Anak-anak berusia 20 dan 22 tahun ini mengumpulkan $ 5 juta dari YC, Catalyst Umum untuk mempelajari perilaku online menggunakan Visi AI

Amogh Chaturvedi Berlari sedikit tidur tetapi banyak keyakinan pada jam 6 pagi dia grogi, minta maaf karena penjadwalan ulang, dan masih terhuyung -huyung dari ketakutan baru -baru ini yang melibatkan anggota keluarga dan skuter listrik.

Namun dalam beberapa menit, putus sekolah Stanford yang berusia 20 tahun itu menjadi fokus, memandu saya melalui bagaimana ia dan rekan-rekannya menjual satu startup pada usia 19, mendarat di Y Combinator, dan mengumpulkan $ 5 juta untuk perusahaan mereka berikutnya, Perilaku manusia.

Diluncurkan hanya beberapa bulan yang lalu, perilaku manusia bertaruh bahwa Visi AI dapat melakukan apa yang telah dilakukan oleh alat analitik seperti Mixpanel dan Postthog: memberi perusahaan pemahaman nyata tentang bagaimana orang menggunakan produk mereka, termasuk mengapa mereka mengonversi atau mengaduk.

Alih -alih mengandalkan peristiwa yang ditandai secara manual atau data clickstream, perilaku manusia mengklaim AI menonton replay sesi pengguna nyata dan menghasilkan wawasan, menjawab pertanyaan yang paling mendesak tim produk tanpa jam kode instrumen.

Startup YC berusia empat bulan itu menutup putaran benih $ 5 juta hanya dalam dua hari (yang menjadi norma bagi perusahaan YC saat ini), dengan pendukung termasuk General Catalyst, Paul Graham, Vercel Ventures, dan Y Combinator.

“Kami bisa melakukan permainan rekayasa keuangan karena kami mendapat lebih banyak penawaran dengan penilaian yang lebih tinggi, tetapi kami tidak menginginkannya,” kata CEO.

Chaturvedi bertemu rekan pendirinya, Skyler Ji Dan Chirag Kawediyakeduanya 22, di rumah peretas yang ia atur pada tahun 2023 sebagai alasan untuk tinggal dan membangun bersama teman -teman setelah tahun pertamanya di Stanford.

Startup pertama mereka, Adonan, adalah alat akuntansi e-commerce yang mereka boot. Seperti Chaturvedi, Ji keluar dari perguruan tinggi (meninggalkan Berkeley) sementara Kawediya melanjutkan untuk lulus.

Meskipun YC pada awalnya skeptis tentang potensi pasar Adonan, tim tersebut diterima dalam batch musim semi akselerator tahun ini dengan asumsi mereka pada akhirnya akan berputar, kata Chaturvedi. Mereka melakukannya segera, setelah berbicara dengan setiap pelanggan dan menanyakan masalah lain yang mereka hadapi.

Umpan baliknya konsisten: sementara adonan dapat menunjukkan produk mana yang dijual atau tidak, pelanggan ingin tahu mengapa. Menjawab analisis yang diperlukan yang ditenagai oleh data perilaku, bukan hanya laporan akuntansi.

Dengan arah baru ini, tim menjual adonan untuk enam angka ke perusahaan.com, perusahaan yang sama yang membeli bangkudan pergi semua pada perilaku manusia.

Kawediya menjelaskan bahwa perusahaan yang menggunakan analitik tradisional sering kali membutuhkan insinyur untuk mengatur pelacak acara untuk setiap tombol dan klik, jam terbakar, kadang -kadang berminggu -minggu, waktu rekayasa.

Untuk startup yang bergerak cepat, itu jauh dari ideal. “Bahkan begitu Anda memiliki data itu, Anda masih terjebak dengan pertanyaan yang lebih besar tentang bagaimana pengguna sebenarnya berinteraksi dengan produk Anda sehingga Anda dapat membuatnya lebih baik,” katanya.

Replay sesi bukanlah hal baru, tetapi sampai saat ini, model visi komputer tidak cukup akurat untuk menguraikannya pada skala. Sekarang mereka, dan perilaku manusia melakukannya untuk meringkas dan segmen ribuan jam rekaman. “Mengapa menghabiskan berjam -jam menulis kode untuk melacak klik ketika kita bisa menonton videonya?” Ji menambahkan.

Saat ini, pelanggan Perilaku Manusia-sebagian besar startup Seri A dan B yang bergerak cepat-dapatkan email ringkasan harian yang menyoroti fitur mana yang digunakan, bug mana yang muncul, dan pengguna mana yang dipadukan. Sejak diluncurkan empat bulan lalu, Chaturvedi mengatakan perusahaan telah tumbuh 20% bulan ke bulan.

Pendiri memanggil sesi mengulangi “tambang emas yang belum dimanfaatkan.” Saat ini, perilaku manusia membantu tim memahami pengguna dan squash bug. Seiring waktu, dataset yang sama dapat memberi daya pada QA otomatis dan menanamkan dukungan TI. Ambisi mereka adalah menjadikan perilaku manusia sebagai datadog replay sesi, memisahkan lusinan produk dari data inti yang sama.

Membangun dengan teknologi baru dari bawah ke atas adalah bagaimana para pendiri percaya mereka akan mengambil pemain yang lebih mapan seperti Mixpanel dan Postthog. “Untuk beberapa perusahaan ini, mungkin sulit untuk meniru apa yang kita miliki karena arsitektur mereka tidak dapat mendukung shift tanpa memulai lagi,” kata Chaturvedi.