Haptly
Haptly は、drone and satellite imagery で farmers が grass growth を monitor できるようにしようとした agritech product でした。
元のストーリーを見るプロダクト概要
何だったか
Haptly は drone and satellite imagery を使って farmers の pasture dry matter を estimate しようとしました。
誰のためか
課題 / 価値
visual estimates より正確に grass growth を測り、farmers が feed availability を plan できるようにすること。
中核ワークフロー
imagery と farm data を collect し、paddocks across dry matter を estimate し、farmers が feed budgets を plan する workflow でした。
中核依存
imagery、farm data、local conditions、affordable data sources を使う technically reliable model。
プロダクト形態
価格モデル
revenue には到達していません。team は accelerator 経由で about $20,000 を受け取り、business に取り組む間 savings と side income を使いました。
競合または代替手段
何が起きたか
概要
Haptly は New Zealand の agritech product で、imagery を使って grass growth を測ろうとしました。
結果
company は revenue に到達せず、technical accuracy problem を solve できなかった後に moved on しました。
中核リスク
startup effort が scale する前に technical feasibility が証明されていませんでした。
終了理由
founder は unresolved technical feasibility、data requirements、satellite data cost、uncertain R&D timeline、farming domain への limited founder attachment を挙げました。
需要シグナル
source には farmer interest が示されていますが、team が product に必要な technical accuracy を達成できなかったため、demand は決定的な test にはなりませんでした。
集客上の問題
主な issue は distribution ではありませんでした。press、accelerator exposure、farmer inquiries はありましたが、technical model と data requirements が reliable product を blocked しました。
タイムライン
- late 2015 に drone use cases の exploration を started しました
- farmers と dry-matter measurement に focused しました
- early React demo を built し farmer feedback を gathered しました
- early 2016 に Vodafone Xone accelerator に entered しました
- January to October 2016 に worked しました
- technical feasibility が unresolved のまま shut down しました
作る前に確認すること
なぜ重要か
product が data、sensors、accuracy constraints を使って messy real-world process を上回る必要がある場合、customer interest だけでは足りません。
主な確認事項
accelerators、business assets、agricultural automation product の約束に進む前に、hard sensing と accuracy requirement を証明してください。
チェックリスト
- one real customer workflow で hard mechanism を証明できるか。
- known ground truth に対して accuracy を measure できるか。
- expensive or rare sensor data なしで product は機能するか。
- feasibility が fail したら broader startup work の前に stop できるか。
- product が機能するために exact technical result として何が true である必要があるか。
- current manual workflow を上回る minimum accuracy は何か。
- model を test するために必要な ground-truth data は何か。
- どの data、sensor、field-operation cost が business case を壊すか。
参考になる場合
- machine learning、computer vision、hardware、robotics、physical-world data に依存している。
- users は outcome を望んでいるが technical path が uncertain である。
- feasibility が証明される前に accelerator 参加や business assets 作成をしている。
参考になりにくい場合
- known technical implementation の straightforward software workflow である。
- required accuracy threshold を満たす working prototype がすでにある。
開発前テスト
- measured dry-matter ground truth を持つ one farm で narrow feasibility study を run する。
- full product interface の前に throwaway model を build する。
- data-source costs を expected customer pricing と比較する。
応用できる学び
- general startup work の前に hardest technical assumption を特定する。
- feasibility testing には real ground-truth data を使う。
- current workflow を上回るために必要な accuracy threshold を定義する。
- automation を約束する前に data、sensors、field operations の cost を price する。
今作るなら
smallest feasibility study から始めてください。one farm、known ground-truth dry-matter measurements、required accuracy thresholds、data-cost assumptions を、broader startup work の前に確認する必要があります。