Hackathons (dat wil zeggen hackmarathon voor computerprogrammeurs) worden meer dan alleen maar een manier om nieuw talent te vinden. Ze worden gebruikt om nieuwe bedrijven te starten. Een voorbeeld hiervan is Guesswork, een startup voor het leren van machine-apparaten die de intentie van de klant voorspelt, waarbij een prijzengeld van $ 20.000 werd gebruikt om zijn bedrijf te starten.
Guesswork werd in 2013 opgericht door Mani Doraisamy en Boobesh Ramalingam die elkaar al kennen sinds hun studententijd. Ze hebben allebei meer dan 14 jaar ervaring in het bouwen van technologieplatforms en werken al vijf jaar samen. Voordat hij Guesswork oprichtte, was Mani mede-oprichter van OrangeScape, waar hij twee rules engine-platforms in de cloud creëerde - Visual PaaS en Kissflow.
$config[code] not foundHet idee voor Guesswork werd geboren tijdens het bouwen van een app voor het begrijpen van en automatisch reageren op feedback van klanten. Ze vonden dat machine learning niet effectief was - althans in de beginfase. Ze hebben dat opgelost door een rules engine-laag te maken bovenop het algoritme voor machinaal leren.
Ze besloten op basis van dat concept een product te lanceren, omdat ze beseften dat de technologie zeer nuttig zou zijn, vooral voor CRM-bedrijven.
Om het bedrijf te starten, verschoven ze van India naar de Bay Area. Omdat ze niet konden werken aan een B1-visum en omdat de Bay Area zo duur was, waren hackathons een binnenweg. Gedurende de eerste negen maanden werden hackathons tijdens het weekend en start-ups tijdens doordeweekse dagen hun routine.
Als winnaar van een dergelijke hackathon werden ze uitgenodigd bij de accelerator van Tata Communications op NestGSV, Redwood City, Californië, en kregen ze ook een subsidie van $ 30.000 zonder dat ze hun eigen vermogen moesten verminderen. Karl Perkins, hoofdarchitect van Tata Communications, adviseerde hen om de platformbenadering te nemen en te kijken naar het potentieel van de technologie.
Guesswork maakt gebruik van openbaar beschikbare sociale gegevens om persona's te bouwen die de individuele voorkeuren en interesses van de klant weerspiegelen (zie afbeelding hierboven). Het is een van de meest nauwkeurige platformen om machines te leren voor het voorspellen van de intentie van de klant. Hun rules-engine is geoptimaliseerd om het klantprofiel en de semantische betekenis van klantvragen te begrijpen. Het is gebouwd bovenop de geavanceerde Google Prediction API en het helpt CRM- en eCommerce-bedrijven deze kennis te gebruiken om productaanbevelingen te personaliseren.
Machinaal leren wordt nu toegepast door andere bedrijven dan Google en Facebook. Het heeft echter nog steeds enorme investeringen nodig. Met Guesswork kunnen CRM-bedrijven voorspellende informatie integreren in hun producten tegen een fractie van de investering in tijd en middelen.
Hun belangrijkste waardevoorstel is dat hun leerproces zeer nauwkeurig is en zeer gemakkelijk te gebruiken en te integreren is, waardoor CRM-bedrijven sneller met deze gedifferentieerde functionaliteit naar de markt kunnen gaan.
Ze hebben onlangs hun product gelanceerd en hun vroege tractie heeft plaatsgevonden via persoonlijke contacten. Hun bruggenhoofd binnen de CRM-usecases zijn: Auto-reageren op vragen van klanten, lead scoren, en nieuwsbrief en productaanbeveling voor e-mailmarketing.
Ze hebben drie grote OEM-deals in de pijplijn en ze zijn van plan de komende 6-9 maanden $ 1,5 miljoen op te halen om klanten te acquireren.
Afbeeldingen: Hackathon Voorbeeld (Wikipedia), Guesswork
2 Opmerkingen ▼