EverString：把企業(yè)客戶轉(zhuǎn)化率提升300%

“我們的客戶都是公司的銷售和總監(jiān)，他們以往用到的服務(wù)，一般能夠幫他們把銷售轉(zhuǎn)化率提升20%左右，我們可以提升到300%。”EverString的創(chuàng)始人楊文杰說。

對(duì)于EverString，我們?cè)?jīng)做過報(bào)道，它是一個(gè)專注于金融投資行業(yè)的大數(shù)據(jù)分析類的公司。但在業(yè)務(wù)上，它現(xiàn)在的應(yīng)用場(chǎng)景跟最初有很大的差別。是客戶的一個(gè)電話，讓他們突破瓶頸，發(fā)現(xiàn)了新大陸。

把人工智能帶入企業(yè)級(jí)應(yīng)用

EverString做的是典型的B2B型業(yè)務(wù)，面向公司的銷售和市場(chǎng)部門，可以精準(zhǔn)地篩選出公司的潛在用戶，幫助銷售減少尋找潛在用戶的機(jī)會(huì)成本，提高客戶轉(zhuǎn)化率。另外，還可以幫助企業(yè)精準(zhǔn)地尋找到新客戶。

“我們只分析公司，不分析個(gè)人。” 楊文杰說。EverString分析的公司數(shù)據(jù)，一端是EverString的企業(yè)客戶內(nèi)部的數(shù)據(jù)，一端則是這些客戶企業(yè)的潛在企業(yè)客戶的數(shù)據(jù)。前者數(shù)據(jù)由客戶企業(yè)提供,后者數(shù)據(jù)則通過挖掘全網(wǎng)在線企業(yè)數(shù)據(jù)和購買而來。

結(jié)合這兩部數(shù)據(jù)，系統(tǒng)通過機(jī)器學(xué)學(xué)習(xí)自動(dòng)建立客戶模型。首先，分析企業(yè)現(xiàn)有客戶。然后，再利用模型然后在全美國找最像企業(yè)現(xiàn)有客戶的潛在客戶。 且，這個(gè)建模過程都是全自動(dòng)的，無須任何的人工介入。

EverString目前主要應(yīng)用在北美市場(chǎng)。企業(yè)客戶只需要像登陸微信、QQ一樣登陸在Everstring上的賬號(hào)，將自己的CRM系統(tǒng)（客戶關(guān)系管理系統(tǒng)）與Everstring的引擎連接就可以了，剩下的事就可以交給系統(tǒng)了。

潛在客戶企業(yè)方面，楊文杰介紹，EverString目前已經(jīng)積累美國近700萬家企業(yè)畫像數(shù)據(jù)。它構(gòu)建了一個(gè)智能爬蟲，搜索分析全網(wǎng)的企業(yè)網(wǎng)站，利用自然語言分析，非監(jiān)督機(jī)器學(xué)習(xí)將其分解成產(chǎn)品頁面、招聘頁面、團(tuán)隊(duì)介紹頁面等等，從這個(gè)頁面當(dāng)中挖掘具體的信息，然后把這個(gè)信息放到機(jī)器學(xué)習(xí)的模型當(dāng)中去?；谝恍┖唵蔚淖兞?，做一些預(yù)測(cè)已經(jīng)是行業(yè)中大家都在使用的技術(shù)。但EverString是利用非結(jié)構(gòu)化的文本做機(jī)器學(xué)習(xí)，同時(shí)實(shí)時(shí)地分析上十萬到百萬個(gè)變量。

這個(gè)預(yù)測(cè)分析過程每分每秒都在進(jìn)行。楊文杰介紹，EverString到目前為止已經(jīng)為56家客戶公司構(gòu)建了他們的企業(yè)模型，平均的轉(zhuǎn)化率提升超過了3.8倍。現(xiàn)在EverString的客戶當(dāng)中已經(jīng)有將近5家世界500強(qiáng)，有很多是美國高速成長的公司。其中一家企業(yè)在使用EverString兩個(gè)月內(nèi)銷售收入翻了一倍。基于此，EverString從上線以來，短短6個(gè)月時(shí)間，實(shí)際入賬的銷售收入超過了百萬美金，每年的年費(fèi)收入2015年底預(yù)計(jì)超過7百萬美金。

一個(gè)電話引發(fā)的爆發(fā)

美國整個(gè)B2B市場(chǎng)營銷行業(yè)在2014年的市場(chǎng)規(guī)模是360億美金?？墒荅verString最終找到這條路，卻看似源于一個(gè)偶然。

楊文杰曾任職摩根大通投資銀行分析師、美國大型私募基金投資經(jīng)理。在硅谷做投資的時(shí)候，受到一個(gè)投資理念的啟發(fā)，就是挖掘那些別人都聽說過的公司。那時(shí)，他開始嘗試用機(jī)器學(xué)習(xí)和自然語言分析去追蹤分析美國近400多萬個(gè)企業(yè)網(wǎng)址，探索其中關(guān)于公司的成長信號(hào)的內(nèi)容，譬如公司正在招聘什么人等等信息。

這個(gè)方法成功地幫楊文杰找到了好幾家潛在投資對(duì)象。他很快決定辭職創(chuàng)業(yè)，把這個(gè)技術(shù)能力擴(kuò)散出去。他打電話給自己在上海交通大學(xué)數(shù)學(xué)系的校友汪超，兩人在大學(xué)時(shí)就是創(chuàng)業(yè)搭檔。汪超很快接受了楊文杰的建議，兩人打造了EverString的雛形。

后來，借在斯坦福念MBA的機(jī)會(huì)，楊文杰結(jié)識(shí)了很多斯坦福的博士，于是招兵買馬，建立了一個(gè)涵蓋自然語言分析、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘人才的團(tuán)隊(duì)。

從自己的經(jīng)驗(yàn)出發(fā)，EverString技術(shù)最初的應(yīng)用方向是針對(duì)金融行業(yè)，幫助他們分析的潛在投資對(duì)象。

但產(chǎn)品開發(fā)出來之后，EverString團(tuán)隊(duì)很快就遇到了一個(gè)瓶頸，那就是EverString針對(duì)金融投資行業(yè)的業(yè)務(wù)很難做大。因?yàn)镋verString服務(wù)的金融公司們的潛在投資公司有很大的重合度，所以每一家公司對(duì)EverString服務(wù)的使用就具有很強(qiáng)的排他性。那時(shí)，EverString剛剛從紅杉，IDG，真格基金那里融完了第一輪160萬美元資金，花了一年時(shí)間搭建起了理想中的團(tuán)隊(duì)。他們?cè)噲D找一個(gè)新的應(yīng)用場(chǎng)景。

轉(zhuǎn)機(jī)出現(xiàn)在一個(gè)電話里。美國一家殺毒軟件公司的市場(chǎng)總監(jiān)打來電話，對(duì)方詢問EverString的數(shù)據(jù)分析產(chǎn)品能否用在市場(chǎng)營銷中，幫助尋找潛在客戶。楊文杰和汪超之前沒考慮到這個(gè)問題，但既然有人互動(dòng)提出需求，他們決定做一下嘗試。

嘗試給出了驚喜的效果。他們發(fā)現(xiàn)，在營銷行業(yè)幫助企業(yè)分析下一個(gè)客戶，與對(duì)投行的分析方法是一樣的。而且，有一個(gè)好處是，每家公司所針對(duì)的客戶差異性很大。這家打來電話的公司獲得了意想不到的好效果，客戶轉(zhuǎn)化率提高了將近2倍多。這讓EverString整個(gè)團(tuán)隊(duì)都感到非常意外， 2014年1月初，EverString團(tuán)隊(duì)正式?jīng)Q定100%地全力投入到市場(chǎng)營銷市場(chǎng)。

EverString的這個(gè)轉(zhuǎn)折將它的價(jià)值迅速體現(xiàn)，他們才做了三個(gè)月，就收到兩家大企業(yè)的收購邀約。6個(gè)月之后， 2014年6月， EverString拿到1200萬美金A輪融資，這是目前美國大數(shù)據(jù)預(yù)測(cè)分析行業(yè)最大的一輪融資。投資方除了國內(nèi)的紅杉資本、IDG之外，還有真格基金和美國光速資本。

EverString目前的客戶主要分布在高科技、電信和保險(xiǎn)三個(gè)行業(yè)。“我們能做好這三個(gè)行業(yè)已經(jīng)夠了。在美國，他們每年花在B2B找客戶上面的就達(dá)到360億美金了。” 楊文杰說。

目前，EverString在硅谷和北京都設(shè)立了數(shù)據(jù)科學(xué)和工程研發(fā)團(tuán)隊(duì)。“我們的業(yè)務(wù)擴(kuò)展速度目前主要取決于我們的團(tuán)隊(duì)規(guī)模。”楊文杰說。中國目前有四千多萬的中小企業(yè)，EverString在北京設(shè)立團(tuán)隊(duì)，就是希望能逐漸向中國的企業(yè)智能市場(chǎng)擴(kuò)展。