Enterpret se lanza con $ 4.3M, tecnología NLP para descifrar los comentarios de los clientes

Enterpret se lanza con $ 4.3M, tecnología NLP para descifrar los comentarios de los clientes

Los avances en el procesamiento del lenguaje natural están haciendo posible que las empresas se reúnan y aprendan de los clientes de formas nuevas y mejores para ayudar a los equipos de desarrollo de productos con sus hojas de ruta de productos.

Empresario está emergiendo en escena con su análisis de construcción en lenguaje natural para que las personas que crean el producto puedan aprender directamente de los comentarios de los clientes sin depender de otro departamento de la empresa para proporcionar la información.

La empresa fue cofundada en junio de 2020 por Varun Sharma, quien anteriormente trabajó en LinkedIn y en el éxito del cliente para Amplitude, y su hermano, Arnav Sharma, quien investigó sobre PNL en Uber.

El deseo de aprender de los comentarios de los clientes siempre ha existido, pero la forma en que las empresas lo hacen ha cambiado con el tiempo, dijo Varun Sharma a TechCrunch. Antes se hacía a través de encuestas en papel que se enviaban por correo y había que esperar para recibirlas. Hoy en día, cada interacción es digital.

“La cantidad de canales en los que las empresas interactúan con los clientes se ha ampliado para incluir aplicaciones, redes sociales, servicios de chat en la aplicación y lo nuevo de la comunidad, como Discord y Slack”, agregó. “Las personas que crean los productos quieren saber qué les gusta y qué no les gusta a las personas, obtener comentarios seleccionados, pero en realidad nunca aprender de los comentarios de los clientes. Eso es muy difícil de cuantificar porque no es una consulta o retroalimentación directa”.

Enterpret está construyendo e implementando modelos específicos del cliente, basados ​​en los comentarios de los clientes, para los equipos de desarrollo de productos. Al comenzar con el enfoque de aprendizaje automático para los modelos personalizados, Varun Sharma cree que hay una mayor recuperación de los conocimientos que las empresas que usan modelos genéricos no pueden producir.

Los cofundadores de Enterpret, Varun Sharma y Arnav Sharma. Créditos de imagen: Empresario

Él está viendo algunos casos de uso que llegan a la cima, incluido el uso de Enterpret para planificar qué productos o integraciones construir, comparar los comentarios entre los usuarios en un mes determinado para detectar señales tempranas que podrían haber evitado la rotación y ejecutar experimentos de crecimiento para validar un producto. hipótesis.

Además de su lanzamiento, la empresa anunció que recaudó 4,3 millones de dólares en financiación inicial liderada por Kleiner Perkins, Sequoia Capital India y Unusual Ventures e incluyó un grupo de inversores ángeles.

El impulsor de la financiación y la eliminación del producto de la versión beta fue ver una tracción temprana y un retorno positivo de la inversión de los primeros socios, dijo Varun Sharma.

Los inversores están de acuerdo, con Josh Coyne, socio de Kleiner Perkins, diciendo: “Enterpret ha desbloqueado una forma completamente nueva de destilar las voces de los clientes para informar el desarrollo de productos. Varun, Arnav y todo el equipo tienen una visión única y una velocidad de producto impresionante. Estamos encantados de ser parte de su viaje”.

Los Sharmas planean implementar la nueva financiación para formar un equipo (ya ha pasado de dos a 15 empleados) en áreas como I+D, desarrollo de productos y comercialización.

Dado que la empresa ha estado en modo de investigación y desarrollo durante los últimos años, Varun Sharma aún no estaba listo para hablar sobre los ingresos, pero dijo que sus pocos clientes han estado con ellos durante muchos meses, y ahora se siente seguro de repetir el proceso en todo el mundo. mundo.

“Continuaremos desarrollando una nueva forma de inteligencia del cliente”, agregó. “Estamos creando flujos de trabajo y procesos para que los comentarios correctos de los clientes lleguen a la persona adecuada en el momento adecuado”.


Source link