Американские горки: как стартап People.ai попал в Y Combinator, сделал пивот и получил $7 млн инвестиций

Проект начинался как AI-сервис, помогающий подобрать в компании менеджеров по продажам. «Я подумал, что, если взять все коммуникации продавцов — почту, звонки, календарь — и достать оттуда их контакты, то можно свести продавцов с компанией, которой нужно что-то продать именно тем людям, которых они уже знают. Благодаря этому удастся сократить срок изначального тренинга продавцов и повысить качество продаж», — рассказывает Олег.

Построив умную систему автоматизации найма сотрудников People.ai, Рогинский привлек посевные инвестиции размером в полмиллиона долларов, а весной 2016 года его стартап прошел отбор в трехмесячную программу акселератора Y Combinator. В процессе работы над продуктом команда столкнулась с тем, что проект не рос, хотя через сервис удалось трудоустроить десяток людей. «Мы уперлись в то, что компании не хотели делиться информацией о своих сотрудниках, — объясняет Олег Рогинский. — Система бы сработала, если бы все одновременно сложили свои данные, а пока данных было недостаточно, все шло сложно».

Чтобы выяснить, в какую сторону двигаться дальше, CEO стартап-инкубатора Майкл Сайбл поставил перед командой задачу за неделю переговорить с сотней вице-президентов по продажам.  «Y Combinator дал сильный фреймворк того, как правильно проводить интервью, — говорит Олег Рогинский. — Цель — поговорить с максимально большим количеством похожих людей, задавая одни и те же вопросы в максимально сжатый срок».

Такой подход позволяет увидеть паттерн в ответах еще до того, как ты его осознаешь. Если интервью растянуты во времени, ответ одного клиента изменяет то, как ты думаешь и задаешь вопросы следующему юзеру, и это влияет на результат исследования. Когда Рогинский провел 72 интервью с потенциальными клиентами, то оказалось, что практически никто из этих людей не знает точно, чем занимаются их сейлз-команды изо дня в день.

Выяснив эту проблему, команда People.ai за две недели построила программу, которая собирает и анализирует все коммуникации продавцов, позволяя оценить их эффективность. По совету Майкла, отрезали все лишнее, оставив в приложении только одну функцию — дашборд с визуализацией. Когда прототип еще раз показали тем же VP, реакция оказалась довольно интересной: они начали доставать кредитные карты. «Оказалось, что если просто пойти и спросить у людей, что у них болит, а потом показать, как ты можешь решить эту проблему, и построить решение за 2 недели, они будут готовы за это платить», — отмечает предприниматель.

За следующие шесть недель проект получил 150 корпоративных клиентов, а Рогинскому начали звонить инвесторы, узнавшие о стартапе по каким-то своим каналам. На этом этапе стало понятно, что построенный наскоро MVP не справляется с нагрузкой. «Олег очень хорошо продвигал продукт, и мы столкнулись с тем, что нам нужно онбордить все больше кастомеров, а архитектура на это не рассчитана, — объясняет Георгий Козлов. — Изначально это было два монолитных приложения, которые взаимодействовали между собой. Я принял решение разрезать апликейшн на несколько частей. Чтобы все это было масштабируемым, мы пересмотрели код, построили новое облако и задеплоили новую структуру».

Последний месяц перед демо-днем команда People.ai занимались проектом по 16 часов в день. Время показало, что это того стоило: стартап занял второе место среди продуктов в b2b-сегменте. «У нас было столько заинтересованных инвесторов, что не хватало времени переговорить даже с половиной. На нас вышло 1400 инвесторов, мы выбрали одного лида и закрыли многомиллионный раунд от трех крупнейших фондов в Долине», — рассказывает Рогинский.

В начале осени 2016 года, немного передохнув после марафона Y Combinator, команда сняла офис в центре Сан-Франциско, в здании, где до них базировались Github и Twitter, и начала активно развивать бизнес. «Мы решили отказаться от работы с мелкими клиентами и стали предоставлять сервис только компаниям, где не меньше 500 сотрудников, 20% из которых — менеджеры по продажам. Дело в том, что количество усилий для того, чтобы сделать маленькую и большую компанию успешной, не отличается. Только платят крупные клиенты в 10 раз больше, количество персонала у них больше, и людей они увольняют реже», — объясняет фаундер People.ai. Сейчас клиентами People.ai являются более 50 компаний, среди которых Gainsight, Salesloft, PandaDoc в США и Starwind и Cogniance в Украине.

Переориентация на крупных игроков снова поставила на повестку вопрос о масштабируемости архитектуры приложения. «Еще раз перепилив проект, мы получили микс сервис-ориентированной и микросервисной архитектуры, — рассказывает Георгий Козлов. — У нас есть несколько крупных сервисов, которые выполняют определенные функции, например — сервис авторизации, сервис, ответственный за хранение и рефреш токенов. Есть people cloud — главный граф, где мы храним структуру, связи между людьми, это большой сервис, который держит свой сторедж. Есть ряд небольших сервисов, выполняющих какую-то детерминированную задачу. Также есть некое подобие событийно-ориентированной архитектуры, построенной за счет месседжевых баз и месседж-брокера, который связывает эти сервисы. Все в совокупности дает очень хорошо масштабируемое решение, когда мы можем масштабировать отдельно каждый микро-сервис, отдельно — сторедж, отдельно — веб-приложение».

Продукт реализован таким образом, чтобы минимизировать необходимость каких-то настроек от пользователя на стадии онбординга.  После регистрации человек дает доступ к своему календарю, почте, Salesforce, Slack, звонкам, и в течение 48 часов происходит обработка информации.

«У нас есть внутренний процесс валидации качества данных, есть автоматизированные тесты, которые отвечают на вопрос, насколько данные соответствуют действительности, — объясняет Георгий. — Например, приложение само способно определить те мейлы, на которые вы часто пишите, но которые не касаются работы. Или же определить, что вы используете сервисы для нотификации. Такие вещи блокируются, потому что они не влияют на общее время активности сотрудника. Если обнаружена какая-то проблема, то генерируется тикет на Zendesk, вешается на команду поддержки, параллельно создается тикет в Jira, с которым работают девелоперы. Когда человек получает доступ к приложению, можно сказать, что данные там хороши на 80%».

Платформа People.ai дает возможность оценить успешность сделки и эффективность менеджера на основе собранных данных внутри одной компании, а также сравнить данные с похожими компаниями в разрезе сферы деятельности. «Мы, конечно, не распространяем информацию между клиентами, но мы делаем анонимный анализ по индустрии и по региону, — рассказывает Козлов. — То есть, мы можем сказать, что для opportunity стоимостью $100 000 для автомобильной индустрии региона Калифорния критерием успеха является то-то и то-то». Таким образом, сервис не только фиксирует всю активность сотрудника, но и подсказывает ему алгоритм действий, которые нужно предпринять, чтобы добиться конкретной цели.

В компании стремятся реализовать вертикальную структуру организации, когда команды разработчиков в Сан-Франциско и в Киеве самодостаточные и могут полностью ФОКУСироваться на какой-то определенной функциональности. Украинская команда работает над back-end, user facing app, data aggregation. В американском офисе, кроме девелоперов, находятся маркетинг, поддержка пользователей и менеджеры по продажам. Сейчас стартап активно нанимает новых людей.

«В Bay Area единственный способ рекрутинга — по убеждениям. У компании должна быть миссия, этика, видение, как ты будешь менять мир, на это приходят хорошие инженеры, — считает Рогинский. — Так, по совету одного из наших инвесторов, мы пытались нанять молодого, но матерого инженера, у которого за плечами уже Oracle, Yelp, и Airbnb. Одновременно он проходил интервью с одной из лидирующих machine learning команд в Google. Мы встречались с ним 12 раз, говорили о нашей миссии, о том, как мир станет более уютным, если на рабочих местах будет меритократия, и о том, как с помощью нашего продукта можно значительно снизить гендерную и расовую дискриминацию на работе. Эти аргументы оказались убедительными и, в итоге, он взял в 5 раз меньшую зарплату, чем предлагал Google (конечно, с долей в бизнесе), и присоединился к People.ai».

По словам Рогинского, цель создания сервиса — сделать все решения, принимаемые касательно персонала, основанными на данных, а не на интуиции. «Есть менеджеры старой закалки, убежденные, что продажи, — это искусство. На самом деле, люди мало чем отличаются от машин с точки зрения выполнения процессов, поэтому в нашем приложении мы применяем методологии, которые используются для оптимизации работы облака», — говорит предприниматель. 

Аналогии напрашиваются сами собой: есть bottleneck в производительности — это передача задач от одного человека к другому, есть потери очередей — memory leaks, есть поломки железа — человек болеет. Программа позволяет увидеть, на что сейлзы тратят много времени, а при этом выхлоп от этой активности в денежном измерении никакой. «Представьте, что у вас продажа занимает год, и вы год не знаете, чем занимается продавец, при этом он получает зарплату, а через год говорит, мол, не получилось. Это тоже самое, что управлять самолетом по результату — приземлился он или нет. Мы же позволяем управлять самолетом, пока он еще летит или даже еще до того, как он взлетел», — комментирует Олег.