加入紅杉大家庭，循環智能到底是做什么的？

重要的事情放前面：

• 紅杉資本中國基金領投了循環智能（Recurrent AI）的新一輪融資，金額 1200 萬美元，萬物資本和金沙江創投跟投本輪融資。此前循環智能也獲得了真格基金、靖亞資本和金沙江創投等機構的支持。

• 目前，循環智能已經與兩家頭部股份制商業銀行達成了合作，在保險、教育、房產等領域簽約了招商信諾、眾安保險、水滴、輕松籌、新東方在線、51Talk、自如、我愛我家等行業標桿客戶。

融資消息公布后，可能會有一些新朋友想了解，新加入紅杉大家庭的循環智能（Recurrent AI）到底是做什么的？這篇推送爭取能回答這個問題。

中大型企業在銷售環節面臨的挑戰與解決方案

挑戰一：在企業數字化轉型的過程中，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、復雜產品的銷售時，人與人的溝通過程必不可少。但中大型企業普遍面臨的挑戰是，大量一線業務人員的專業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。同時銷售管理者很難追蹤到，經過多次培訓后，業務人員是否真的在實際溝通時學以致用了。

挑戰二：企業獲取新線索的難度在增大，成本在變高，而針對已溝通過的幾十萬、上百萬存量線索進行二次接觸時，轉化率非常低，缺乏有效的技術手段能篩選出其中的高意向線索，提升轉化率。

針對上述兩大挑戰，循環智能借助原創的自然語言處理（NLP）和深度學習技術，搭建了基于AI的銷售策略生成與執行輔助系統。具體來看，包括：

• 實時輔助銷售人員，提升他們處理客戶異議的能力和專業度。在銷售員與客戶溝通過程中，大量訂單的流失是由于銷售員沒有正確應對客戶提出的異議導致的。循環智能通過挖掘出溝通中關鍵的客戶異議點和有效應答話術，將來自優秀銷售的最佳實踐總結到系統中，在銷售與客戶溝通過程中提供實時輔助。實時輔助系統的挑戰主要體現在從海量溝通數據中挖掘最佳實踐的能力、實時轉寫的高并發&低延時技術實力以及對一線業務員的需求理解上。三者缺一不可，組合起來才能做出讓一線業務員真正愿意使用，并且能對業績提升帶來實際幫助的工具。

• 利用AI對話分析系統，實現銷售溝通過程管理。大部分管理者長期存在一個痛點：不知道業務員在與客戶的實際溝通中，是否正確地處理了所有的客戶異議，是否正確傳遞了產品價值。有時候即使提供實時輔助工具，還是有業務員沒有正確執行。因此，循環智能除了提供實時輔助，也會同時將業務員與客戶的溝通內容記錄下來，通過語義分析，將執行情況報表化，讓管理者及時了解到每名業務員是否采用了最佳實踐，并且結合成單數據，看到因為未采用最佳實踐導致了多少客戶流失。

• 無需行為數據實現成單預測，帶來2-3倍轉化率提升。目前市場上的客戶成單預測模型，大部分是基于客戶瀏覽網站、app產生的行為數據，以及客戶過往的訂單等業務數據進行建模的。但是，在保險、教育等很多銷售場景，成交之前并沒有業務數據可以使用，也沒有用戶的行為數據，只有過往的電話錄音、文本記錄等數據。因此，循環智能開發出一套無需行為數據的成單預測方案——通過對接企業以往與客戶溝通的數據，利用自然語言處理技術，將成單的溝通數據作為“正例”，將未成單的溝通內容作為“負例”進行訓練，得到無需行為數據的成單預測模型。企業可以根據成單預測的結果，篩選出高意向線索進行溝通，提升2~3倍轉化率。

AI系統落地的挑戰與突破

挑戰一：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、“結構化”數據的AI技術很難帶來實際幫助。

其實正是得益于新一代的自然語言處理和深度學習技術的突破，企業才能準確高效地識別出同一個“語義點”的上百種表達方式，針對海量溝通內容的數據挖掘和信息提取才有了可能。

循環智能以自然語言處理和深度學習技術見長：循環智能聯合創始人楊植麟博士作為第一作者，與 Google AI 和卡內基梅隆大學聯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最優結果（state of the art）。根據 Google Scholars 統計，在 2019 年全球所有  NLP 論文中，XLNet 以 1000+ 引用量排在第一位。另一位聯合創始人、CTO張宇韜博士曾獲得北京市科學技術一等獎、吳文俊人工智能技術進步一等獎，并且入選了國家博士后創新人才支持計劃。

挑戰二：過去企業管理者在部署AI系統時，會遇到投入產出比難衡量、回報周期過長的問題。

與常規的AI系統不同，循環智能的AI系統對接了企業的業務結果數據，也就是銷售跟客戶溝通之后是否成單。因此可以從海量的溝通數據中分析出不同應對方式的成單率差別，挖掘到經過數據驗證的最佳實踐，讓企業擺脫了完全依賴人工基于少數案例進行經驗總結的局限。與此同時，對于企業管理層而言，部署這套AI系統帶來的業務價值也變得更容易衡量、更快獲得回報——無論是轉化率提升了多少，還是業績增長了多少，都可以通過AB測試快速看到效果。

投資人寄語

紅杉資本中國基金合伙人鄭慶生：循環智能由國內頂尖AI團隊創立，致力于通過語音識別和自然語言處理等技術全面提高企業銷售效率，在企業銷售與客戶的交流中，分析非結構化的語音和文本數據，將銷售數據進行量化，不僅提高銷售效率、轉化率和客戶滿意度，而且反向指導企業的銷售流程發現新的機會，是很好的AI應用落地場景。他們把握住了企業管理者對AI系統的訴求，同時又能深入到一線業務員的工作場景，這對于一家年輕的企業服務公司而言非常難得。

金沙江創投合伙人張予彤：很榮幸從天使輪到現在，見證了循環智能團隊從創業伊始就提出的愿景一步步轉化為產品，服務于產業。傳統的SaaS只解決業務流程和數據接入的問題，并不能直接為企業量化其降本增效的價值。而循環智能的產品立足于用AI重新塑造每個人的工作方式，真正為銷售團隊提高產能。公司今年推出的實時話術輔助系統，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能。隨著市場上流量和銷售線索逐步稀缺，企業會轉向數據驅動的精細化運營。我們看好并將繼續支持循環智能團隊，我們相信，切實提升銷售漏斗轉化的產品將成為企業銷售管理的利器。

未來：面向更廣闊的銷售場景

在我們看來，企業與自己的客戶之間的交互主要有兩種：一種是通過開發app或網站，供客戶使用，比如資訊、購物和短視頻平臺等；另一種是通過業務員與客戶進行交流，比如保險代理人、課程顧問和置業顧問等。

前者會產生以用戶點擊為主的行為數據，通過分析行為數據，企業可以更了解客戶的需求，從而提供更準的資訊、商品和短視頻；后者會產生電話錄音、在線IM溝通記錄等對話數據，這些對話數據中隱藏著成單的溝通秘訣、業務員的溝通能力和客戶的意向等信息，但企業還沒有充分利用好這些對話數據的價值。