Enterpret lance avec 4,3 millions de dollars, la technologie NLP pour analyser les commentaires des clients – TechCrunch

Les progrès du traitement du langage naturel permettent aux entreprises de se rassembler et d’apprendre des clients de nouvelles et meilleures façons d’aider les équipes de développement de produits avec leur feuille de route de produits.

Les entrepreneurs apparaissent sur la scène en tenant compte de la création d’analyses sur le langage naturel afin que la personne qui crée le produit puisse apprendre directement des commentaires des clients sans compter sur d’autres services de l’entreprise pour fournir des informations.

La société a été co-fondée en juin 2020 par Varun Sharma, qui travaillait auparavant chez LinkedIn et dans la réussite client pour Amplitude, et son frère, Arnav Sharma, qui a fait des recherches sur la PNL chez Uber.

Le désir d’apprendre des commentaires des clients a toujours existé, mais la façon dont les entreprises le font a changé au fil du temps, a déclaré Varun Sharma à TechCrunch. Cela se faisait autrefois par le biais d’un sondage papier envoyé par la poste, et vous deviez attendre pour le récupérer. Aujourd’hui, chaque interaction est numérique.

“Le nombre de canaux sur lesquels les entreprises interagissent avec les clients a augmenté, y compris les applications, les médias sociaux, les services de chat intégrés à l’application et les nouvelles fonctionnalités populaires de la communauté, comme Discord et Slack”, a-t-il ajouté. “Les personnes qui créent des produits veulent savoir ce que les gens aiment et n’aiment pas, obtenir des commentaires sélectionnés triés, mais n’apprennent jamais vraiment des commentaires des clients. C’est très difficile à mesurer car il ne s’agit pas d’une question ou d’un retour direct. »

Enterpret construit et déploie des modèles spécifiques aux clients, basés sur les commentaires des clients, pour les équipes de développement de produits. En commençant par une approche d’apprentissage automatique des modèles personnalisés, Varun Sharma pense qu’il existe une mémoire d’observations plus élevée que les entreprises qui utilisent des modèles génériques ne peuvent pas produire.

Enterpret, Varun Sharma, Arnav Sharma

Co-fondateurs Enterpret Varun Sharma et Arnav Sharma. Crédit d’image : En essayant

Il a vu plusieurs cas d’utilisation remonter jusqu’au sommet, notamment l’utilisation d’Enterpret pour concevoir des produits ou des intégrations à créer, la comparaison des commentaires entre les utilisateurs au cours d’un mois donné pour détecter les premiers signaux susceptibles d’empêcher les scissions et la réalisation d’expériences de croissance pour valider des produits hypothétiques.

En plus de son lancement, la société a annoncé qu’elle levait 4,3 millions de dollars en financement de démarrage dirigé par Kleiner Perkins, Sequoia Capital India et Unusual Ventures et comprend un groupe d’investisseurs providentiels.

La volonté de financer et de supprimer des produits de la version bêta a suscité un attrait initial et des retours sur investissement positifs de la part des premiers partenaires, a déclaré Varun Sharma.

Les investisseurs sont d’accord, Josh Coyne, associé chez Kleiner Perkins, déclarant : “Enterpret a débloqué une toute nouvelle façon de filtrer les voix des clients pour informer le développement de produits. Varun, Arnav et le reste de l’équipe ont une vision unique et une vitesse de produit impressionnante. Nous ‘ Je suis très excité de faire partie de leur voyage.

Sharmas prévoit d’utiliser le nouveau financement pour constituer une équipe – elle est passée de deux à 15 employés – dans des domaines tels que la R&D, le développement de produits et la mise sur le marché.

Étant donné que l’entreprise est en mode R&D depuis quelques années, Varun Sharma n’est toujours pas prêt à discuter des résultats, mais dit qu’une poignée de ses clients sont avec eux depuis des mois, et il se sent maintenant confiant pour répéter le processus autour de lui. le monde. le monde.

“Nous continuerons à développer de nouvelles méthodes d’intelligence client”, a-t-il ajouté. “Nous créons des flux de travail et des processus afin que les bons commentaires des clients parviennent aux bonnes personnes au bon moment.”