整个销售 workflow 中,目前最适合 AI 发挥作用的是售前 GTM、以及 Customer Service 两个环节。售前 GTM 的工作环节包括 Lead Qualification、Needs Discovery、Demo、Outbound 以及 Solution Presentation 前的会议预约,每个板块也有 niche 的创业公司。
通过研究,我们发现客户在售前阶段最急需的自动化功能集中在潜在客户生成(Leads Generation)和外呼(Outbound)环节。这两个环节正是我们未来关注的重点方向。
Leads Generation 是最销售漏斗的顶部,leads 的质量直接决定企业触达客户的转换效率。在高度竞争或细分行业,例如 B2B SaaS、金融科技、医疗健康等领域,客户的选择性较强且需求专业化。在这些行业中,SDR 团队通常会花费更多时间研究潜在客户,制定个性化的推广策略,以提高转化率和客户满意度。在这类环境下,基于大语言模型(LLM)的潜在 leads 生成,正成为客户获得高质量 leads 的关键手段。
自动化 outbound 外呼是现阶段落地效果较好的核心场景,在市场竞争较低或产品目标群体广泛的行业,例如消费品、低门槛的 B2C 产品等,企业通常会采用低成本的大规模推广策略,比如大量发送电子邮件。这些策略虽然转化率较低,但由于客户选择较多且需求较为通用,仍能带来一定的推广效果。在这种场景中,语音外呼(Voice Agent Outbound)技术的应用潜力日益凸显。
而 Clay 就专注为客户解决 leads 生成和潜在客户研究的问题。潜在客户信息来自企业购买的数据库,这些数据库往往零散且互不连通。针对这一痛点,一方面,Clay 通过整合超过 75 家数据提供商的信息,提高了数据的覆盖率和准确性;另一方面,通过 Claygent 公开数据抓取,Clay 使用 GPT-4 来理解和提取信息,对信息进行判断比对、总结处理,减轻了员工手动筛选研究的工作。
💡 目录 💡
01 对售前 AI 市场对关键判断
02 什么是 Clay
03 对Clay 的判断
04 公司及产品分析
05 竞对分析
06 值得关注的 Venture/Early Growth 公司
在 Leads Generation 环节:
1. LLM 在量级维度提高 leads 数据的实时性和准确性。传统的数据提供商依赖人工,每 60-90 天更新一次数据,效率低且易出错。而现在,依靠 Agent,leads 数据的更新可以几乎完全自动化,实现实时、高效的更新。然而。这一过程虽能提升数据的实时性,但可能并不能带来非常独特的数据。
2. 大幅度减少研究 leads 的人工成本,同时提升研究的深度。凭借 AI Agent,两个销售人员的工作量可以达到十人的工作量。过去,优秀的销售人员需要花费大量时间研究潜在客户的需求和行业动态。AI 可以自动化这一过程,迅速识别高潜力客户,并提供深入的行业分析。未来,AI ADR 业务的核心应当是打造 AI 研究工具,帮助企业更高效地识别和跟进潜在客户。
3. 以上两点可能会提高企业采购 Leads Generation 产品的渗透率。当前,企业在采购 leads 时面临的问题是,不同的供应商提供不同的数据,且选择供应商通常依赖于企业的目标客户群体和理想客户画像(ICP)。因此,在成本允许的情况下,企业往往会选择多个数据供应商,导致系统复杂、数据冗杂且更新滞后。目前 ZoomInfo 的市场渗透率仅有 2%。通过将多个数据供应商的数据整合与 AI Agent 结合,类似 Clay 这样的第三方数据服务商可能会成为更加合理的解决方案,它通过实时更新数据并进行 leads 研究,简化了采购过程。
在 Outreach and Contacting 环节,Voice Outbound 已广泛应用于售前阶段,尤其是在客户群体广泛且单个客户价值不高的 B2C 企业中。
1. AI 能够大幅降低人工成本,扩展潜在客户的触达范围,即使是 2%-3%的转化率提高也能达到企业的预期。与售后相比,售前的技术难度较低,因为常见的场景和需求较为固定,因此只需精准覆盖这些常见场景。
2. 尽管 Voice Outbound 已经实现了产品市场契合(PMF),但是很难打造差异化。语音外呼系统的差异化较小,且容易通过内部搭建解决。因此,收益方可能是 11labs、cartesia 这种拥有最好语言模型的公司。
售前阶段全流程自动化维度,公司如 11x 和 Artisan 的目标是实现全流程自动化,以此替代人工销售代表(SDR),大幅降低成本并提高触达率。
AI SDR(销售代表)业务在市场上具有较强的吸引力,许多企业愿意尝试这一新兴技术。AI 的引入使得企业能够更高效地执行 Leads Generation、客户调研等任务。然而,当前大部分 AI SDR 工具依赖公开的信息源进行数据爬取,并未生成足够新颖或独特的数据。因此,这些产品的独特性较低,容易在行业中同质化,竞争力难以持续。企业需要在 AI 功能之外进一步努力,例如通过建立社群、寻求更多战略合作伙伴等方式增强自身数据的独特性。
3. Leads Generation 市场的竞争格局
目前,Leads Generation 市场保持分散格局,AI Agent 只是提升了 leads 信息更新的效率,不同的数据提供商还是会有自己独有的数据积累。
• 第一方数据提供商: 例如 ZoomInfo、Apollo 和 RocketReach 等,这些公司依赖自有数据源提供全套工作流程工具。这些公司的大部分数据来自 UGC 平台,如 LinkedIn、Reddit 或其他社交媒体。不过很多一手数据方的数据可能是灰色的,在公开渠道并不能得到,比如付钱给员工去爬公司内部系统的数据等等。
• 第三方数据提供商: 比如 Clay、Seamless、Lusha 等,它们通过集成多个数据源提供 API 接入的批量数据服务。一手数据提供商可能会给 Clay 等第三方数据方提供部分数据子集,但不是全部,这也是一手数据方保持相对竞争优势的方式。
在众多 leads Generation 公司中,ZoomInfo 凭借其强大的数据处理能力和市场积累,处于有利的竞争位置。通过集成 LLM 能力,它能够进一步提升产品功能,增强数据更新速度和准确性。ZoomInfo 的产品高度集成,易于嵌入 CRM 系统,且客户的替换成本较高,这使得它在企业市场中拥有较大的粘性。ZoomInfo 于 2024 年发布了 Copilot AI,该产品的核心功能包括 Leads Generation、个性化邮件撰写、客户决策支持等。该产品在一定程度上提升了客户的销售 pipeline,但实际应用中的效果仍需进一步验证。
短期内,会更看好已经建立了稳固数据 pipeline 和工程基础,并能够构建优秀 AI Agent 进行 leads 研究的公司。可以关注 ZoomInfo 和 Clay 等在数据服务和 AI 自动化方面有深入布局的公司。
长期投资会更看好能够替代人工销售代表(SDR)的公司,尤其是那些能够利用 LLM 实现全流程自动化的公司,目前该领域的代表公司为 11x.AI。
AI SDR(售前)是一个细分且分散的市场。Clay 成立于 2017 年,属于售前概念下的 Prospecting (客户线索挖掘类)公司,是目前 AI 创业热度最高的细分赛道,因为该领域信息噪声大,需要大量的信息去噪工作。Clay 2024 年 6 月完成 B 轮融资,融资金额 4.6 亿美金,领投方为 Meritech Capital。Clay 正在融新的一轮,Meritech 继续领投,预计公司估值达到 1.3B。
Clay 在过去 2 年内实现了 10 倍的同比增长,当前 Clay 的客户数超过 2500 个,以中小企业为主,同时还包括 Notion、Anthropic 和 Verkada 等大型机构,用户数超过 10 万名。
Co-founder Kareem Amin 和 Nicolae Rusan 两人都是连续创业者,在营销自动化领域深耕多年,对如何打造出一款好产品颇有经验。Kareem Amin 曾在微软担任产品经理,2011 年创立 Frame(优化电商平板界面的工具),次年被 Sailthru 收购。随后在《华尔街日报》任产品副总裁,2017 年创立 Clay。Nicolae Rusan 曾与 Kareem 一起创立 Frame,收购后在 Sailthru 和道琼斯任职,2017 年再次与 Kareem 合作创立 Clay,并于 2023 年推出 AI 产品 Toolkit。Clay 第三位联合创始人 Varun Anand 于 2021 年加入负责运营转型,曾在 Google 负责 VR 和硬件团队。
1. 市场机会:LLM 的引入后,对 AI SDR 行业扩大效应。ZoomInfo 目前市值约为$3.78b,为超过 80 万家企业客户提供服务,市场渗透率约为 2%。根据 MRFR 的行业报告,B2B Leads Generation 市场的规模将从 2023 年的$8.14B 增长到 2032 年的$21.4B。在预测期间(2024-2032 年),Leads Generation 市场的 CAGR 预计约为 11.33%。LLM 的引入后,通过自动化 ICP 线索收集、数据丰富和个性化 outbound 信息生成等提高 SDR 了在 Leads Generation 的工作效率,会进一步吸引客户在 AI 产品上加大投入。
2. Leads Generation 是售前核心环节,其他功能以此为基础延展。以 SaaS 行业为主的客户在采购 AI 售前产品时的核心目的是获得高质量的 leads。
3. Clay 相对于其他 Leads Generation 公司的优势及 evidence:
• 与主流数据提供商合作密切,集成能力强大:Clay 与 75+家数据提供商有合作关系,相比竞品,Clay 有更多集成合作伙伴,拥有更多的数据源,可以给客户提供更多的数据点,比如 Linkedin 是 Clay 的数据源之一,用户可以直接查询 LinkedIn 的数据来筛选潜在客户,并且实时更新联系人的状态。
• 平台数据更丰富,数据准确率更高:Clay 可以进行数据的“waterfall”,允许客户从多个数据提供商收集和整合数据性。所以,Clay 具有同类别 leads 搜索产品中最高的数据准确率,具体包括电子邮件地址更加准确;客户当前的职能和头衔更加准确。
• 团队深耕营销自动化多年,hands on 经验多,比起 11x 等更务实:Clay 的两位 Cofounder,Kareem Amin 和 Nicolae Rusan,都是连续创业者,在营销自动化领域深耕多年,且对如何打造出一款好产品颇有经验。Kareem 曾在微软担任 PM,2011 年两人一起创立营销自动化公司 Frame,后被 Sailthru 收购。在发展过程中,Clay 完成了一次成功的产品转型:早期团队会根据客户需求开发跟营销场景无关的平台功能,但并没有收获与之对应的增长。后来将产品的 ICP 定位锁定在企业销售团队,成功实现了增长。
• 商业化进展迅速,且已经形成了生态圈:过去 2 年内实现了 10 倍的同比增长,客户数超过 2500 个,用户数超过 10 万名。30% 的客户每天都在使用 Claygent,每天产生 50 万次研究和推广任务。并且市场上出现了十几家 Claygencies,围绕 Clay 建立全面的 GTM 代理服务,其中一些的年收入达两百万美元。
4. Clay 的估值倍数对比其他 GenAI 公司更合理,且有较扎实的 ARR 支撑。
5. 未来想象力:Clay founder 在访谈中表示未来将要建立 the Sales ‘System of Action’ with AI。Clay 的 cofounder Kareem 认为人类销售代表会在短期内不会被淘汰,AI 工具需要在“想象力”和“自动化”之间找平衡,利用 AI 提高销售专家的效率,才能避免 AI 的瓶颈,发挥人类的创造力。
Concerns 主要为当前估值在 26-65 倍 PS 范围内,有些偏高。以及自动化代理如 11x 的发展速度是否会超过 Clay,从而根本替代 leads 集成产品。
在企业的对外销售环节,优秀的 SDR 团队会花时间深入研究潜在客户,然后再发送有创意、相关且个性化的推广信息。但许多公司缺乏这样做的资源,而是使用大规模且转化率低的垃圾邮件推广。
Clay 最初的愿景是让更多人能够获得 programming 的力量。不同于 Figma、InVision 和 Miro 这样的协作软件工具,Clay 已经开始思考 API 和 SaaS 工具如何能帮助人们更好地工作。为了实现他们的初衷,Kareem 和 Nicolae 选中了电子表格这种低门槛、使用普及率高的形式设计产品。
Clay 的早期产品是从数十个数据库中抓取信息,然后直接将其拉入 Excel。有了初始版本,Nicolae 开始负责 prospecting,以便实现产品的商业化。通过寻找潜在客户,并深入了解对方的业务需求,Clay 积累了一批早期客户,并也意识到企业自己做对外销售 outbond 的难度很大,但同时潜在需求也很大。
商业化之初 Clay 瞄准销售领域,但拓客过程中,Clay 做出了很多让步,投入大量时间精力为客户开发了与其核心 usecase 无关的产品功能,比如招聘等。这些功能的复用率低,也造成了资源浪费。
2021 年前后,Kareem 与新加入的 cofounder Varun 带领公司进行产品转型,将产品的 ICP 定位在企业销售团队,产品功能紧紧围绕 outbond 场景。垂直化的产品定位策略行之有效,这家成立于 2017 年的公司,在过去两年内的收入实现了 10x 增长。
Clay 计划以模块化方式构建 AI SDR,使每个组件独立运行并可定制化。
• 产品分析
Clay 致力帮助客户企业的销售 GTM 团队更好的执行 outbound 任务。主要功能包括:
1)辅助调研竞争对手
2)完成 SDR 员工的基础网页信息检索和信息调研工作。
另外,clay 也在探索售前的其他增量场景。如客户 Verata 用 Clay 来做 inbound,为访问其网站的用户生成个性化的登录页面。同时,Clay 已经形成了一个由 17 万+成员组成的 slack 社区,客户反馈共同创新的 Clay 平台功能。
Clay 平台注册后即可使用,整体界面类似飞书,但其产品输出结果全部以电子表格的形态呈现。
进入 workshop 界面后,用户可以新建 table 和 folder,最近 Clay 还推出了 beta 版的 workbook 功能,用以归纳各种 table。
作为一款主要功能为线索收集类的 AI SDR 产品,Clay 为用户提供主流使用场景的电子表格模板,主要包括四部分:Signals、Companies、People、Other。每部分均包含了更加细分使用场景的模板。Clay 拥有强大的集成能力,其模板集成了许多值得信赖的数据提供商的外部数据,比如 LinkedIn、Salesforce、GitHub、Pitchbook、Ocean.io、Google Maps 等。
在选择好模板后,界面左侧会出现一列筛选条件,用来更精准检索目标。不同用途的筛选条件不尽相同,此处以 find jobs 这个使用场景为例展示。筛选条件包括公司来源、职位名称(include/exclue)、职位描述(include/exclue)、职位地点(include/exclue)、职位类别、是否有招聘人员、职位发布日期等。输入目标条件后,Clay 会在界面右侧生成根据条件筛选后的结果。确认条件无误后,即可生成表格。
下图是利用 Clay 产品的“Find Jobs”模板生成的表格,用户可以根据需求新增信息列,比如职位发布网址、公司所属行业、薪水区间等等信息。
• Claygent
Claygent 是 Clay 的 AI+SDR Agent。灵感来自一篇名为 ReAct: Synergizing Reasoning and Acting in Language Models 的论文。这篇论文提出了一种新的方法,结合 Reasoning 和 Acting 来提升语言模型在处理任务时的表现。Claygent 正是参考了这种方式,通过使用 LLM 联网搜索并收集相关信息,然后通过多种工具执行复杂的任务,以便简化和优化销售流程。
从产品技术实现角度看,Claygent 本质上是一款利用 AI 来实现爬虫的网络抓取工具,它使用 GPT-4 来理解和提取网站中高度具体的信息。Claygent 这个产品的 engieering 是否扎实可能是 clay 的 leads 生成效果与其他公司拉开差距的核心原因之一。
在抓取网站数据时,直接将整个网站发送给 GPT-4 的效率并不高,Claygent 会通过询问 GPT-4 抓取网站中的哪个部分最有可能包含其所需信息,并针对性抓取最有效的网页部分。例如,GPT-4 可能会指出 SOC-2 合规信息通常位于页脚中。然后,Claygent 可以专门抓取页脚,而不是整个网站。Claygent 还使用二分搜索法,即选取网站的一部分,检查是否存在所需数据,如果没有,则转到另一部分。这种方法会逐步缩小搜索范围,直到找到所需信息。
如何使用 Claygent:该工具内嵌在 Clay 平台生成的表格当中,用户需新建一个表格,添加想要研究的 ICP 列表,选择 Add Enrichment,并在 Tools 中找到 Claygent(AI Web Scraper)点击并使用。
Claygent 最常见的 usecase 是 inbond 环节的 ICP leads 获取,大致的 workflow 分为如下三个步骤:
1. 检索并获取数据:Claygent 集成了 Google Search, ChatGPT 和 web scraping,用户只需在 Mission 栏内输入对应的 prompts,即可一键自动完成 ICP 信息检索。此外,用户还可以选择使用自己的 OpenAI API Key 或者是 Clay 的 OpenAI API Key 来完成检索,前者免费,后者则需要单次消耗 1 积分。
例子:要求 Claygent 检索公司的最低定价细节
2. Double check 并给出 source:如果用户想要搜索结果真实可靠,可以要求 Claygent 给出其数据的 source,也可以在输入 prompts 时就指定想要的信息来源(如 Linkedin、Google 等)。
3. 以指定格式输出检索结果:用户 Claygent 支持用户指定检索结果的输出格式,比如文本、数字、网址、true or false 或其他自定义格式。为了确保 Claygent 数据的可靠性,Clay 在最终信息输出环节会结合来自多个数据提供商的信息,并使用不同的模型进行交叉验证,确保给出准确的调研结果。在上面示例中,用户在输入 prompts 时就清楚地说明了格式,因此 Claygent 给出的输出结果是以“每月$[价格]”的格式呈现。
• 商业模式
Clay 的产品共有五种定价方案,分别是 Free、Starter、Pro、Explorer 和 Enterprise,以及两种收费模式,按月收费以及按年收费(享受九折优惠)。此外,Clay 产品内使用部分付费功能需要消耗 credits(积分),free 版本会赠送 1k 的 credits 作为两周内的试用,每种定价方案对应的 credits 如下表所示。
• 商业化进展
当前,Clay 的客户数超过 2500 个,用户数超过 10 万名。在 Clay 的客户中,已经有 30% 每天都在使用 Claygent,每天产生 50 万次研究和推广任务。
此外,Clay 已经形成了自己的生态圈,市场上出现了十几家 Claygencies。客户在使用 Clay 产品时仍需要几名工作人员实现全流程和周期的客户线索交付,代理机构围绕 Clay 建立 GTM 代理机构,其中一些年收入高达两百万美元。
通过梳理客户访谈以及竞对访谈,我们总结了客户对 Clay 的一些核心 usecase 以及评价,总体来说,客户主要在使用 Clay 的线索搜寻和 Data Enrichment 功能。Clay 也可以为客户提供个性化信息和邮件内容生成的功能,但并不能像 Outreach 和 Apollo 那样自动发送电子邮件。
此外,Clay 团队也非常擅长市场营销。有些客户认为 Clay 能够在同类别产品中脱颖而出、实现迅速增长的原因之一是他们非常愿意在营销上投入资金。
AI SDR 是一个细分且分散的市场。仅包含销售线索捕获(Prospecting: Capturing the Lead)这一功能的创业公司,就可以分为上图多个关键领域。而与 Clay 最紧密竞争的是 List Building & Enrichment 领域的公司,代表公司包括 Clay、Common Room、Unify、Jeeva、Fiber AI、Lantern、以及 ZoomInfo。这些公司专注于通过数据整合和自动化技术,帮助企业快速建立并丰富客户线索清单。核心是是否有高质量的数据源以及公开数据的爬取和处理能力。
ZoomInfo 成立于 2007 年,核心功能是通过其庞大的数据平台帮助销售和市场团队找到潜在客户(leads)、获取公司和联系人信息,并提供洞察来提高销售效率和转化率,2020 年 6 月上市,现在的市值在$3.77B。
在上市前后,ZoomInfo 陆续收购了几家具有协同效应的智能营销公司(包括 NeverBounce、Komiko、Clickagy 和 Everstring)。作为 SDR data leads 领域的代表性玩家,ZoomInfo 以其数据的深度和广度而闻名,能够提供实时的洞察和线索评分,帮助组织快速识别高潜力的潜在客户。其数据来源主要有三个:1X 用户对平台的贡献(Contributory network);2X 网络公开信息;3X 第三方数据源。
虽然 ZoomInfo 和 Clay 的核心功能(即营销线索收集)高度重合,但对比 ZoomInfo,Clay 凭借其高度集成能力,给客户提供的数据质量更高。ZoomInfo 有企业的融资新闻或招聘新闻,但他们并没有 Blog 等其他内容。但是 Clay 可以找到更多的 source 的内容,辅助研究性质更足。
ZoomInfo Copilot AI 是 ZoomInfo 推出的一款 AI 驱动的销售辅助工具,于 2024 年 5 月正式发行,旨在通过集成 CRM 和分析各种买家信号(Buyer Signal)来提供即时 actionable 的 insights,以提高企业 SDR 的效率和销售成交率。
• Demo
Copilot AI 目前仍旧需要申请加入 waitlist 才可试用,根据官方发布的 demo,其操作界面如下图所示:
• ZI Copilot 的目标与市场定位
Copilot AI 的目标是自动化执行销售团队的手动任务,并提供洞察,例如基于客户的最新动作预测他们的需求,并建议最佳接触时机和沟通策略。
市场定位方面,Copilot AI 提供的是一个涵盖 ZI 现有功能的复杂工具集,而 SMB 可能更关注 leads 获取和数据质量,而并非复杂的 AI 解决方案。考虑到成本效益问题,SMB 或许不是 ZI Copilot AI 的目标客户,而这正是 Clay 当前的核心客户群体。
目前 ZI Copilot 最常被使用的功能依旧是 Leads Generation 和 Contacting & Email Outbond。此外,ZI Copilot 提供决策洞察的潜力值得关注,这或许会将 ZI 的主要服务对象从企业的 SDR/BDR 扩展到 AE,也代表了 ZI 在数据服务之外,向更深入的工作流程中扩展的战略步骤。
虽然距离 Copilot 正式发布已经过去半年,但除了 ZI 官网给出的客户反馈,在其他渠道的访谈中,缺乏客户购买 Copilot 后有明确的正面或负面反馈,也缺乏具体的提效 evidence。
Apollo.io 是一家为客户提供 B2B 数据库服务的 SDR 初创企业,成立于 2015 年。现在为全球超过 8 万名付费客户、300 万市场进入专业人士和 50 万家公司提供服务。他们的客户范围从初创企业到全球企业,包括 Stripe、Rippling、DocuSign 和 Autodesk。截止 2024 年 11 月,Apollo 合计融资 6 轮,共募集$253.1M。最近一次$100M 的 D 轮融资发生在 2023 年 8 月 29 日,由 Bain Capital Ventures 领投。
Apollo 的核心产品是其为客户提供的智能销售平台。为了保持最高水平的覆盖范围和数据准确性,这个销售智能平台采用了基于社区的方法,让用户参与数据来源。该平台的主要功能包括:
• 线索收集:Apollo 提供超过 65 种过滤器,包括职位、地点和行业,以帮助快速识别潜在客户。平台还允许客户自定义评分模型,基于特定变量如职位角色、参与活动和行业,以排名潜在客户。
• 报告分析:提供强大的分析工具,帮助跟踪多个指标的表现,包括 A/B 测试能力。
• CRM 集成:与现有 CRM 系统集成,简化工作流程。
• Outbond 全流程辅助:提供多渠道序列工具,包括自动化电子邮件、电话和 LinkedIn task。
虽然 Apollo 可以用来构建外呼销售客户列表,但是通过对比,发现 Clay 的数据质量更好,且有更多的数据点,可以调整更多的设置。此外,有客户反馈 Apollo 的数据质量在变差,提供的数据准确性存在问题。
值得关注 Venture/Early Growth 公司
根据 Battery venture 对于 AI-native GTM 公司的 Mapping,我们对公司进行了筛选。
在 Prospecting 领域的公司普遍处于相对早期的发展阶段,作为增量工具,它们通常与 Salesforce、Hubspot 等主流 CRM 数据库对接,增强销售团队的效率。不同公司的具体实现有所差异,但其基础工作流具有一定的相似性,包括以下三个核心环节:
1. 数据源扩展与接入:通过整合外部数据库、Google 搜索、LinkedIn 数据以及用户点击行为等多渠道数据,构建更全面的用户画像。
2. 意图分析与打分:基于数据分析为潜在客户打分,识别意图信号明确的用户,以确定下一步行动目标。
3. 自动化流程创建:结合 AI 分析,自动生成推广邮件、更新 CRM 数据等操作流程,显著提高销售工作的自动化和精准度。
Unify 提供整合多数据源的智能销售工具,帮助企业全面了解潜在客户并实现自动化销售流程:
• 用户信号集成:将 G2、客户行为追踪、新雇员动态、产品使用数据及邮件整合呈现,为用户提供全方位的客户视图。
• 自动化筛选用户:根据理想客户画像、目标行业、意向信号和 CRM 数据创建受众群体,同时支持设置排除条件以提升筛选效率。
• 数据精准呈现:通过瀑布图可视化,整合多个供应商的 API,为用户提供准确的联系人信息(如邮件和电话号码)。
• CRM 集成:与 Salesforce 和 Hubspot 对接,实现 CRM 数据的实时更新与同步。
团队背景
Unify 由 Rice University 毕业生创立,创始团队兼具工程师和投资人的深厚背景:
• Austin Hughes (Co-Founder & CEO):曾在 Ramp 负责产品增长,在 SoftBank 担任投资人,有丰富的金融和创业经验。
• Connor Heggie (Co-Founder & CTO):曾任职于 Scale AI 和 Helm.ai,从事产品开发及机器学习研究,技术背景深厚。
融资进展
• 2024 年 10 月:完成 A 轮融资 1200 万美元,由 Emergence Capital 和 Thrive Capital 领投。
• 2024 年 6 月:种子轮融资 1170 万美元。
• 2023 年 2 月:种子轮融资 630 万美元。
Common Room 是一个聚合用户信号并驱动自动化客户拓展的智能平台:
• 信号整合:通过多数据源(如用户点击、购买信号等)采集潜在客户信息,结合 AI 分析并进行意图打分。
• 自动化执行:通过 API 自动化发送邮件、通知团队、同步潜在客户至 Hubspot 等工作流。
• 勘探功能:依托专有的 2 亿 B2B 联系人数据库,由 LLM 驱动的代理 RoomieAI 快速识别并联系目标客户,无需跳转页面即可完成任务。
创始团队由微软、亚马逊等知名企业资深员工组成,技术与金融背景兼备:
• Linda Lian (Co-Founder & CEO):曾任职于亚马逊和 Madrona,具备丰富的产品营销与投资经验。毕业于哈佛大学。
• Viraj Mody (Co-Founder & CTO):Dropbox 工程总监出身,拥有创业经历(Audiogalaxy)。
• Tom Kleinpeter (Co-Founder & Chief Architect):曾任 Dropbox 工程总监,在 Microsoft 担任过高级软件工程师。
融资进展
• 2021 年 4 月:B 轮融资 3230 万美元,由 Greylock 领投。
• 2020 年 9 月:A 轮融资 1630 万美元,由 Index Ventures 领投。
• 2020 年 5 月:种子轮融资 430 万美元,由 Index Ventures 和 Madrona 领投。
Enablement 领域,既有已经上市的大型平台,也有在垂直细分领域的初创公司。其中,成熟公司如 Seismic 和 Highspot 是直接的竞争对手。整体来看,这些平台通过丰富的功能为 GTM(Go-To-Market)团队赋能,主要提供以下能力:
• 知识整理库:帮助团队高效管理和检索关键信息;
• 定制对话 Bot:支持实时对话辅助,优化客户沟通;
• 定制生成功能:基于团队需求生成个性化内容;
• 工具库:集成多种常用工具提升协作效率;
• RFP 助手:自动化完成提案文档(RFP)的生成和优化。
Quilt 利用 AI 和软件解决企业知识管理和协作中的难题。
产品亮点
1. 企业知识平台:整合 Google Drive、网页和本地文件的文档,快速协作更新知识库。
2. 快速问卷助手:通过 Google 表格实现一键协作,用于高效填写 RFP、RFI、DDQ、调查问卷等。
3. 团队聊天 chatbot:实时回答团队问题,提供资料来源,并自动纠正知识库中的错误答案。
团队背景
• Daniel Chen(联合创始人 & CEO)曾创立 Hero.app 并担任 CEO,后在 Sequoia Capital 和 A16Z 任职 Partner。毕业于 Caltech,主修计算机科学与商业经济管理。
• Michael Graczyk(联合创始人 & CTO)曾创立 OpenToken 并担任 CTO,在 Google 和 Instagram 有丰富的软件工程经验。毕业于斯坦福大学(硕士)与德州大学奥斯汀分校(学士),均主修电气工程。
融资情况
• 种子轮:2024 年 5 月,获 Sequoia Capital 投资 250 万美元。
产品演示(demos)领域的 startup 交互式 demos 的普及。主要特点包括:
1. 产品丰富性
• 交互节点:为观众提供主动选择的机会,增强互动性。
• 个性化定制:AI 降低成本后,可轻松制作满足用户需求的个性化 demos。
• 便捷编辑:支持随时修改已完成的演示内容,提高灵活性。
2. 数据与集成
• 多维数据分析:深入挖掘用户行为和偏好,优化效果。
• 系统集成:与其他工具无缝衔接,提升业务效率。
围绕产品演示(demos)创业的 startup 以交互式 demos 为主。主要能力包括:
• 交互节点:为观众提供主动选择的机会,增强互动性。
• 个性化定制:AI 降低成本后,可轻松制作满足用户需求的个性化 demos。
• 便捷编辑:支持随时修改已完成的演示内容,提高灵活性。
• 数据集成:深入挖掘用户行为和偏好,优化效果,与其他工具衔接,提升业务效率。
Arcade 提供一种快速创建交互式 demo 的方法,帮助用户在几分钟内完成高转化率的产品展示。
产品亮点
1. 灵活互动:支持观众通过高级分支和选项自主探索内容,提升参与度并实时跟踪演示表现。
2. 个性化设置:通过自定义变量实现规模化个性化,扩大演示的覆盖与影响力。
3. 便捷编辑工具:通过 Page Morph 和智能缩放功能优化编辑体验,引导观众关注产品核心亮点。
融资情况
• A 轮:2024 年 11 月,获 Kleiner Perkins 领投,融资 1400 万美元。
• 种子轮:2022 年 9 月,Foundation Capital 领投,融资 500 万美元。
• 种子轮:2022 年 1 月,Upfront Ventures 领投,融资 250 万美元。
在 Outbound 领域,AI 数据分析平台和与销售人员协作的 AI Copilot 正逐步成熟。以 Co-pilot 为例,已有多个大型平台如 Outreach(估值 44 亿美元)、Salesloft(估值 23 亿美元)、Gong(估值 75 亿美元)、Qualified(估值约 4 亿美元)已经发展到较成熟阶段。同时,也涌现出以 email 自动化为主的种子轮公司,如 Tofu、AISDR 等。Auto-pilot 领域也快速发展,如 11x。像 Nooks 和 Regie.ai 等处于 A/B 轮阶段的公司,也在积极探索 AI phone outbound 等应用场景。
Nooks 是一款专注于提升销售团队效率的 AI 销售助理平台,特别适用于自动化拨号、潜在客户挖掘和销售流程中的其他繁琐任务。Nooks 的 AI 销售助理平台(ASAP)帮助销售代表自动完成电话拨打、客户挖掘和初步沟通等基础工作,从而使销售人员能够专注于更高价值的人际互动与战略决策。Nooks 的平台已经获得数千名 SDR(销售开发代表)和 AE(客户经理)的信任,成为增长最快的 AI 销售工具之一。
团队背景
Nooks 的创始人 Daniel Lee,曾在 Scale AI 和 Cerebras Systems 担任技术岗位,具备丰富的机器学习和数据驱动产品开发经验。Nikhil Cheerla 曾在 Tesla Autopilot 和斯坦福大学视觉实验室进行过深度学习研究,Rohan Suri 则有在医疗设备领域的创业经历。
融资情况
Nooks 已成功筹集 4300 万美元的 B 轮融资,由 Kleiner Perkins 领投,Tola Capital 和 Lachy Groom 等投资机构跟投。
TOFU 提供的 B2B 营销 Co-pilot 平台,专为大规模营销活动和多渠道客户互动而设计,帮助企业在整个营销漏斗中实现自动化和个性化。TOFU 的核心产品通过自动化的方式生成全渠道营销内容,包括定制化电子邮件、登陆页面、广告文案等,帮助营销人员大幅提升活动效果并缩短投放周期。平台支持 1:1 的 ABM(账户主导营销)活动,能够针对每个客户的特定需求和痛点,提供定制化的内容,极大提高了客户转化率。
TOFU 还提供内容再利用功能,用户只需提供基础内容,TOFU 即可自动生成衍生广告活动内容,支持包括 HubSpot 和 Outreach 等常用平台的集成。此外,TOFU 还具备强大的数据分析和反馈机制,能够追踪和评估各个渠道的营销效果,帮助团队优化策略、提高 ROI。
团队背景
TOFU 的创始团队拥有丰富的技术与产品经验,Co-founder Eunjoon Cho 曾在 Google、Meta 和 Affirm 等大公司担任重要工程管理岗位,拥有语音技术和人工智能的深厚背景。CTO Honglei Liu 则曾在 Facebook 和 Twitter 领导机器学习和数据平台的团队,具备强大的 AI 和数据驱动产品开发能力。
融资情况
TOFU 在 2023 年成功完成了 500 万美元的种子轮融资,由 Index Ventures 领投,SignalFire 和 Stage 2 Capital 等机构跟投。
在客户关系管理(CRM)领域,像 Salesforce、HubSpot 和 Monday.com 等公司已经成熟,并成为市值百亿至千亿美元的上市巨头。与这些行业领袖相比,Attio 是一家初创公司,但已经在市场上取得了显著的成长,逐渐扩大其市场份额。Day.ai 得到了红杉资本领投的 400 万美元种子轮融资,并且拥有 HubSpot 前首席产品官(CPO)作为重要成员,有较强的潜力和竞争优势。
Day.ai 旨在通过简化传统 CRM 系统的复杂手动操作,帮助企业实时了解客户需求。Day.ai 将关系管理、智能会议助理和 CRM 功能结合为一个统一的解决方案,提供全方位的客户管理体验。其产品能够自动化管理客户信息,提供基于客户需求的智能会议助手,整合知识库页面,优化企业与客户之间的互动。
团队背景
Day.ai 由前 HubSpot CPO Christopher O'Donnell 和具有丰富 B2B 投资经验的 Michael Pici 联合创立。O'Donnell 在创业和产品管理方面有丰富的背景,曾成功创办并将 ProfitWell 卖给 Paddle。Pici 也有丰富的 HubSpot 经验,帮助公司推动从营销驱动型到产品驱动型的转型。
融资情况
Day.ai 已获得 Sequoia Capital 领投的 400 万美元种子轮资金。
Bolt.new:AI Coding 领域的 Figma,2 个月实现近千万美元 ARR
Abridge:AI Scribe 成为 AI 医疗应用的最佳实践
AI Coding 最全图谱:Agent 将如何颠覆软件
Sora V2 即将发布,AI Creativity 赛道有哪些机会?