9月24日,面向銷售場景的AI企業(yè)服務提供商循環(huán)智能(Recurrent AI)獲得由紅杉資本中國基金領(lǐng)投的1200萬美元融資,萬物資本和金沙江創(chuàng)投跟投。此前,循環(huán)智能也獲得了真格基金、靖亞資本和金沙江創(chuàng)投等機構(gòu)的投資。
目前,循環(huán)智能已經(jīng)與兩家頭部股份制商業(yè)銀行達成了合作,在保險、教育、房產(chǎn)等領(lǐng)域簽約了招商信諾、眾安保險、水滴、輕松籌、新東方在線、51Talk、自如、我愛我家等行業(yè)標桿客戶。
據(jù)了解,循環(huán)智能致力于借助原創(chuàng)的自然語言處理(NLP)和深度學習技術(shù),搭建基于AI的銷售策略生成與執(zhí)行輔助系統(tǒng),為企業(yè)提供轉(zhuǎn)化率更高的精準銷售策略,并且為一線業(yè)務員提供AI輔助系統(tǒng),提升其執(zhí)行力。
成單預測“無需行為數(shù)據(jù)”
循環(huán)智能獨創(chuàng)了一項無需行為數(shù)據(jù)的成單預測方案,企業(yè)可以根據(jù)成單預測的結(jié)果,調(diào)整溝通策略,例如優(yōu)先與哪些客戶進行溝通,或者應該把高意向客戶給哪些銷售來跟進等。
市面上的客戶成單預測模型,大部分是基于客戶瀏覽網(wǎng)站或App時產(chǎn)生的點擊等行為數(shù)據(jù),以及客戶過往的訂單等業(yè)務數(shù)據(jù)進行建模的。但是,在保險、教育等很多銷售場景,在成交之前并沒有業(yè)務數(shù)據(jù)可以使用,也沒有用戶的行為數(shù)據(jù),只有過往的電話錄音、文本記錄等數(shù)據(jù)。
那么,只用電話錄音或在線IM的文本記錄,是否可以進行成單意向預測呢?循環(huán)智能開創(chuàng)了無需行為數(shù)據(jù)的成單預測模型,并且在客戶的實際使用中可以帶來2～3倍的轉(zhuǎn)化率提升。這套成單意向預測模型,需要對接企業(yè)以往與客戶的溝通記錄,以及溝通的結(jié)果——即是否成單的數(shù)據(jù),循環(huán)智能借助先進的自然語言處理技術(shù),將成單的溝通數(shù)據(jù)作為“正例”,將未成單的溝通內(nèi)容作為“負例”進行訓練,得到無需行為數(shù)據(jù)的成單預測模型。
以保險場景為例,循環(huán)智能的一家客戶企業(yè)通過這套模型來篩選出“已溝通但未成單”的海量線索中的高質(zhì)量線索,然后再進行跟進,相比企業(yè)原有的隨機跟進或人工策略方案,跟進名單的轉(zhuǎn)化率可以提升至 3.0倍,通話時長提升至 1.6 倍。
AI模型對成單率的判斷比人更準,主要原因在于,AI模型學習到了所有成單對話的特征,而人只聽過少量的成單對話內(nèi)容,判斷有局限性。在流量紅利殆盡,新線索獲取難而且成本高的情況下,通過提升存量線索的二次銷售轉(zhuǎn)化率,可為企業(yè)帶來 5%～10% 的業(yè)績提升。
AI提升一線業(yè)務員銷售能力
在企業(yè)數(shù)字化轉(zhuǎn)型的過程中,銷售過程的線上化成為主流趨勢。無論哪種銷售方式,涉及到高附加值、復雜產(chǎn)品的銷售時,人與人的溝通過程必不可少。但企業(yè)普遍面臨的挑戰(zhàn)是,大量一線業(yè)務人員的專業(yè)能力和溝通能力不足,尤其是在面對客戶提出的異議時,缺乏有效的應對策略,很容易導致意向客戶流失。
針對此挑戰(zhàn),循環(huán)智能推出了一套提升銷售執(zhí)行力的解決方案,通過AI技術(shù)挖掘優(yōu)秀銷售的成單話術(shù)、溝通中的關(guān)鍵異議點和應對方式,然后為普通銷售和銷售新人提供溝通輔助系統(tǒng),幫助他們更好地應對客戶的疑慮,延長通話時間,提升成單率。
在循環(huán)智能的一家金融客戶的對比測試中,兩組水平大致相當?shù)臉I(yè)務員,使用和未使用實時輔助系統(tǒng),在一段時間內(nèi)的業(yè)績差距達到 50%。
“我們從多家客戶那里了解到,當業(yè)務員可以更好地應對客戶提出的異議,就能讓溝通的時間更長,最終的成單率也更高。所以銷售輔助系統(tǒng)的關(guān)鍵是,從過往的海量溝通數(shù)據(jù)和溝通的結(jié)果中,挖掘出最常遇到的異議點和最佳應答實踐。”循環(huán)智能CEO陳麒聰表示。
專注人與人溝通場景
過去大家普遍認為人與人的溝通過程是非常個性化和多樣化的,所以依賴標準化、“結(jié)構(gòu)化”數(shù)據(jù)的AI技術(shù)很難帶來實際幫助。正是得益于新一代的自然語言處理和深度學習技術(shù)的突破,企業(yè)才能準確高效地識別出同一個“語義點”的上百種表達方式,針對海量溝通內(nèi)容的數(shù)據(jù)挖掘和信息提取才有了可能。
據(jù)了解,循環(huán)智能聯(lián)合創(chuàng)始人楊植麟博士作為第一作者,與 Google AI 和卡內(nèi)基梅隆大學聯(lián)合推出了深度學習模型 XLNet,該模型在 18 項自然語言理解任務中取得SOTA最優(yōu)結(jié)果(state of the art)。根據(jù) Google Scholars 統(tǒng)計,在 2019 年全球所有 NLP 論文中,XLNet 以 1000+ 引用量排在第一位。另一位聯(lián)合創(chuàng)始人、CTO張宇韜博士曾獲得北京市科學技術(shù)一等獎、吳文俊人工智能技術(shù)進步一等獎,并且入選了國家博士后創(chuàng)新人才支持計劃。
紅杉資本中國基金合伙人鄭慶生表示,“循環(huán)智能由國內(nèi)頂尖AI團隊創(chuàng)立,致力于通過語音識別和自然語言處理等技術(shù)全面提高企業(yè)銷售效率,在企業(yè)銷售與客戶的交流中,分析非結(jié)構(gòu)化的語音和文本數(shù)據(jù),將銷售數(shù)據(jù)進行量化,不僅提高銷售效率、轉(zhuǎn)化率和客戶滿意度,而且反向指導企業(yè)的銷售流程發(fā)現(xiàn)新的機會,是很好的AI應用落地場景。他們把握住了企業(yè)管理者對AI系統(tǒng)的訴求,同時又能深入到一線業(yè)務員的工作場景,這對于一家年輕的企業(yè)服務公司而言非常難得。”
金沙江創(chuàng)投合伙人張予彤表示:很榮幸從天使輪到現(xiàn)在,見證了循環(huán)智能團隊從創(chuàng)業(yè)伊始就提出的愿景一步步轉(zhuǎn)化為產(chǎn)品,服務于產(chǎn)業(yè)。傳統(tǒng)的SaaS只解決業(yè)務流程和數(shù)據(jù)接入的問題,并不能直接為企業(yè)量化其降本增效的價值。而循環(huán)智能的產(chǎn)品立足于用AI重新塑造每個人的工作方式,真正為銷售團隊提高產(chǎn)能。公司今年推出的實時話術(shù)輔助系統(tǒng),做到了有效降低新老銷售之間的差異,讓最佳實踐和AI成為每一位員工的虛擬教練,幫助新員工順利成長、迭代和超越自我,真正為銷售團隊提升產(chǎn)能。隨著市場上流量和銷售線索逐步稀缺,企業(yè)會轉(zhuǎn)向數(shù)據(jù)驅(qū)動的精細化運營。我們看好并將繼續(xù)支持循環(huán)智能團隊,我們相信,切實提升銷售漏斗轉(zhuǎn)化的產(chǎn)品將成為企業(yè)銷售管理的終極利器。
循環(huán)智能的產(chǎn)品支持本地化、私有云和公有云等靈活的部署方案,采用SaaS訂閱制的收費模式。CEO陳麒聰表示,接下來,循環(huán)智能將廣泛接入線上、線下等更廣闊的銷售場景,助力更多中大型企業(yè)實現(xiàn)業(yè)務、業(yè)績雙增長。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
