9月24日，面向銷(xiāo)售場(chǎng)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(guó)基金領(lǐng)投的1200萬(wàn)美元融資，萬(wàn)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(jī)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(dá)成了合作，在保險(xiǎn)、教育、房產(chǎn)等領(lǐng)域簽約了招商信諾、眾安保險(xiǎn)、水滴、輕松籌、新東方在線(xiàn)、51Talk、自如、我愛(ài)我家等行業(yè)標(biāo)桿客戶(hù)。

據(jù)了解，循環(huán)智能致力于借助原創(chuàng)的自然語(yǔ)言處理（NLP）和深度學(xué)習(xí)技術(shù)，為企業(yè)提供轉(zhuǎn)化率更高的精準(zhǔn)銷(xiāo)售策略，并且為一線(xiàn)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(cè)“無(wú)需行為數(shù)據(jù)”

循環(huán)智能獨(dú)創(chuàng)了一項(xiàng)無(wú)需行為數(shù)據(jù)的成單預(yù)測(cè)方案，企業(yè)可以根據(jù)成單預(yù)測(cè)的結(jié)果，調(diào)整溝通策略，例如優(yōu)先與哪些客戶(hù)進(jìn)行溝通，或者應(yīng)該把高意向客戶(hù)給哪些銷(xiāo)售來(lái)跟進(jìn)等。

市面上的客戶(hù)成單預(yù)測(cè)模型，大部分是基于客戶(hù)瀏覽網(wǎng)站或App時(shí)產(chǎn)生的點(diǎn)擊等行為數(shù)據(jù)，以及客戶(hù)過(guò)往的訂單等業(yè)務(wù)數(shù)據(jù)進(jìn)行建模的。但是，在保險(xiǎn)、教育等很多銷(xiāo)售場(chǎng)景，在成交之前并沒(méi)有業(yè)務(wù)數(shù)據(jù)可以使用，也沒(méi)有用戶(hù)的行為數(shù)據(jù)，只有過(guò)往的電話(huà)錄音、文本記錄等數(shù)據(jù)。

那么，只用電話(huà)錄音或在線(xiàn)IM的文本記錄，是否可以進(jìn)行成單意向預(yù)測(cè)呢？循環(huán)智能開(kāi)創(chuàng)了無(wú)需行為數(shù)據(jù)的成單預(yù)測(cè)模型，并且在客戶(hù)的實(shí)際使用中可以帶來(lái)2~3倍的轉(zhuǎn)化率提升。這套成單意向預(yù)測(cè)模型，需要對(duì)接企業(yè)以往與客戶(hù)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(jìn)的自然語(yǔ)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(fù)例”進(jìn)行訓(xùn)練，得到無(wú)需行為數(shù)據(jù)的成單預(yù)測(cè)模型。

以保險(xiǎn)場(chǎng)景為例，循環(huán)智能的一家客戶(hù)企業(yè)通過(guò)這套模型來(lái)篩選出“已溝通但未成單”的海量線(xiàn)索中的高質(zhì)量線(xiàn)索，然后再進(jìn)行跟進(jìn)，相比企業(yè)原有的隨機(jī)跟進(jìn)或人工策略方案，跟進(jìn)名單的轉(zhuǎn)化率可以提升至 3.0倍，通話(huà)時(shí)長(zhǎng)提升至 1.6 倍。

AI模型對(duì)成單率的判斷比人更準(zhǔn)，主要原因在于，AI模型學(xué)習(xí)到了所有成單對(duì)話(huà)的特征，而人只聽(tīng)過(guò)少量的成單對(duì)話(huà)內(nèi)容，判斷有局限性。在流量紅利殆盡，新線(xiàn)索獲取難而且成本高的情況下，通過(guò)提升存量線(xiàn)索的二次銷(xiāo)售轉(zhuǎn)化率，可為企業(yè)帶來(lái) 5%~10% 的業(yè)績(jī)提升。

AI提升一線(xiàn)業(yè)務(wù)員銷(xiāo)售能力

在企業(yè)數(shù)字化轉(zhuǎn)型的過(guò)程中，銷(xiāo)售過(guò)程的線(xiàn)上化成為主流趨勢(shì)。無(wú)論哪種銷(xiāo)售方式，涉及到高附加值、復(fù)雜產(chǎn)品的銷(xiāo)售時(shí)，人與人的溝通過(guò)程必不可少。但企業(yè)普遍面臨的挑戰(zhàn)是，大量一線(xiàn)業(yè)務(wù)人員的專(zhuān)業(yè)能力和溝通能力不足，尤其是在面對(duì)客戶(hù)提出的異議時(shí)，缺乏有效的應(yīng)對(duì)策略，很容易導(dǎo)致意向客戶(hù)流失。

針對(duì)此挑戰(zhàn)，循環(huán)智能推出了一套提升銷(xiāo)售執(zhí)行力的解決方案，通過(guò)AI技術(shù)挖掘優(yōu)秀銷(xiāo)售的成單話(huà)術(shù)、溝通中的關(guān)鍵異議點(diǎn)和應(yīng)對(duì)方式，然后為普通銷(xiāo)售和銷(xiāo)售新人提供溝通輔助系統(tǒng)，幫助他們更好地應(yīng)對(duì)客戶(hù)的疑慮，延長(zhǎng)通話(huà)時(shí)間，提升成單率。

在循環(huán)智能的一家金融客戶(hù)的對(duì)比測(cè)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(shí)時(shí)輔助系統(tǒng)，在一段時(shí)間內(nèi)的業(yè)績(jī)差距達(dá)到 50%。

“我們從多家客戶(hù)那里了解到，當(dāng)業(yè)務(wù)員可以更好地應(yīng)對(duì)客戶(hù)提出的異議，就能讓溝通的時(shí)間更長(zhǎng)，最終的成單率也更高。所以銷(xiāo)售輔助系統(tǒng)的關(guān)鍵是，從過(guò)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(diǎn)和最佳應(yīng)答實(shí)踐。”循環(huán)智能CEO陳麒聰表示。

專(zhuān)注人與人溝通場(chǎng)景

過(guò)去大家普遍認(rèn)為人與人的溝通過(guò)程是非常個(gè)性化和多樣化的，所以依賴(lài)標(biāo)準(zhǔn)化、“結(jié)構(gòu)化”數(shù)據(jù)的AI技術(shù)很難帶來(lái)實(shí)際幫助。正是得益于新一代的自然語(yǔ)言處理和深度學(xué)習(xí)技術(shù)的突破，企業(yè)才能準(zhǔn)確高效地識(shí)別出同一個(gè)“語(yǔ)義點(diǎn)”的上百種表達(dá)方式，針對(duì)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(xiàng)自然語(yǔ)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(jì)，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(jiǎng)、吳文俊人工智能技術(shù)進(jìn)步一等獎(jiǎng)，并且入選了國(guó)家博士后創(chuàng)新人才支持計(jì)劃。

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(fèi)模式。CEO陳麒聰表示，接下來(lái)，循環(huán)智能將廣泛接入線(xiàn)上、線(xiàn)下等更廣闊的銷(xiāo)售場(chǎng)景，助力更多中大型企業(yè)實(shí)現(xiàn)業(yè)務(wù)、業(yè)績(jī)雙增長(zhǎng)。