在人工智慧公司做銷售，是怎樣一種體驗？

會不會需要技術背景？門檻高不高？

客戶對人工智慧了解嗎？需求量大不大？

競爭這麼激烈，怎麼搞定客戶？

關於人工智慧公司的銷售工作，實在有太多謎團.

「KnowingAI知智」特別找到三家當紅人工智慧公司，與其銷售、售前負責人進行了訪談。

其中包括在銀行和公安領域深耕，已經拿到四大行訂單的雲從科技；成立至今已 10 年，如今以絕對優勢佔領車載市場的思必馳；以及正在人工智慧售前領域發力，9 個月完成 3 輪融資的智能一點。

三家公司分屬計算機視覺、語音語言交互和對話系統三大垂直技術應用方向，且分屬 B 輪、C 輪、Pre-A 輪不同的融資階段。

希望他們的經歷和思考能對諸位有所啟示。

一、抓過逃犯的技術服務部負責人

我是安光照，現在在負責雲從科技北區的技術服務部。

從大三在中科院重慶研究院實習，到畢業後的工作，再到現在來北區，最開始到現在我一直跟著周老師（雲從科技創始人周曦）。其實最開始是做研發，轉成售前的契機是一方面性格上坐不住、喜歡和人打交道，又很了解公司的產品和演算法。2015 年雲從正式成立，第一時間就成立了北區辦事處，我就過來加入北區技術服務部了。

雲從正式成立到現在還不到三年，並不像大公司一樣把售前、售中、售後分得那麼明確。特別是北區要負責北方几個大省，項目太多、發展太快、我們的研發和演算法又都在上海和重慶，拉人過來成本太高。做標書、前期技術方案交流，甚至後期的實施、部署、現場對接，這些銷售做不了的技術工作我們都做。後來，我們這些售前就直接改成技術服務部了。

這也是人臉最早在金融業爆發的原因，不管櫃檯還是手機端，銀行的場景大部分是人和證件照的 1:1 比對，絕大部分場景都是配合式的，實現起來相對簡單。公安的場景就比較複雜，刑偵破案需要對路上的行人做實時分析，和在逃人員庫進行實時對比，這樣的 1:N 的場景相對就比較難。雖然難，但公安場景很有趣。從用人臉發現線索、找到這個人的軌跡，再到破案抓人，是一件很有成就感的事。

從開始到現在，項目的實施周期在變、環境在變、客戶的認知也在變。最開始我們不懂銀行，手裡只有一套核心比對演算法，要去和銀行的各個部門聊架構、聊場景、聊對接。第一個銀行從介入到上線，差不多花了三個月。現在一個一個項目做過來，其實大部分城商行的架構和系統大同小異，如果沒有定製化需求，一般兩周左右就能接入上線。像最近銀行的刷臉取款這種需求，就需要針對場景定製化開發對接，五到六周也能上線。

最開始做市場的時候客戶很少，只要不是很離譜的需求，我們都答應。但其實在技術評估上要投入很多，或者乾脆就做不了。因為做人臉比對，曾經就有客戶希望比對鼻子的相似度，證明兩個鼻子是同一個人的。這種識別就不再是人臉識別，不僅需要大量鼻子的數據，其他的成本、工作量都非常大。但話說回來，有了鼻子的相似度，又能對客戶的工作有多大幫助？

不過客戶的認知變化很快。2015 年上半年見客戶時，不管銀行還是公安，他們對人臉識別都沒有概念，我們當時 PPT 的第一張就是「什麼是人臉識別」。那時候人臉識別這個市場很小，客戶們都覺得有沒有人臉識別無所謂。從接觸、引導到讓客戶慢慢接受、認同人臉識別是銀行的剛需，差不多要花上半年時間。

現在 60-70％ 的銀行都用上了人臉識別，由於銀行業同行業競爭的特點，客戶已經從最初的「有沒有無所謂」變成「趕緊上線吧」。從接觸、招標到中標、做完項目，已經差不多一個月就能結束，周期變得很短。隨著需求量逐漸變得很大，加上媒體的關注和推動，客戶對人臉識別開始變得很懂。我們再也不用去介紹什麼是人臉識別，甚至有的客戶比我們還懂。

所以現在（做售前）也越來越難了，最開始是客戶不懂我懂，現在是客戶懂、我要比客戶還懂才行，對我們的要求也慢慢變得更高。特別是售前需要和客戶聊技術方案，有的客戶甚至會問很深層次的演算法，如果達不到客戶預期，他們就會對公司產生質疑。

這就對售前和銷售的技術背景開始有所要求。我們當然希望能招聘做過人工智慧相關工作的人員，做過語音識別、車牌識別也可以，因為大家都是相通的。不過確實不好招，人臉識別公司很火，大家不會輕易跳槽，公司要保護核心團隊，挖人也很不容易。

從頭培養自己的銷售人員後期可以做，但現在需求量這麼大，從頭培養很不現實。今天入職的同事，第二天就要去見客戶，如果是沒有背景或者經驗或者應屆畢業生，肯定都做不了。

但不是說培訓不重要，而是非常重要。演算法在迭代，產品也在迭代。如果沒有系統培訓，入職兩個月後對產品的了解還停留在入職時，就跟不上公司的發展。短培訓每周一次，大培訓一個月左右一次，產品迭代版本多的時候甚至要半個月一次。有時候總部也會派人在全國的各個辦事處，巡迴來做培訓。

因為本地化運營策略，我們在全國各省都有辦事處或辦公室。響應速度快加上承諾人員駐場，無論客戶有什麼問題都能馬上見到人解決，這就非常踏實。對於客戶來說，演算法是虛的，實在的是服務和後期的實施運維。像農行總行，上線交付完畢依然有兩個人駐場，隨時運維保障。

不管銀行還是公安，當地有人的話響應速度、客戶關係，都會好一些。像銀行圈子其實不大，這麼多案例下來，雲從已經有了上線快、支持力度好的評價，口口相傳大家都相信，這就是口碑。

在過去工作中印象最深的經歷……應該是去年的一個公安項目。當時 A 市市局項目金額比較大，全國二十多家人臉識別的廠商都來競爭。市局讓每個廠商選一個區做動態布控（抓在逃犯人），誰的演算法抓得到人，就用誰的方案。

當時我和銷售兩個人扛著伺服器跑到 A 市的 X 區，但這個區和當地友商關係比較好，就用各種理由拒絕我們。沒辦法，我們倆就在公安局門口硬等，公安局抗不過，就讓我們去位置很偏、剛剛成立的 Y 區。我們再扛著伺服器過去，求人家讓我們做試點，終於把系統裝了上去。

從 7 月到 10 月，我就一直在 A 市守著，盯人、協調、能幹的什麼都干。終於有一天系統報出了第一個結果。系統顯示 80％ 的相似度我心裡也沒底，但總感覺應該是一個人。

公安問怎麼辦，這人抓不抓？我說抓！跟著就上了警車。沒穿警服、也不敢上去按人，但記得系統上的顯示的名字，我就喊「某某某！」他一下回了頭，身後的警察馬上衝上去抓人。

這是第一件事兒，後來我們又破了一個案子，公安覺得確實有幫助。市局覺得我們不錯，就以我們的系統為核心搭建了自己的平台。

現在想想 7 月里扛著伺服器大汗淋漓還被拒絕，真的很尷尬。但從沒有商務關係，到用技術去征服、讓客戶認可人臉識別演算法，一路走來很辛酸、也很有成就感。

現在我也會和技術服務部的同事們說，客戶現在都很懂技術，不管價格高低，一定要能幫客戶解決問題。我們有技術、客戶有場景，能協助客戶做事情，自然而然就會被信任。

二、從語音識別研發工程師，到負責產品業務的副總裁

我是雷雄國，在思必馳任副總裁，負責智能硬體物聯網場景下的方案銷售和產品工作。

和計算機視覺公司不太一樣，因為簽單後需要做長期的、包括版本更新、新技術實時集成等工作，所以智能語音技術公司的銷售周期比較長，售前、售後工作也比較多。

作為技術型人工智慧公司，我們的銷售、售前需要根據客戶的多樣化需求來提供個性化的解決方案，售後也需要根據客戶不同的軟硬體環境及實際應用場景來解決實際遇到的技術問題，這就要求我們的銷售、售前和售後團隊對語音技術的基本原理、應用場景都要有比較深入的理解和認知。

除此之外，客戶關係維護和客戶新需求的挖掘也是我們團隊的核心工作任務。人工智慧技術的產品化目前處在爆發前期，客戶很多時候需要全方位的服務和支持，這就需要我們的銷售、產品、項目和技術團隊會出於不同的層面去維護客戶關係。不僅可以大大加速客戶產品的落地，還可以對產品的情況進行回訪、溝通，甚至尋找新的產品需求，進行二次銷售。

重視客戶關係維護的另一個重要原因，是目前語音行業的客戶爭奪比較激烈。現在的語音行業做的還是外包式的項目服務，廠商也比較多。大家都在提供定製解決方案或 SDK，技術定製化、客戶的產品需求和體驗版本升級的速度並不吻合。不管做任何客戶的定製的解決方案，耗費的時間精力都是一樣的，所以行業大部分公司都對大客戶趨之若鶩，對中小客戶支持有限。

今年我們發布了全鏈路的語音平台 DUI，目標就是把這種定製規模化。從識別、合成到理解，從孤立的技術點到完整的解決方案，語音交互功能的集成和開發過程相對較長。通過讓客戶自己來完成對話邏輯、熱詞等部分，定製方案就變得更加便捷。

DUI 開放後，有一些我們沒想到的客戶和需求出現了。比如智能客服的需求量就特別大，還有醫療方向的智能門診、微信助手、APP 助手等等。我們服務客戶的數量、場景、質量都得到了大幅的提升。

雖然現在在開放 DUI 滿足更多的用戶，但在 2015 年以前人工智慧沒那麼火的時候，客戶都需要我們主動去找。那時的客戶常常把語音想得很萬能，也不理解什麼是場景化。要麼把技術看得很了不起，覺得什麼都能做。有些客戶會問聲紋識別能不能識別我是誰？連用戶數據都沒有，怎麼做識別？而且聲紋技術的不可控因素太大，情緒、身體狀況都會影響識別效果。

要麼就是把技術想的很簡單。語音交互是一個很長的鏈條，有的客戶說是只要識別，但其實他想要的還有從識別、合成到理解的一系列交互。

還有一個問題是傳統客戶、移動互聯網客戶不知道語音和人工智慧技術能帶來什麼，以及怎麼與產品結合。反映出的問題是 AI 產品經理的匱乏——既懂人工智慧技術、又懂產品體驗的人太少。

像現在很火的智能音箱就不是自身的火熱，是智能助理、社會終端的火熱。它其實是一個以音箱外形呈現的，物聯網家居的中心入口。語音是人機交互的手段，不是功能。它可以與社交、電商、醫療、教育結合，凡是需要與機器進行互動操作的都可以嵌入。

做語音項目實現的周期不穩定，很大原因是受客戶方案和想法的成熟度，以及技術和客戶的配合程度影響。作為一線團隊的銷售團隊，不僅要面對產品需求和客戶，也是公司的臉面，我們會要求團隊達到一定程度的對行業的認知和對技術的認知。

招聘合適的銷售的確難，不過我們現在招聘銷售有一個好處是車載、家居都有傳統行業的影子。並不一定要求銷售懂 AI 行業，如果是做家居、了解家居行業也是可以的。

不管是銷售還是技術支持，培訓必不可少。不僅有周期性的正式培訓，不同的部門也會通過周例會、月度例會、晨會來做提升。還有「案發現場」的回溯，我們的每個客戶狀況都會在內部以文字的形式記錄呈現，共同討論學習。

除此之外，還有研發同事做技術層面的相關培訓。NCMMSC2017 學術會議剛結束，實驗室的同學就通過視頻會議的方式進行了分享，感興趣的同事都可以參與。

在負責銷售和產品之前，我的職位是語音技術高級研發工程師。2015 年思必馳轉型面向 2B 市場，決定向移動互聯網和智能硬體滲透，需要有人去開闢市場。當時確定了車載、家居、機器人三大方向，深圳作為中國硬體方案商的聚集地，是第一批客戶、最核心的客戶的所在地。我對技術了解比較深，也願意去開闢這個市場，就一個人去深圳著手建立產品和銷售團隊。

印象最深的、最難的，還是最開始的部分，從技術型變成產品業務型，這個過程比較痛苦。現在看來，其中一個非常重要的心得，是一定要站在客戶和體驗的角度去應用技術完成產品，而不僅僅是只從技術角度去思考問題。最開始見客戶時如果有兩種方法達成需求，技術型人往往會選擇純粹的技術型方法，但其實是可以通過產品體驗和產品自身巧妙解決，而非只有技術型方法。

出於對客戶的尊重，沒辦法拿出具體的例子。但曾經有一次做快捷喚醒需求時，客戶希望在各種場景下都能達到免喚醒詞的效果，比如在車載環境下實現「（導航）高速優先，（音樂）下一首歌」的需求。從產品的角度，這的確能大幅提升用戶的體驗；但從技術的角度看，引入大量的喚醒詞會造成系統的額外開銷，還會增大誤喚醒概率。

後來，我們決定在高頻指令上使用喚醒詞方案。為了降低誤喚醒率，還引入了 One Shot 「一語即達」功能，以更偏向產品的方式實現了客戶的需求。

三、正在改變售前行業的「AI 應用顧問」

我是國鵬飛，在智能一點擔任大客戶經理，或者說「AI 應用顧問」。

將銷售稱為「AI 應用顧問」，是因為我們不像傳統公司以銷售產品為主，而是通過不斷了解用戶痛點、提供幫助，來幫用戶解決問題。在「AI 應用顧問」之外，還有一個崗位是客戶經理（Account Manager）。「AI 應用顧問」負責前期接觸客戶，客戶經理則負責偏技術性的工作，兩者之間有緊密的分工協作。

我們現在主要的服務對象是電商，特別是母嬰行業電商的售前導購。很多客戶對自己的問題很清楚，但對行業共有的問題不是特別了解。「AI 應用顧問」要了解各家的情況，對行業普遍存在的問題做深度的調研和分析，再根據客戶不同的狀況提供建議性解決方案。

人員分配、數據分析、用戶畫像及生命周期管理等等，都是電商的常見問題。電商發展到今天，流量的紅利基本消失殆盡。商家想要持續增長，必須對用戶進行精細化管理，通過精準的個性化服務提高回購率，也就是深挖用戶消費行為的長尾部分。

通過數據和模型了解到的一些現象，我們自己都很吃驚。比如從凌晨到早上 9 點這段時間有 10-15% 的客戶諮詢量，這部分往往沒人處理，因為客服一般是早上 9 點上班，晚上 12 點下班。

當我們把這個數據拿給客戶看時，他們也傻眼了。流量紅利消失殆盡的今天，就算 5% 對電商來說都是一個不小的數目。而且半夜前來諮詢的客戶，往往購買意向極強。

對於這種情況，解決方案一般有兩種，一種是讓客服提前到 6:30 上班——6:30 上班一方面不現實，一方面也會增加用人成本。另一種就是用機器人自動頂上。

智點交互推薦系統是目前我們主推的產品。這個系統通過人機多輪交互，推理理解用戶意圖再做精準、有效的推薦，也可以簡單的理解為「更好用的機器人」。目前市面上的機器人系統採用「QA 機器人＋檢索」的技術實現方式，這種方式的特點就是單輪對話、被動問答，只能解決消費者的一部分問題，大量問題還是需要客服引導。

了解消費者的意圖、再基於此將商品推薦給消費者，對電商意義更大，因為賺錢永遠比省錢更重要。我們比較巧妙的是，一方面通過技術從過往數據中找到比較好的應答方式；一方面我們還加入了由人參與設計的主動引導等機制，這樣機器人就不再像關鍵詞回復那樣生硬機械。

消費者的特點是只要能跟人聊，就不會和機器聊。我們要做的就是縮小這種差距，即使是在跟一個機器人聊也不感到違和。

但並不是說用機器人解決一切問題，我們希望機器人可以更好的與人協作，比如通過數據找出哪些地方薄弱、哪些人做得更好。做得更好的金牌客服，其行為不僅可以成為機器人的訓練數據，還可以作為其他客服學習的榜樣，幫助完成客服培訓。

目前我們的策略是深耕母嬰垂直行業。一是因為母嬰人群多、購買力強、交互需求強，數據敏感和複雜度高。除了對話系統和推薦系統，知識圖譜也是我們在這個行業構建的門檻之一。行業知識圖譜不僅需要技術支持，還需要業務經驗和時間積累才能梳理完成。在母嬰行業應用、打磨好我們的產品後，其模式和流程也能在金融、醫療領域更好應用。

客服行業最初只有 IM（即時通訊）交互，後來為了讓 IM 交互更方便，客服行業引入了流程化，包括工單、CRM 庫（客戶管理系統）、CallCenter 集成等等，但更多的還是要靠人工完成。數據的處理方式也很原始，往往只能把互動記錄整理成表格來分析，不僅不直觀，還丟掉了很多數據維度。

相較來說，我們這種智能客服系統不僅可以幫助電商降低人員成本，還能幫助進行前期培訓，合理安排客服人員，減少不必要的人力投入。和視覺或者語音可能要看技術指標不同，電商的評判標準很簡單，就是使用後能不能承接更多客戶、留住他們並轉化。

現階段的智能客服行業競爭還沒有這麼激烈，更多的是和人去比。我們公司雖然是技術背景，但有比較強的服務意識，更注重能不能幫助客戶解決問題。要麼幫客戶賺錢，要麼幫客戶省錢，才會獲得更多依賴。儘管是新興 AI 公司，我們的理念可能不太一樣。

所以直接面對客戶的銷售對我們來說非常重要。招聘時我們會考慮三個因素：專業技能，溝通能力等軟實力，以及價值觀。說起來很虛，但價值觀會在關鍵時刻會產生比較大的影響。這些條件疊加後合適的人就更少了。

我們可能更傾向於少而精的隊伍，內部也會有定期的專門培訓。說了這麼多其實判斷標準其實很簡單，就是客戶滿不滿意。

我之前在 Iaas、Saas、Pass 方向都做過，來這兒是因為的確看到了能顛覆行業的技術變化。剛過來時去出差，才了解到智能導購機器人需求這麼大，過去做傳統多媒體客服中心的時根本沒意識到。特別是淘系電商的人員、活動變動非常大，甚至以 15 分鐘為單位改變，客服自己常常都很迷茫。就市場環境看，我們的產品的確是能解決問題的。

這些年的工作心得，是銷售沒有特殊技巧，勤勞是最特殊的技巧。銷售是客戶定位、KP 尋找、商務溝通、商務談判、項目落地的漏斗過程，每一步都不可缺少。如果能踏踏實實的走下來，結果必然是可以期待的。

四、我們觀察到的一些特點

以上就是三位來自不同領域人工智慧公司銷售、售前負責人的經歷與感受。

除此之外，在訪談中我們還發現人工智慧公司銷售、售前工作的如下特點：

1、組織模式上

人工智慧公司很少將售前、售中、售後做清晰分割，往往選擇「銷售＋技術支持團隊」模式。

由銷售對客戶進行初次接觸和溝通，技術支持團隊負責在客戶和技術團隊之間的技術溝通，甚至包括方案落地等相關工作。

銷售、技術支持人員占公司人員比例為 20% 左右。

2、業務模式上

B 輪及 B 輪前的人工智慧公司往往選擇垂直行業做切入和深耕。

因此銷售、技術支持工作也相對聚焦，需要對垂直行業的長時間觀察和接觸，積累客戶資源，並用經驗服務客戶。

3、人員要求上

由於人工智慧行業的火熱，銷售、技術支持人員需求激增。需要一定的人工智慧行業或被結合的行業背景，以便迅速展開工作，因此適合的人選並不多。

且銷售產品多為非標準、需要適配、定製的技術型產品，銷售人員需要一定的技術儲備，技術支持團隊需要一定的落地能力。

4、成長方式上

由於產品、演算法迭代速度高，人工智慧公司往往會提供定期培訓，頻率相對密集，需要銷售、技術支持人員有較強的適應、學習能力。

5、分工定位上

「對技術公司而言，技術能力是核心；第二是工程化落地能力，將技術轉化為產品；第三是技術服務能力，即銷售、售前、售中、售後對客戶的支持。」

技術、工程化、銷售能力，三者缺一不可。

也許是服務於售前領域，智能一點對於人工智慧公司的銷售工作有很多思考。訪談中智能一點 CEO 胡云華一段話令人深有感觸，故作為本文結尾。

「雖然現在是 AI 的時代，最後還是要落到能帶來什麼改變。只有專業的人關心，普通的人感受不到它的好，就沒有價值。銷售肩負著這個偉大的的使命，既要懂技術、又要傳遞價值、還要服務好客戶、把痛點和需求帶回來，在 AI 創業公司中非常重要。

要相信靠團隊才能得到比較好的結果，不是只靠技術就能解決問題。過去不是，現在不是，我想未來也不會是。」

版權聲明：

本文為「KnowingAI知智」原創，未經許可，請勿轉載。

如果你對人工智慧行業充滿興趣，並想成為一名內容創作者，歡迎發送郵件至： yumiaomiao@knowingai.cn。