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

 
Statista的数据显示，截至2018年初，在软件测试期间发现的错误中，只有21%被立即修复。 Christian Wiklund，David Eklov和Niklas Lindstrom相信AI和机器学习可以大大提高这一数字。他们共同创立了UnitQ，其产品以任何语言提取全渠道用户反馈，以识别，量化和确定产品错误的优先级。为了推出Beta版服务，这家初创公司本周筹集了1100万美元的A轮融资，其中大部分CEO Wiklund表示将用于新产品和现有产品的开发。
UnitQ创意的萌芽源于三人的前任公司Skout，Meet Group在2016年以未公开的价格收购了Skout。为了应对市场上缺乏客户知情的错误优先级排序平台，他们依靠自己在全球范围内扩展云托管软件和服务的背景，开发了自己的应用程序。 (Wiklund和Eklov以前是VMWare的开发过程分析师，Eklov在奥斯汀的三星研发中心工作，担任性能架构师。)
仪表板显示最近的趋势(例如，特定语言，区域或设备中的错误的增加)以及已打开和已关闭的错误，并且可以将其配置为按类别，日期或其他属性将客户评论转发给特定团队通过Slack和其他平台。
人工智能越来越多地进入软件质量保证测试。总部位于旧金山的初创公司Functionize开发了一个可自动识别软件错误的基于云的平台，最近筹集了1600万美元。 Testim同样提供了基于AI的工具来测试软件，瑞士初创公司DeepCode也是如此。 ProdPerfect不会被淘汰，它使用实时流量来自动构建，运行和维护Web应用程序的质量检查测试。
UnitQ断言其差异化因素是自然语言处理能力和规模。它的Beta版客户(包括Pinterest，HTC，Pandora和Real Real)使用UnitQ Monitor在560万条反馈中识别了3500个独特的错误，其应用程序覆盖了“数亿”用户。此外，UniQ声称，这些早期客户在采用后的一个月内，参与度平均提高了20%。
Gradient Ventures的执行合伙人Anna Patterson表示：“当工程团队开发产品时，要确定要优先处理的错误是最困难的挑战之一。”他计划加入公司董事会。 “ UnitQ会汇总实时用户数据来执行此操作，并根据错误对客户满意度和业务影响的影响来对错误进行排名。对于产品开发团队和整个技术行业而言，这是一次巨大的飞跃，因为它将产品质量转化为科学。”