September 2, 2024

Aumentar o processo de angariação de negócios das empresas em fase de arranque

Uma empresa de capital de risco aumentou o seu processo de angariação de negócios e efetuou uma seleção ágil e inteligente das empresas em fase de arranque

Aumentar o processo de angariação de negócios das empresas em fase de arranque

Em resumo

Desafio

A empresa de capital de risco enfrentava desafios na obtenção de negócios com baixas taxas de conversão (<1%). O seu processo manual dependia da pesquisa de mercado, do trabalho em rede e da participação em eventos, tarefas que consumiam muito tempo. Os dados estavam dispersos em vários ficheiros e a seleção não tinha critérios estruturados para dar prioridade às startups. Com o objetivo de melhorar o deal sourcing, a empresa pretendia integrar a IA e a análise para simplificar o processo, explorar mais fontes e reunir métricas-chave de forma eficiente, minimizando o esforço.

Solução

Para enfrentar o desafio do deal sourcing, desenvolvemos uma ferramenta que permite à equipa de investimento reunir startups a partir de várias fontes estruturadas e não estruturadas, caracterizá-las com dados qualitativos e quantitativos e classificá-las para priorização. A ferramenta usa IA generativa para extrair e estruturar informações, e um modelo analítico para avaliar as startups com base num conjunto de critérios. Ao integrar dados de fontes como Crunchbase, newsletters e sites de startups, juntamente com métricas do Pitchbook, a ferramenta permite que a equipa crie um sistema abrangente de caraterização e pontuação. Isto ajuda a simplificar o processo de obtenção de negócios, aumentando a eficiência e a tomada de decisões.

Resultados

A ferramenta tornou-se parte integrante do processo de procura de negócios da equipa de investimento, permitindo a procura e a avaliação de cerca de 3 vezes mais empresas em fase de arranque do que anteriormente. Com a automatização de tarefas que anteriormente consumiam muito tempo, a ferramenta melhorou a eficiência e simplificou o acesso às descrições das empresas e às principais métricas. Melhorou a tomada de decisões ao fornecer um sistema de pontuação objetivo, garantindo que as informações cruciais estão prontamente disponíveis para as avaliações.

Challenge

A empresa de capital de risco enfrentava desafios na obtenção de negócios com baixas taxas de conversão (<1%). O seu processo manual dependia da pesquisa de mercado, do trabalho em rede e da participação em eventos, tarefas que consumiam muito tempo. Os dados estavam dispersos em vários ficheiros e a seleção não tinha critérios estruturados para dar prioridade às startups. Com o objetivo de melhorar o deal sourcing, a empresa pretendia integrar a IA e a análise para simplificar o processo, explorar mais fontes e reunir métricas-chave de forma eficiente, minimizando o esforço.

Approach

Solution

Para enfrentar o desafio do deal sourcing, desenvolvemos uma ferramenta que permite à equipa de investimento reunir startups a partir de várias fontes estruturadas e não estruturadas, caracterizá-las com dados qualitativos e quantitativos e classificá-las para priorização. A ferramenta usa IA generativa para extrair e estruturar informações, e um modelo analítico para avaliar as startups com base num conjunto de critérios. Ao integrar dados de fontes como Crunchbase, newsletters e sites de startups, juntamente com métricas do Pitchbook, a ferramenta permite que a equipa crie um sistema abrangente de caraterização e pontuação. Isto ajuda a simplificar o processo de obtenção de negócios, aumentando a eficiência e a tomada de decisões.

Results

A ferramenta tornou-se parte integrante do processo de procura de negócios da equipa de investimento, permitindo a procura e a avaliação de cerca de 3 vezes mais empresas em fase de arranque do que anteriormente. Com a automatização de tarefas que anteriormente consumiam muito tempo, a ferramenta melhorou a eficiência e simplificou o acesso às descrições das empresas e às principais métricas. Melhorou a tomada de decisões ao fornecer um sistema de pontuação objetivo, garantindo que as informações cruciais estão prontamente disponíveis para as avaliações.

Our
AI-generated
summary

Our AI-generated summary

Our AI-generated summary

Embora o setor de capital de risco dependa muito do julgamento e dos relacionamentos humanos, há uma tendência emergente de começar a alavancar a IA e a análise generativas para apoiar os investidores em toda a jornada de investimento. O processo de terceirização de negócios se destaca como um dos processos críticos dessa jornada, dadas as baixas taxas de conversão do setor (< 1%).

A equipe de investimentos de nosso cliente tinha um plano ambicioso em relação a startups para investir nos próximos anos, o que trouxe o principal desafio de melhorar o processo atual de fornecimento de negócios. O sourcing dependia da geração de leads de entrada ou saída por meio de pesquisas de mercado, trabalhando na rede e participando de eventos para obter possíveis oportunidades de investimento. A triagem abrangeu a compreensão da adequação comercial das startups e dos critérios básicos de exclusão de passar para uma análise mais detalhada.

Ambos os processos exigiam principalmente esforços manuais, incluindo tarefas tradicionais assustadoras e demoradas, como visitar sites de startups para entender melhor seus negócios. A equipe ainda estava aproveitando algumas fontes para identificar possíveis startups, deixando um universo de empresas fora do radar. A triagem carecia de critérios claros e de uma análise estruturada das principais métricas e variáveis para priorizar empresas iniciantes (por exemplo, crescimento de FTEs, tamanho do último negócio, fundadores, investidores).

Em termos de dados e como ponto de partida, as startups com histórico de ajustes e contatos estavam em uma plataforma centralizada, mas as empresas analisadas e excluídas anteriormente foram armazenadas em vários arquivos locais.

Diante desses desafios, essa empresa de capital de risco precisava melhorar o processo atual de fornecimento de negócios e trazer uma abordagem analítica e de IA para aumentar e agilizar os esforços de fornecimento de negócios. Seria possível explorar várias fontes para identificar novas startups para abastecer o funil? A partir delas, como reunir o máximo possível de informações e métricas-chave para priorizar aquelas que devem passar pela etapa de seleção de investimentos? Além disso, é possível realizar todas essas etapas com o mínimo de esforço das equipes?

Para enfrentar o desafio do nosso cliente, projetamos e implementamos uma ferramenta para apoiar a equipe de investimento a reunir startups de várias fontes, caracterizá-las com dados qualitativos e quantitativos, alavancando a licença do Pitchbook, pontuando startups e exportando resultados para uma plataforma centralizada.

A ferramenta foi desenvolvida usando IA generativa para permitir a extração e caracterização de startups e um modelo analítico para pontuar startups de acordo com um conjunto de critérios discutidos com a equipe de investimento.

A extração de startups de várias fontes de dados estruturados (por exemplo, Crunchbase) e não estruturados (por exemplo, boletins informativos do setor, sites de eventos, notícias, sites de startups) foi habilitada por um web scraper. Depois que uma grande parte do texto e das informações foi extraída dessas fontes, a IA generativa foi aplicada para resumir e estruturar o conteúdo.

Nesta fase, várias instruções são realizadas para obter informações estruturadas sobre as startups, como: breve descrição, região, indústria vertical ou horizontal, tipo de tecnologia, contribuição para os Objetivos de Desenvolvimento da Sustentabilidade (ODS), só para citar alguns. A qualidade dos resultados dessa etapa aumentou gradualmente por meio de uma melhor solicitação e melhoria contínua dos dados de entrada coletados (por exemplo, inclusão de meta descrições do Google).

A segunda etapa do modelo foi enriqueça a caracterização das startups com as principais métricas do Pitchbook. O enriquecimento do Pitchbook abrangeu as principais métricas, como: número de FTEs, tamanho do último negócio, preditor de saída, entre outras — a ferramenta é flexível o suficiente para que a equipe possa escolher cuidadosamente quais métricas adicionar ou remover ao longo do tempo.

Uma vez que as startups tenham uma caracterização completa com dados qualitativos e quantitativos, um modelo de pontuação analítica é aplicado para avaliar a atratividade das startups. Para este propósito, sVários critérios são usados, com pesos diferentes de acordo com dados históricos e de mercado. Nesta fase os investidores recebem uma lista de startups classificadas por sua atratividade para que possam prosseguir com a etapa de seleção de investimentos.

Our AI-generated summary

Our AI-generated summary

Para que a equipe de investimentos do nosso parceiro use a ferramenta de forma autônoma, uma interface simples foi criada, garantindo não apenas facilidade de uso, mas também flexibilidade (por exemplo, a equipe pode escolher as fontes para pesquisar startups, campos a serem caracterizados, critérios para alimentar a pontuação do modelo analítico).

A ferramenta se tornou parte do processo de aquisição de negócios da equipe de investimento que regularmente busca novas startups por meio de várias fontes e analisa os resultados da triagem.

O guia de ferramentas desenvolvido e as sessões de treinamento realizadas com a equipe foram fundamentais para garantir a adoção pela equipe.

A ferramenta aumentou com sucesso os esforços de terceirização de negócios, identificando e avaliando aproximadamente 3 vezes mais startups em comparação com a linha de base.

Além disso, contribuiu para um aumento notável na eficiência, simplificando tarefas anteriormente demoradas que se tornaram etapas de “um clique”, simplificando a recuperação das descrições da empresa e das principais métricas. Essa automação não só economiza tempo, mas também garante que informações cruciais estejam prontamente disponíveis para avaliação.

Finalmente, a ferramenta desempenhou um papel fundamental na melhoria do processo de tomada de decisão da equipe de investimento. A incorporação de um sistema de pontuação facilita uma avaliação mais objetiva dos investimentos potenciais.

Finalmente, todas as startups analisadas são exportadas para uma plataforma centralizada que permite construir gradualmente um banco de dados estruturado, incluindo startups adequadas, mas também as excluídas e com a razão por trás dessa escolha identificada.

Leia mais

Leia mais