Hackathons (d. H. Hack-Marathon für Computerprogrammierer) werden mehr als nur eine Möglichkeit, neue Talente zu finden. Sie werden verwendet, um neue Unternehmen zu gründen. Ein solches Beispiel ist Guesswork, ein Startup für eine Machine-Learning-Plattform, in der die Absicht der Kunden vorhergesagt wird. Das Unternehmen verwendete Preisgelder in Höhe von 20.000 USD, um sein Geschäft zu starten.
Guesswork wurde 2013 von Mani Doraisamy und Boobesh Ramalingam gegründet, die sich seit ihrer Collegezeit kennen. Beide verfügen über mehr als 14 Jahre Erfahrung im Bau von Technologieplattformen und arbeiten seit fünf Jahren zusammen. Vor der Gründung von Guesswork hatte Mani OrangeScape mitgegründet, wo er zwei Regel-Engine-Plattformen in der Cloud entwickelte: Visual PaaS und Kissflow.
$config[code] not foundDie Idee zu Guesswork entstand während der Entwicklung einer App, mit der das Kunden-Feedback automatisch verstanden und darauf reagiert werden kann. Sie fanden heraus, dass maschinelles Lernen zumindest in der Anfangsphase unwirksam war. Sie lösten dies, indem sie eine Regel-Engine-Ebene über dem Machine Learning-Algorithmus erstellen.
Sie beschlossen, ein auf diesem Konzept basierendes Produkt auf den Markt zu bringen, da sie erkannten, dass die Technologie insbesondere für CRM-Unternehmen von großem Nutzen ist.
Um das Unternehmen zu gründen, verlagerten sie sich von Indien in die Bay Area. Da sie nicht an einem B1-Visum arbeiten konnten und die Bay-Region so teuer ist, waren Hackathons ein Weg. In den ersten neun Monaten waren Hackathons an Wochenenden und Anlaufarbeiten an Wochentagen ihre Routine.
Als Gewinner eines solchen Hackathons wurden sie zu dem Tata Communications-Beschleuniger bei NestGSV, Redwood City, Kalifornien, eingeladen. Außerdem erhielten sie einen Zuschuss von 30.000 US-Dollar, ohne das Eigenkapital zu verwässern. Karl Perkins, Chefarchitekt von Tata Communications, empfahl ihnen, den Plattformansatz zu nutzen, um das Potenzial der Technologie zu untersuchen.
Guesswork nutzt öffentlich verfügbare soziale Daten, um Personas aufzubauen, die die individuellen Vorlieben und Interessen der Kunden widerspiegeln (siehe Abbildung oben). Es ist eine der genauesten Plattformen für maschinelles Lernen zur Vorhersage der Kundenabsicht. Ihre Rules Engine ist optimiert, um das Kundenprofil und die semantische Bedeutung von Kundenanfragen zu verstehen. Es basiert auf der hochmodernen Google Prediction-API und hilft CRM- und E-Commerce-Unternehmen, dieses Wissen zu nutzen, um Produktempfehlungen zu personalisieren.
Maschinelles Lernen wird derzeit von anderen Unternehmen als Google und Facebook übernommen. Es bedarf jedoch noch großer Investitionen. Mit Guesswork können CRM-Unternehmen vorausschauende Intelligenz zu einem Bruchteil der Zeit- und Ressourceninvestitionen in ihre Produkte integrieren.
Ihr Hauptvorteil besteht darin, dass ihre Lernmaschine sehr genau ist und sehr einfach zu verwenden und zu integrieren ist, sodass CRM-Unternehmen mit dieser differenzierten Funktionalität schneller auf den Markt kommen können.
Sie haben kürzlich ihr Produkt auf den Markt gebracht, und ihre frühe Traktion fand durch persönliche Kontakte statt. Ihr Brückenkopf in den CRM-Anwendungen umfasst: Automatisches Beantworten von Kundenanfragen, Lead-Scoring sowie Newsletter- und Produktempfehlungen für E-Mail-Marketing.
Sie haben drei große OEM-Abschlüsse in der Pipeline und planen, in den nächsten 6-9 Monaten 1,5 Millionen US-Dollar zu sammeln, um die Kundenakquisition zu skalieren.
Bilder: Hackathon-Beispiel (Wikipedia), Vermutungen
2 Kommentare ▼
