Analisis Motifsebuah startup yang berspesialisasi dalam analisis urutan untuk tim pertumbuhan, hari ini mengumumkan bahwa mereka telah mengumpulkan putaran pendanaan awal senilai $5,7 juta yang dipimpin oleh Felicis dan Amplify Partners. Grup malaikat InvestInData juga berpartisipasi.
Perusahaan ini didirikan oleh Mikhail Panko (CEO) dan Theron Ji (CTO), yang bertemu saat di Google. Di sana, kata Panko kepada saya, dia menyadari bahwa meskipun dia memiliki akses terhadap sejumlah besar data, sulit untuk mendapatkan wawasan praktis dari semua informasi tersebut.
“Pelaporan cukup baik, namun wawasan praktisnya, yang biasanya berupa 'apa yang harus saya lakukan untuk memindahkan metrik saya, di mana saya dapat menemukan pengaruh untuk memengaruhi bisnis?' Itu rumit,” katanya kepada saya. Jadi dia mulai melihat analisis urutan sebagai alat untuk menemukan tuas tersebut dan mengembangkan platform analisis urutan internal di dalam Google, yang menjadi cukup populer di dalam perusahaan. Kini, setelah sempat bekerja di Uber, dia dan Ji, yang membuat alat tersebut dengan Panko di dalam Google, memutuskan untuk bekerja sama membangun perusahaan berdasarkan ide ini.
Sean Tayloryang sebelumnya bekerja di Facebook dan Lyft di berbagai posisi ilmu data, bergabung dengan tim sebagai salah satu pendiri ketiga.
Kredit Gambar: Analisis Motif
Pada intinya Motif membantu tim produk menemukan pola bagaimana pengguna berinteraksi dengan alat mereka. Hanya dengan melihat metrik di dasbor, menurut tim, tidak memberikan informasi yang tepat. Sebaliknya, Anda mungkin ingin melihat apa yang terjadi antara pengguna yang melihat halaman produk, mengklik di sekitar situs, memasukkan sesuatu ke keranjang belanja, dan kemudian melakukan pembayaran. “Jadi, Anda memiliki urutan peristiwa yang dilakukan pengguna dan kemudian Anda dapat melihat dan menandai dalam urutan Anda: inilah saat terjadi hal tertentu yang mungkin memengaruhi tindakan mereka. Apakah mereka melihat spanduk tertentu, misalnya? Apakah mereka menyetel pengingat untuk meditasi di aplikasi meditasi, kira-kira seperti itu. Lalu, apakah mereka check out atau berlangganan?”
Panko memberi tahu saya bahwa tim saat ini menargetkan kepala pertumbuhan dan operasi. Para pengguna ini sebagian besar berinteraksi dengan Motif melalui cara yang mudah dipelajari Bahasa Operasi Urutan (SOL). SQL yang lebih standar, menurut tim, tidak cocok untuk analisis urutan. Tim juga sedang mengerjakan antarmuka pengguna drag-and-drop berfitur lengkap, yang juga akan membuka layanan untuk lebih banyak pengguna non-teknis. Hasilnya adalah visualisasi interaktif yang memudahkan hampir semua pengguna dalam perusahaan untuk melihat potensi perubahan yang dapat mengarah pada peningkatan pertumbuhan. Seperti yang dicatat oleh tim, Motif mengambil banyak ketelitian dari alat data yang sudah digunakan oleh tim ilmu data dan kemudian menggabungkannya dengan SOL dan visualisasi interaktifnya.
Kredit Gambar: Analisis Motif
Salah satu aspek bagus dari rangkaian teknologi Motif adalah ia menggunakan model bahasa besar (LLM) sebagai inti mesin analitiknya.
“LLM memprediksi kata-kata selanjutnya – dan mereka sangat pandai dalam menentukan kata apa yang cocok dengan kata lain – atau tidak,” kata Panko. “Kami mengadopsinya untuk digunakan pada rangkaian acara. Saya tertarik dengan jenis konversi ini, misalnya berlangganan atau berhenti berlangganan atau churn. Itulah yang saya pedulikan. Dan sekarang ia dapat memodelkan seluruh rangkaian dan model tersebut dapat memberi tahu kita di setiap tahap berapa kemungkinan pengguna — mengingat apa yang mereka lakukan di masa lalu — untuk mencapai akhir. [of the sequence]. Hal ini memungkinkan Anda mencapai posisi tuas dengan lebih cepat.”
Kredit Gambar: Motif
Inovasi teknis bagus lainnya: Motif menggunakan WebAssembly untuk memungkinkan pengguna bekerja dengan kumpulan data lokal di browser tanpa harus mengirimkan data apa pun. ke server perusahaan. Hal ini tidak akan berhasil untuk kumpulan data yang sangat besar, namun hal ini memberikan kesempatan kepada pengguna potensial untuk mencoba layanan ini tanpa harus menghubungkan data pribadi mereka ke Motif.
“Sebagai seorang eksekutif pemasaran teknologi dan investor, saya telah mengamati secara langsung bagaimana ruang analitik menjadi penuh sesak dengan produk-produk yang terdengar serupa, yang selalu memberikan janji yang berlebihan dan pengiriman yang kurang,” kata Viviana Faga, Mitra Umum di Felicis. “MotifPendekatannya yang segar dan berbeda menggunakan analisis urutan dan memiliki cara unik untuk menerapkan AI pada data analisis. Sebagian besar perusahaan bergelut dengan tumpukan data yang rumit dan banyaknya upaya untuk memberikan wawasan praktis untuk pengambilan keputusan bisnis sehari-hari—kini dengan Motif ada solusi yang mudah digunakan yang akan mengubah cara perusahaan teknologi menggunakan data mereka.”
