Listen Labs Gọi Vốn 69 Triệu USD: AI Đột Phá Nghiên Cứu Khách Hàng, Giảm Thiểu Gian Lận và Tăng Tốc Phát Triển Sản Phẩm
Alfred Wahlforss, nhà sáng lập Listen Labs, đã đứng trước một thách thức lớn. Startup của anh cần tuyển hơn 100 kỹ sư, nhưng việc cạnh tranh với các lời mời làm việc trị giá 100 triệu USD từ những gã khổng lồ như Mark Zuckerberg dường như là bất khả thi. Vì vậy, anh đã chi 5.000 USD – một phần năm ngân sách marketing của mình – cho một tấm biển quảng cáo ở San Francisco hiển thị những gì trông giống như một dãy số vô nghĩa: năm chuỗi số ngẫu nhiên.
Trên thực tế, những con số này là các token AI. Khi được giải mã, chúng dẫn đến một thử thách lập trình: xây dựng một thuật toán để hoạt động như một bảo vệ kỹ thuật số tại Berghain, câu lạc bộ đêm ở Berlin nổi tiếng với việc từ chối gần như tất cả mọi người ở cửa. Trong vài ngày, hàng ngàn người đã thử giải câu đố. 430 người đã thành công. Một số người đã được tuyển dụng, và người chiến thắng đã được bay đến Berlin với tất cả chi phí được đài thọ.
Cách tiếp cận độc đáo này hiện đã thu hút được 69 triệu USD trong vòng gọi vốn Series B, dẫn đầu bởi Ribbit Capital với sự tham gia của Evantic và các nhà đầu tư hiện có như Sequoia Capital, Conviction và Pear VC. Vòng này định giá Listen Labs ở mức 500 triệu USD và nâng tổng vốn lên 100 triệu USD. Trong chín tháng kể từ khi ra mắt, công ty đã tăng doanh thu hàng năm lên 15 lần, đạt con số tám chữ số và thực hiện hơn một triệu cuộc phỏng vấn dựa trên AI.
“Khi bạn ám ảnh về khách hàng, mọi thứ khác sẽ theo sau,” Wahlforss chia sẻ trong một cuộc phỏng vấn với VentureBeat. “Các nhóm sử dụng Listen mang khách hàng vào mọi quyết định, từ marketing đến sản phẩm, và khi khách hàng hài lòng, mọi người đều vui vẻ.”
Tại sao nghiên cứu thị trường truyền thống đang gặp vấn đề, và Listen Labs xây dựng gì để khắc phục?
Nhà nghiên cứu AI của Listen tìm kiếm người tham gia, tiến hành các cuộc phỏng vấn chuyên sâu và cung cấp những thông tin chi tiết có thể hành động trong vài giờ, không phải vài tuần. Nền tảng này thay thế lựa chọn truyền thống giữa khảo sát định lượng – cung cấp độ chính xác thống kê nhưng bỏ lỡ sắc thái – và phỏng vấn định tính, mang lại chiều sâu nhưng không thể mở rộng quy mô.
Wahlforss giải thích những hạn chế của các phương pháp hiện có: “Về cơ bản, khảo sát mang lại cho bạn độ chính xác sai lệch vì mọi người cuối cùng sẽ trả lời cùng một câu hỏi… Bạn không thể có được những yếu tố ngoại lai. Mọi người thực sự không trung thực trên các cuộc khảo sát.” Thay thế đó, các cuộc phỏng vấn trực tiếp với con người, “mang lại cho bạn rất nhiều chiều sâu. Bạn có thể hỏi các câu hỏi tiếp theo. Bạn có thể kiểm tra lại xem họ có thực sự biết mình đang nói gì không. Và vấn đề là bạn không thể mở rộng quy mô đó.”
Nền tảng này hoạt động theo bốn bước: người dùng tạo một nghiên cứu với sự hỗ trợ của AI, Listen tuyển dụng người tham gia từ mạng lưới toàn cầu 30 triệu người của mình, một người điều hành AI tiến hành các cuộc phỏng vấn chuyên sâu với các câu hỏi tiếp theo, và kết quả được đóng gói thành các báo cáo sẵn sàng cho điều hành bao gồm các chủ đề chính, điểm nổi bật và bộ slide.
Điều làm nên sự khác biệt trong cách tiếp cận của Listen là việc sử dụng các cuộc trò chuyện video mở thay vì các biểu mẫu trắc nghiệm. “Trong một cuộc khảo sát, bạn có thể đoán mình nên trả lời gì, và bạn có bốn lựa chọn,” Wahlforss nói. “Ồ, có lẽ họ muốn tôi chọn thu nhập cao. Hãy để tôi nhấp vào nút đó thay vì một câu trả lời mở. Nó tạo ra sự trung thực hơn nhiều.”
Bí mật bẩn thỉu của ngành nghiên cứu thị trường 140 tỷ USD: gian lận tràn lan
Listen tìm kiếm và chọn lọc những người tham gia phù hợp trong mạng lưới toàn cầu 30 triệu người của mình. Nhưng việc xây dựng panel đó đòi hỏi phải đối mặt với điều mà Wahlforss gọi là “một trong những điều gây sốc nhất mà chúng tôi học được khi gia nhập ngành này” – gian lận tràn lan.
“Về cơ bản, có một giao dịch tài chính liên quan, điều đó có nghĩa là sẽ có những kẻ xấu,” anh giải thích. “Chúng tôi thực sự có một số công ty lớn nhất, một số trong số đó có doanh thu hàng tỷ, gửi cho chúng tôi những người tự xưng là người mua cấp doanh nghiệp đến nền tảng của chúng tôi và hệ thống của chúng tôi ngay lập tức phát hiện ra, kiểu như, gian lận, gian lận, gian lận, gian lận, gian lận.”
Công ty đã xây dựng một cái mà họ gọi là “bộ phận bảo vệ chất lượng” (quality guard) để đối chiếu hồ sơ LinkedIn với các phản hồi video để xác minh danh tính, kiểm tra tính nhất quán trong cách người tham gia trả lời câu hỏi và gắn cờ các mẫu đáng ngờ. Kết quả, theo Wahlforss: “Mọi người nói chuyện nhiều gấp ba lần. Họ trung thực hơn nhiều khi nói về các chủ đề nhạy cảm như chính trị và sức khỏe tâm thần.”
Emeritus, một công ty giáo dục trực tuyến sử dụng Listen, báo cáo rằng khoảng 20% các phản hồi khảo sát trước đây thuộc loại gian lận hoặc chất lượng thấp. Với Listen, họ đã giảm con số này xuống gần như bằng không. “Chúng tôi không phải thay thế bất kỳ phản hồi nào vì gian lận hoặc thông tin vô nghĩa,” Gabrielli Tiburi, Trợ lý Giám đốc Thông tin Khách hàng tại Emeritus, cho biết.
Microsoft, Sweetgreen và Chubbies đang sử dụng phỏng vấn AI để tạo ra sản phẩm tốt hơn như thế nào?
Lợi thế về tốc độ đã được chứng minh là trọng tâm trong lời chào hàng của Listen. Nghiên cứu khách hàng truyền thống tại Microsoft có thể mất từ bốn đến sáu tuần để tạo ra thông tin chi tiết. “Vào thời điểm chúng tôi nhận được chúng, hoặc quyết định đã được đưa ra hoặc chúng tôi mất cơ hội thực sự tác động đến nó,” Romani Patel, Giám đốc Nghiên cứu Cấp cao tại Microsoft, cho biết.
Với Listen, Microsoft giờ đây có thể nhận được thông tin chi tiết trong vài ngày, và trong nhiều trường hợp, trong vài giờ.
Nền tảng này đã thúc đẩy một số sáng kiến nổi bật. Microsoft đã sử dụng Listen Labs để thu thập các câu chuyện khách hàng toàn cầu cho lễ kỷ niệm 50 năm thành lập. “Chúng tôi muốn người dùng chia sẻ cách Copilot đang giúp họ phát huy tốt nhất bản thân,” Patel nói, “và chúng tôi đã có thể thu thập những câu chuyện video người dùng đó trong vòng một ngày.” Theo truyền thống, công việc như vậy sẽ mất từ sáu đến tám tuần.
Simple Modern, một công ty đồ uống có trụ sở tại Oklahoma, đã sử dụng Listen để thử nghiệm một khái niệm sản phẩm mới. Quá trình này mất khoảng một giờ để viết câu hỏi, một giờ để khởi động nghiên cứu và 2,5 giờ để nhận phản hồi từ 120 người trên khắp đất nước. “Chúng tôi đã đi từ ‘Liệu chúng ta có nên có sản phẩm này không?’ đến ‘Chúng ta nên ra mắt nó như thế nào?’,” Chris Hoyle, Giám đốc Marketing của công ty, cho biết.
Chubbies, thương hiệu quần short, đã đạt được mức tăng 24 lần về sự tham gia nghiên cứu của thanh thiếu niên – từ 5 lên 120 người tham gia – bằng cách sử dụng Listen để vượt qua những thách thức về lịch trình của các nhóm tập trung truyền thống với trẻ em. “Có trường học, thể thao, bữa tối và bài tập về nhà,” Lauren Neville, Giám đốc Thông tin và Đổi mới, giải thích. “Tôi phải tìm cách lắng nghe họ phù hợp với lịch trình của họ.”
Công ty cũng phát hiện ra các vấn đề sản phẩm thông qua các cuộc phỏng vấn AI mà có thể đã không được phát hiện nếu không có AI. Wahlforss mô tả cách AI “thông qua các cuộc trò chuyện, nhận ra có các vấn đề với dòng quần short trẻ em, và quyết định phỏng vấn hàng trăm đứa trẻ. Và tôi hiểu rằng có vấn đề ở lớp lót của quần short và chúng bị ‘ngứa rát’ theo lời những người được phỏng vấn.” Sản phẩm được thiết kế lại đã trở thành “một thành công lớn.”
Nghịch lý Jevons giải thích tại sao nghiên cứu rẻ hơn lại tạo ra nhiều nhu cầu hơn, không phải ít hơn
Listen Labs đang tham gia vào một thị trường khổng lồ nhưng bị phân mảnh. Wahlforss trích dẫn nghiên cứu từ Andreessen Horowitz ước tính ngành nghiên cứu thị trường khoảng 140 tỷ USD hàng năm, với những người chơi lâu đời – một số có doanh thu hơn một tỷ USD – mà anh tin là dễ bị phá vỡ.
“Có rất nhiều dòng ngân sách hiện có mà chúng tôi đang thay thế,” Wahlforss nói. “Lý do chúng tôi thay thế chúng là một, chúng siêu tốn kém. Hai, chúng bị mắc kẹt trong mô hình cũ của việc lựa chọn giữa khảo sát hoặc phỏng vấn, và chúng cũng mất hàng tháng để làm việc.”
Nhưng động lực hấp dẫn hơn có thể là nghiên cứu được hỗ trợ bởi AI không chỉ thay thế chi tiêu hiện có – nó tạo ra nhu cầu mới. Wahlforss đã viện dẫn nghịch lý Jevons, một nguyên tắc kinh tế xảy ra khi những tiến bộ công nghệ làm cho một nguồn tài nguyên được sử dụng hiệu quả hơn, nhưng hiệu quả tăng lên dẫn đến việc tiêu thụ tổng thể tăng lên thay vì giảm tiêu thụ.
“Những gì tôi nhận thấy là khi một thứ gì đó trở nên rẻ hơn, bạn không cần ít nó hơn. Bạn muốn nhiều hơn,” Wahlforss giải thích. “Có nhu cầu vô hạn về sự hiểu biết của khách hàng. Vì vậy, các nhà nghiên cứu trong nhóm có thể thực hiện nhiều nghiên cứu hơn một bậc, và cả những người không phải nhà nghiên cứu trước đây giờ đây cũng có thể làm điều đó như một phần công việc của họ.”
Bên trong đội ngũ kỹ sư tinh hoa đã xây dựng Listen Labs
Listen Labs bắt nguồn từ một ứng dụng tiêu dùng mà Wahlforss và người đồng sáng lập của anh đã xây dựng sau khi gặp nhau tại Harvard. “Chúng tôi đã xây dựng ứng dụng tiêu dùng này và nó có 20.000 lượt tải xuống trong một ngày,” Wahlforss nhớ lại. “Chúng tôi có tất cả những người dùng này, và chúng tôi đang nghĩ, okay, chúng ta có thể làm gì để hiểu họ hơn? Và chúng tôi đã xây dựng nguyên mẫu của Listen ngày nay.”
Đội ngũ sáng lập mang một hồ sơ đặc biệt. Đồng sáng lập của Wahlforss “là nhà vô địch quốc gia về lập trình cạnh tranh ở Đức, và anh ấy đã làm việc tại Tesla Autopilot.” Công ty tuyên bố rằng 30% đội ngũ kỹ sư của họ là những người đạt huy chương từ Olympic Tin học Quốc tế – cùng cuộc thi đã tạo ra những người sáng lập Cognition, startup lập trình AI.
Màn quảng cáo bằng bảng hiệu Berghain đã tạo ra khoảng 5 triệu lượt xem trên mạng xã hội, theo Wahlforss. Nó phản ánh sự căng thẳng của cuộc chiến giành nhân tài ở Vùng Vịnh. “Chúng tôi phải làm những điều này vì một số nhân viên ban đầu của chúng tôi gia nhập công ty trước khi chúng tôi có một nhà vệ sinh hoạt động,” anh nói. “Nhưng bây giờ chúng tôi đã khắc phục tình hình đó.”
Công ty đã tăng từ 5 lên 40 nhân viên vào năm 2024 và kế hoạch đạt 150 người trong năm nay. Công ty tuyển dụng kỹ sư cho các vai trò phi kỹ thuật trong marketing, tăng trưởng và vận hành – một canh bạc rằng trong kỷ nguyên AI, sự thông thạo kỹ thuật quan trọng ở mọi nơi.
Khách hàng tổng hợp và quyết định tự động: Listen Labs đang xây dựng gì tiếp theo?
Wahlforss đã phác thảo một lộ trình sản phẩm đầy tham vọng. Công ty đang xây dựng “khả năng mô phỏng khách hàng của bạn, để bạn có thể lấy tất cả các cuộc phỏng vấn chúng tôi đã thực hiện, sau đó ngoại suy dựa trên đó và tạo ra người dùng tổng hợp hoặc giọng nói người dùng mô phỏng.”
Ngoài mô phỏng, Listen còn hướng đến việc kích hoạt hành động tự động dựa trên kết quả nghiên cứu. “Bạn có thể không chỉ đưa ra khuyến nghị, mà còn tạo ra các tác nhân để thay đổi mọi thứ trong mã hoặc khi một khách hàng rời bỏ? Bạn có thể cho họ một giảm giá và cố gắng đưa họ trở lại?”
Wahlforss thừa nhận những hàm ý đạo đức. “Rõ ràng, như bạn đã nói, có những lo ngại về đạo đức. Việc ra quyết định tự động nói chung có thể không tốt, nhưng chúng tôi sẽ có các biện pháp bảo vệ đáng kể để đảm bảo rằng các công ty luôn được thông báo.”
Công ty đã xử lý dữ liệu nhạy cảm một cách cẩn thận. “Chúng tôi không đào tạo trên bất kỳ dữ liệu nào,” Wahlforss nói. “Chúng tôi cũng sẽ tự động loại bỏ bất kỳ PII nhạy cảm nào để mô hình có thể phát hiện điều đó. Và có những lúc, ví dụ, bạn làm việc với các nhà đầu tư, nếu bạn vô tình đề cập đến điều gì đó có thể là thông tin quan trọng, không công khai, AI thực sự có thể phát hiện và loại bỏ bất kỳ thông tin nào như vậy.”
AI có thể định hình lại tương lai phát triển sản phẩm như thế nào?
Có lẽ ý nghĩa sâu sắc nhất của mô hình Listen là cách nó có thể định hình lại chính quá trình phát triển sản phẩm. Wahlforss mô tả một khách hàng – một startup của Úc – đã áp dụng cái được gọi là vòng lặp phản hồi liên tục.
“Họ có trụ sở tại Úc, vì vậy họ mã hóa vào ban ngày, và sau đó vào ban đêm của họ, họ phát hành một nghiên cứu Listen với khán giả Mỹ. Listen xác nhận bất cứ điều gì họ đã xây dựng trong ngày, và họ nhận được phản hồi về điều đó. Sau đó, họ có thể đưa phản hồi đó trực tiếp vào các công cụ mã hóa như Claude Code và lặp lại.”
Tầm nhìn này mở rộng câu nói nổi tiếng của Y Combinator – “viết mã, nói chuyện với người dùng” – thành một chu trình tự động. “Viết mã hiện đang được tự động hóa. Và tôi nghĩ rằng nói chuyện với người dùng cũng sẽ như vậy, và bạn sẽ có một vòng lặp vô hạn này, nơi bạn có thể bắt đầu gửi sản phẩm thực sự tuyệt vời này, gần như một cách tự động.”
Liệu tầm nhìn đó có thành hiện thực hay không phụ thuộc vào các yếu tố ngoài tầm kiểm soát của Listen – sự cải tiến liên tục của các mô hình AI, sự sẵn lòng của doanh nghiệp tin tưởng vào nghiên cứu tự động, và liệu tốc độ có thực sự tương quan với các sản phẩm tốt hơn hay không. Một nghiên cứu của MIT năm 2024 cho thấy 95% các dự án thử nghiệm AI không thể đưa vào sản xuất, một thống kê mà Wahlforss viện dẫn là lý do anh nhấn mạnh chất lượng hơn các bản demo.
“Tôi liên tục phải nhấn mạnh rằng, hãy đảm bảo chất lượng và các chi tiết đều đúng,” anh nói.
Nhưng sự tăng trưởng của công ty cho thấy sự hứng thú với thử nghiệm này. Patel của Microsoft cho biết Listen đã “loại bỏ sự nhàm chán của nghiên cứu và mang lại niềm vui trở lại trong công việc của tôi.” Chubbies hiện đang thúc đẩy người sáng lập của mình cung cấp cho mọi người trong công ty một tài khoản đăng nhập. Sling Money, một startup thanh toán stablecoin, có thể tạo một khảo sát trong mười phút và nhận kết quả ngay trong cùng ngày.
“Đó là một sự thay đổi hoàn toàn cuộc chơi,” Ali Romero, quản lý marketing của Sling Money, nói.
Wahlforss có một cách diễn đạt khác cho những gì anh ấy đang xây dựng. Khi được hỏi về sự căng thẳng giữa tốc độ và sự nghiêm ngặt – niềm tin lâu đời rằng di chuyển nhanh có nghĩa là cắt giảm quy trình – anh ấy đã trích dẫn Nat Friedman, cựu CEO của GitHub và nhà đầu tư của Listen, người giữ một danh sách các câu nói ngắn gọn trên trang web của mình.
Một trong số đó: “Chậm là giả tạo.”
Đó là một tuyên bố táo bạo đối với một ngành công nghiệp được xây dựng trên sự thận trọng về phương pháp. Nhưng Listen Labs đang đặt cược rằng trong kỷ nguyên AI, các công ty lắng nghe nhanh nhất sẽ là những người chiến thắng. Câu hỏi duy nhất là liệu khách hàng có phản hồi lại hay không.
Nguồn tham khảo: VentureBeat
