UnitQ融资1100万美元,用于通过自然语言处理发现用户报告中的错误

根据Statista的数据,截至2018年初,在软件测试中发现的bug中,只有21%得到了立即修复。Christian Wiklund,David Eklov,和Niklas Lindstrom认为人工智能和机器学习可以大大提高这个数字。他们一起创建了UnitQ,其产品采用任何语言的全渠道用户反馈来识别、量化和优先处理产品缺陷。为了推出测试版服务,这家初创公司本周在A轮融资中筹集了1100万美元,首席执行官Wiklund表示,其中大部分资金将用于新产品和现有产品的开发。

UnitQ的想法萌芽于三人之前的公司Skout,该公司于2016年被Meet Group以未公开的价格收购。为了应对市场上缺乏以客户为导向的bug优先排序平台,他们开发了自己的bug优先排序平台,依靠自己的背景在全球范围内扩展云托管软件和服务。(Wiklund和Eklov曾在VMWare担任开发流程分析师,Eklov曾在三星位于奥斯汀的研发中心担任性能架构师。)

UnitQ Monitor是该公司的第一款也是目前唯一的一款产品,它利用机器学习来了解客户在使用应用程序时遇到的问题——无论是来自社交媒体、应用程序商店还是客户支持邮件的反馈。它使用实时翻译工具将每条客户信息翻译成英语,并辅以分析汇总数据的算法,从而发现漏洞。然后,它将数据分类到自定义类别中,这些自定义类别可以在实时仪表板上定义和显示。

指示板显示最近的趋势(例如,某个特定语言、地区或设备中的bug增加)以及打开和关闭的bug,并且可以将其配置为通过Slack和其他平台将类别、日期或其他属性的客户评论转发给特定的团队。

人工智能越来越多地进入软件质量保证测试。Functionize是一家总部位于旧金山的初创公司,它正在开发一个基于云的平台,能够自动识别软件漏洞。此外,与瑞士初创企业DeepCode一样,Testim也提供了基于人工智能的软件测试工具。ProdPerfect也不甘落后,它利用实时流量来自动构建、运行和维护web应用的QA测试。

UnitQ声称它的区别在于自然语言处理的能力和规模。它的测试版客户包括Pinterest、宏达电(HTC)、潘多拉(Pandora)和Real Real,他们使用UnitQ Monitor在560万条反馈中发现了3500个独特的bug,应用程序的用户达到“数亿”。此外,UniQ称,这些早期客户在采用后一个月内的参与度平均提高了20%。

Gradient Ventures的管理合伙人安娜·帕特森(Anna Patterson)说:“当一个工程团队开发一个产品时,了解哪些bug应该优先处理是最困难的挑战之一。”Patterson计划加入公司的董事会。“UnitQ聚合实时用户数据来完成这项工作,并根据bug对客户满意度和业务影响的影响对它们进行排序。对于产品开发团队和整个科技行业来说,这是一个巨大的飞跃,因为它把产品质量变成了一门科学。”

UnitQ成立于2018年,总部位于圣马特奥,拥有10名员工。其A轮融资由Gradient Ventures(谷歌旗下专注于AI的风险投资基金)牵头,Creandum、XSeed Capital和Bragiel Brothers也参与了该项目。

发表评论

电子邮件地址不会被公开。 必填项已用*标注