9月24日，面向銷售場景的AI企業(yè)服務(wù)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(biāo)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(xué)習(xí)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(wù)員提供AI輔助系統(tǒng)，提升其執(zhí)行力。

成單預(yù)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(yù)測方案，企業(yè)可以根據(jù)成單預(yù)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(yīng)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(yù)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(wù)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(wù)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(yù)測呢？循環(huán)智能開創(chuàng)了無需行為數(shù)據(jù)的成單預(yù)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(yù)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(xùn)練，得到無需行為數(shù)據(jù)的成單預(yù)測模型。

在保險場景，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(xué)習(xí)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，新線索獲取難而且貴的情況下，通過提升存量線索的二次銷售轉(zhuǎn)化率，課為企業(yè)帶來 5%~10% 的業(yè)績提升。

AI提升一線業(yè)務(wù)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(fù)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(wù)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(yīng)對策略，很容易導(dǎo)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(yīng)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(yīng)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(dāng)?shù)臉I(yè)務(wù)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(dāng)業(yè)務(wù)員可以更好地應(yīng)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(yīng)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(biāo)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(xué)習(xí)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(xué)聯(lián)合推出了深度學(xué)習(xí)模型 XLNet，該模型在 18 項自然語言理解任務(wù)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(xué)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(dǎo)企業(yè)的銷售流程發(fā)現(xiàn)新的機會，是很好的AI應(yīng)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(wù)員的工作場景，這對于一家年輕的企業(yè)服務(wù)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(wù)于產(chǎn)業(yè)。傳統(tǒng)的SaaS只解決業(yè)務(wù)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)績增長。