultats de plus en plus rapides de la part des équipes d’analyse », a déclaré Cannon à TechCrunch dans une interview par courrier électronique. « Les chercheurs ressentent cette pression au quotidien, surtout après avoir été durement touchés par les licenciements de 2022. Le plus grand risque pour l’industrie aujourd’hui est que la vitesse croissante de la prise de décision entraîne une diminution de la capacité des fonctions d’analyse à suivre le rythme. C’est pourquoi les chercheurs ont besoin d’outils pour accélérer et amplifier leur travail.
Cannon s’est donc associé à Michael Hess, qu’il a rencontré alors qu’il travaillait chez Untapped, une startup de recrutement de talents, pour fonder Outset. Entreprise soutenue par AY Combinator, Outset mène et synthétise de manière autonome des entretiens.
« Le ralentissement généralisé et les licenciements associés ont frappé de manière disproportionnée les équipes de recherche et d’insights. Mais les demandes des chefs d’entreprise de prendre des décisions plus éclairées et stratégiques n’ont pas ralenti, ce qui conduit à l’attente de faire plus avec moins », a déclaré Cannon. « C’est un vent favorable pour Début alors que les gens se tournent vers la technologie pour amplifier leur travail.
Crédits images : Début
Outset exploite GPT-4, le modèle d’IA de génération de texte phare d’OpenAI, pour mener des entretiens avec des participants à des études de recherche. De quelle façon précisément? Les utilisateurs d’Outset créent une enquête et partagent le lien avec les participants potentiels à l’enquête. Ensuite, Outset – optimisé par GPT-4 – effectue un suivi auprès des répondants pour clarifier, approfondir les réponses et créer un « rapport conversationnel » pour des réponses plus approfondies.
Pour chaque question, GPT-4 génère des thèmes, compte les décomptes et met en évidence les citations pour « découvrir l’histoire », comme le dit Cannon.
« Aujourd’hui, une grande partie du travail de collecte et d’analyse des données qualitatives est effectuée manuellement. De cette façon, nous sommes en concurrence avec les nuits que je passais à lire des transcriptions et à planifier des entretiens en tant que consultant », a déclaré Cannon. « Nous croyons cela Début va développer le marché de la recherche, rendant les informations sur les utilisateurs plus rapides et plus accessibles à un plus grand nombre d’équipes dans l’entreprise.
Il est encore tôt pour Outset. Mais, malgré les imperfections et les limites de GPT-4, Outset a déjà connu un certain succès auprès d’une marque domestique : WeightWatchers. WeightWatchers a pu mener et synthétiser plus de 100 entretiens en 24 heures, selon Cannon, dont les résultats sont désormais utilisés pour proposer un nouveau cadre chez WeightWatchers pour la segmentation des utilisateurs.
« Nous travaillons actuellement avec 15 équipes d’analyse d’entreprise dans des sociétés comme Opendoor et d’autres grandes entreprises orientées vers le consommateur pour les aider à prendre des décisions plus intelligentes et plus rapides que jamais, centrées sur l’utilisateur », a déclaré Cannon.
Crédits images : Début
Outset, qui a récemment levé 3,8 millions de dollars lors d’une ronde de financement menée par Adverb Ventures avec la participation de Weekend Fund et de Jack Altman, le frère de Sam Altman, prévoit d’augmenter la taille de son équipe de quatre employés à temps plein à six d’ici la fin de l’année. .
« Nous venons de faire pousser nos graines et notre équipe est petite, nous maintenons donc notre taux de combustion bas », a déclaré Cannon. « Malgré le ralentissement économique généralisé, il existe une demande croissante d’outils basés sur l’IA dans le travail quotidien du savoir, ce qui nous donne un autre vent favorable. Entre notre cycle de financement d’amorçage, notre faible consommation et l’accélération des vents arrière, nous sommes bien placés pour affronter n’importe quelle tempête.
