Стартап не создать по подобию офлайн-бизнеса или обычного онлайн-проекта. В этом убедился основатель школы EnglishPapa Сергей Сулимов, когда решил запустить технологию для подбора преподавателей ученикам на базе ИИ. Чему этот опыт научил предпринимателя и к каким результатам привел, Сергей поделился в материале.
Почему результаты сотрудников отличаются в пять раз?
Несколько лет мы собирали статистику по успешным сделкам, ежемесячно изучали данные о продлениях занятий и привлеченной выручке по каждому преподавателю. Иногда результативность учителей отличалась в пять раз!
Успех мы измеряли, опираясь на три параметра:
LTV — прибыль от клиента за весь период оказания услуг;
NPS — метрика удовлетворенности клиента;
Коэффициент продления — показатель, который формируется в зависимости от процента людей, готовых внести новую оплату и продолжить обучение.
Но мы не спешили делать выводы, какие учителя школы лучше, а какие хуже. Ведь у всех были довольные ученики. И у всех — даже наших лидеров — бывали непродления и замены.
После долгих наблюдений мы с командой поняли ― абсолютно у каждого преподавателя есть потенциальные ученики, которые именно с ним будут учиться лучше. Многое зависит о того, насколько люди «попадают» друг в друга — от некой «химии» и, пожалуй, коммуникации.
Бизнес привык решать эту задачу традиционным способом, чаще всего записывая клиента к свободному специалисту или к тому, у кого он был ранее. Данные об удовлетворенности клиентов часто не собирают:
Это трудно и недешево.
Не всегда понятно, на что именно смотреть ― отзывы, продляемость/возвращение клиентов, LTV или что-то еще.
Чтобы подобрать «своего» учителя каждому ученику и повысить результативность обучения, мы решили разработать технологию на базе ИИ. Ее суть — в поиске совпадений (мэтчей) между учителем и учеником. Этому процессу уделяют внимание приложения для знакомств вроде Tinder, но в профессиональных целях его почему-то не автоматизируют.
Наверное, потому что это действительно сложно:
нужно собрать информацию о каждом исполнителе и клиенте,
создать их профили,
понять, какие именно факторы влияют на их совместимость.
Данных и переменных столько, что вручную с ними не справится ни один менеджер или администратор — только машинные алгоритмы.
Как мы создавали технологию
Мы в первую очередь создавали сервис для внутреннего пользования, но понимали, что в будущем технология может пригодиться другим компаниям.
Самым важным было найти тех, кто реализует идею. Разработчиков для подобной технологии можно поискать в НИИ, лабораториях или Парке высоких технологий. Но это всегда череда согласований и большие бюджеты, которые кормят не только самих исполнителей.
Мне повезло ― сработал нетворкинг. У меня есть друг — кандидат наук, работающий в США дата-сайентистом. Он порекомендовал еще специалиста. С ними мы и работали над воплощением проекта.
На разных этапах подключались:
программист,
специалист по CRM,
социолог,
психолог,
фокус-группа.
Сначала мы определили факторы, по которым нужно искать совпадения:
пол,
возраст,
место проживания,
образование,
уровень владения языком,
цель обучения,
семейное положение,
достаток,
наличие детей,
темперамент,
характер,
отношение к критике и поощрениям,
локус контроля,
интересы и хобби,
должность на работе.
Затем нужно было правильно сформулировать вопросы и из них составить анкеты.
Дальше мы провели анкетирование учителей и учеников. С действующими сотрудниками было проще. Новым предлагали заполнить анкеты при найме. Студентам — при записи на обучение. Ну а тем, кто отказывался, звонили менеджеры и предлагали пройти устные опросы, фиксируя все ответы.
Самым сложным было определить влияние каждого фактора на общение учителя и ученика. Мы прибегли к специальным методикам:
PCA — уменьшает число переменных, выбрав самые изменчивые.
GBRT — выстраивает прогнозы, упрощая задачу и уменьшая количество итераций для получения оптимального решения.
Чтобы система считала корректно, ее обслуживает программист.
Дело в том, что пока у продукта только программируемый интерфейс, интуитивного еще нет. Но мы его разрабатываем и планируем, что технологию сможет без усилий запускать обычный менеджер. Хотя и сейчас «человеческое сопровождение» нужно только после того, как технология найдет совпадение. Опираясь на результат, менеджер может «прикрепить» преподавателя к ученику.
Система совершенствуется уже больше полутора лет. В тестовом режиме она показала отличный результат — рост LTV до 30%. У нас накопилась база, изучая которую, ИИ сам определяет закономерности. Технология может найти их даже по признаку пола.
Например, у нас есть преподаватель, который на 220% эффективнее работает с мужчинами, чем с женщинами. Есть те, кто, наоборот, на 300% лучше работает с женщинами.
Сколько стоит создать технологию на базе ИИ
Структура расходов для запуска технологии простая:
Оплата труда дата-сайентиста, программиста и других специалистов, которые помогают интерпретировать результаты и определять направления для дальнейшего исследовательского поиска.
Больше всего придется потратить на сбор и обработку данных.
Нужно сразу исходить из того, что на разработку такого продукта понадобится не менее $50 тыс. — хотя мы уже вложили больше.
Чем отличается запуск инновационного стартапа
В офлайн-бизнесе я уже давно, да и успешные проекты, связанные с IT-сферой, запускал не раз: у меня есть маркетплейс и платформа для получения образования за рубежом.
Но с таким наукоемким стартапом я имел дело впервые. Работа над ним сильно отличалась от того, что я делал в бизнесе раньше — как минимум потому, что я стал сам вникать во все процессы и технологию.
Больше всего на старте мне помогло владение английским языком. У меня была возможность читать научные статьи об искусственном интеллекте в авторитетных зарубежных источниках.
Изначально мы решили вкладывать только собственные средства, потому что делали технологию для внутреннего пользования. Но когда поняли, что ее можно применять и за пределами школы, пожалели, что не начали сразу искать инвесторов. Если бы мы привлекли больше средств на разработку и продвижение, то вывели бы продукт на рынок быстрее.
Нам стоило сразу оформить патент на технологию:
Чтобы исключить кражу наших разработок.
Чтобы монетизировать наш интеллектуальный вклад, если проект захотят купить и доработать под свои потребности более крупные игроки рынка.
Чтобы доводить до конца такие проекты, предпринимателю нужно быть целеустремленным и неутомимым. Придется подолгу работать без видимых результатов и денежной отдачи, при этом — с вложениями.
