在人工智能公司做销售，是怎样一种体验？

会不会需要技术背景？门槛高不高？
客户对人工智能了解吗？需求量大不大？
竞争这么激烈，怎么搞定客户？

关于人工智能公司的销售工作，实在有太多谜团.

「KnowingAI知智」特别找到三家当红人工智能公司，与其销售、售前负责人进行了访谈。

其中包括在银行和公安领域深耕，已经拿到四大行订单的云从科技；成立至今已 10 年，如今以绝对优势占领车载市场的思必驰；以及正在人工智能售前领域发力，9 个月完成 3 轮融资的智能一点。

三家公司分属计算机视觉、语音语言交互和对话系统三大垂直技术应用方向，且分属 B 轮、C 轮、Pre-A 轮不同的融资阶段。

希望他们的经历和思考能对诸位有所启示。

一、抓过逃犯的技术服务部负责人

我是安光照，现在在负责云从科技北区的技术服务部。

从大三在中科院重庆研究院实习，到毕业后的工作，再到现在来北区，最开始到现在我一直跟着周老师（云从科技创始人周曦）。其实最开始是做研发，转成售前的契机是一方面性格上坐不住、喜欢和人打交道，又很了解公司的产品和算法。2015 年云从正式成立，第一时间就成立了北区办事处，我就过来加入北区技术服务部了。

云从正式成立到现在还不到三年，并不像大公司一样把售前、售中、售后分得那么明确。特别是北区要负责北方几个大省，项目太多、发展太快、我们的研发和算法又都在上海和重庆，拉人过来成本太高。做标书、前期技术方案交流，甚至后期的实施、部署、现场对接，这些销售做不了的技术工作我们都做。后来，我们这些售前就直接改成技术服务部了。

这也是人脸最早在金融业爆发的原因，不管柜台还是手机端，银行的场景大部分是人和证件照的 1:1 比对，绝大部分场景都是配合式的，实现起来相对简单。公安的场景就比较复杂，刑侦破案需要对路上的行人做实时分析，和在逃人员库进行实时对比，这样的 1:N 的场景相对就比较难。虽然难，但公安场景很有趣。从用人脸发现线索、找到这个人的轨迹，再到破案抓人，是一件很有成就感的事。

从开始到现在，项目的实施周期在变、环境在变、客户的认知也在变。最开始我们不懂银行，手里只有一套核心比对算法，要去和银行的各个部门聊架构、聊场景、聊对接。第一个银行从介入到上线，差不多花了三个月。现在一个一个项目做过来，其实大部分城商行的架构和系统大同小异，如果没有定制化需求，一般两周左右就能接入上线。像最近银行的刷脸取款这种需求，就需要针对场景定制化开发对接，五到六周也能上线。

最开始做市场的时候客户很少，只要不是很离谱的需求，我们都答应。但其实在技术评估上要投入很多，或者干脆就做不了。因为做人脸比对，曾经就有客户希望比对鼻子的相似度，证明两个鼻子是同一个人的。这种识别就不再是人脸识别，不仅需要大量鼻子的数据，其他的成本、工作量都非常大。但话说回来，有了鼻子的相似度，又能对客户的工作有多大帮助？

不过客户的认知变化很快。2015 年上半年见客户时，不管银行还是公安，他们对人脸识别都没有概念，我们当时 PPT 的第一张就是「什么是人脸识别」。那时候人脸识别这个市场很小，客户们都觉得有没有人脸识别无所谓。从接触、引导到让客户慢慢接受、认同人脸识别是银行的刚需，差不多要花上半年时间。

现在 60-70％ 的银行都用上了人脸识别，由于银行业同行业竞争的特点，客户已经从最初的「有没有无所谓」变成「赶紧上线吧」。从接触、招标到中标、做完项目，已经差不多一个月就能结束，周期变得很短。随着需求量逐渐变得很大，加上媒体的关注和推动，客户对人脸识别开始变得很懂。我们再也不用去介绍什么是人脸识别，甚至有的客户比我们还懂。

所以现在（做售前）也越来越难了，最开始是客户不懂我懂，现在是客户懂、我要比客户还懂才行，对我们的要求也慢慢变得更高。特别是售前需要和客户聊技术方案，有的客户甚至会问很深层次的算法，如果达不到客户预期，他们就会对公司产生质疑。

这就对售前和销售的技术背景开始有所要求。我们当然希望能招聘做过人工智能相关工作的人员，做过语音识别、车牌识别也可以，因为大家都是相通的。不过确实不好招，人脸识别公司很火，大家不会轻易跳槽，公司要保护核心团队，挖人也很不容易。

从头培养自己的销售人员后期可以做，但现在需求量这么大，从头培养很不现实。今天入职的同事，第二天就要去见客户，如果是没有背景或者经验或者应届毕业生，肯定都做不了。

但不是说培训不重要，而是非常重要。算法在迭代，产品也在迭代。如果没有系统培训，入职两个月后对产品的了解还停留在入职时，就跟不上公司的发展。短培训每周一次，大培训一个月左右一次，产品迭代版本多的时候甚至要半个月一次。有时候总部也会派人在全国的各个办事处，巡回来做培训。

因为本地化运营策略，我们在全国各省都有办事处或办公室。响应速度快加上承诺人员驻场，无论客户有什么问题都能马上见到人解决，这就非常踏实。对于客户来说，算法是虚的，实在的是服务和后期的实施运维。像农行总行，上线交付完毕依然有两个人驻场，随时运维保障。

不管银行还是公安，当地有人的话响应速度、客户关系，都会好一些。像银行圈子其实不大，这么多案例下来，云从已经有了上线快、支持力度好的评价，口口相传大家都相信，这就是口碑。

在过去工作中印象最深的经历……应该是去年的一个公安项目。当时 A 市市局项目金额比较大，全国二十多家人脸识别的厂商都来竞争。市局让每个厂商选一个区做动态布控（抓在逃犯人），谁的算法抓得到人，就用谁的方案。

当时我和销售两个人扛着服务器跑到 A 市的 X 区，但这个区和当地友商关系比较好，就用各种理由拒绝我们。没办法，我们俩就在公安局门口硬等，公安局抗不过，就让我们去位置很偏、刚刚成立的 Y 区。我们再扛着服务器过去，求人家让我们做试点，终于把系统装了上去。

从 7 月到 10 月，我就一直在 A 市守着，盯人、协调、能干的什么都干。终于有一天系统报出了第一个结果。系统显示 80％ 的相似度我心里也没底，但总感觉应该是一个人。

公安问怎么办，这人抓不抓？我说抓！跟着就上了警车。没穿警服、也不敢上去按人，但记得系统上的显示的名字，我就喊「某某某！」他一下回了头，身后的警察马上冲上去抓人。

这是第一件事儿，后来我们又破了一个案子，公安觉得确实有帮助。市局觉得我们不错，就以我们的系统为核心搭建了自己的平台。

现在想想 7 月里扛着服务器大汗淋漓还被拒绝，真的很尴尬。但从没有商务关系，到用技术去征服、让客户认可人脸识别算法，一路走来很辛酸、也很有成就感。

现在我也会和技术服务部的同事们说，客户现在都很懂技术，不管价格高低，一定要能帮客户解决问题。我们有技术、客户有场景，能协助客户做事情，自然而然就会被信任。

二、从语音识别研发工程师，到负责产品业务的副总裁

我是雷雄国，在思必驰任副总裁，负责智能硬件物联网场景下的方案销售和产品工作。

和计算机视觉公司不太一样，因为签单后需要做长期的、包括版本更新、新技术实时集成等工作，所以智能语音技术公司的销售周期比较长，售前、售后工作也比较多。

作为技术型人工智能公司，我们的销售、售前需要根据客户的多样化需求来提供个性化的解决方案，售后也需要根据客户不同的软硬件环境及实际应用场景来解决实际遇到的技术问题，这就要求我们的销售、售前和售后团队对语音技术的基本原理、应用场景都要有比较深入的理解和认知。

除此之外，客户关系维护和客户新需求的挖掘也是我们团队的核心工作任务。人工智能技术的产品化目前处在爆发前期，客户很多时候需要全方位的服务和支持，这就需要我们的销售、产品、项目和技术团队会出于不同的层面去维护客户关系。不仅可以大大加速客户产品的落地，还可以对产品的情况进行回访、沟通，甚至寻找新的产品需求，进行二次销售。

重视客户关系维护的另一个重要原因，是目前语音行业的客户争夺比较激烈。现在的语音行业做的还是外包式的项目服务，厂商也比较多。大家都在提供定制解决方案或 SDK，技术定制化、客户的产品需求和体验版本升级的速度并不吻合。不管做任何客户的定制的解决方案，耗费的时间精力都是一样的，所以行业大部分公司都对大客户趋之若鹜，对中小客户支持有限。

今年我们发布了全链路的语音平台 DUI，目标就是把这种定制规模化。从识别、合成到理解，从孤立的技术点到完整的解决方案，语音交互功能的集成和开发过程相对较长。通过让客户自己来完成对话逻辑、热词等部分，定制方案就变得更加便捷。

DUI 开放后，有一些我们没想到的客户和需求出现了。比如智能客服的需求量就特别大，还有医疗方向的智能门诊、微信助手、APP 助手等等。我们服务客户的数量、场景、质量都得到了大幅的提升。

虽然现在在开放 DUI 满足更多的用户，但在 2015 年以前人工智能没那么火的时候，客户都需要我们主动去找。那时的客户常常把语音想得很万能，也不理解什么是场景化。要么把技术看得很了不起，觉得什么都能做。有些客户会问声纹识别能不能识别我是谁？连用户数据都没有，怎么做识别？而且声纹技术的不可控因素太大，情绪、身体状况都会影响识别效果。

要么就是把技术想的很简单。语音交互是一个很长的链条，有的客户说是只要识别，但其实他想要的还有从识别、合成到理解的一系列交互。

还有一个问题是传统客户、移动互联网客户不知道语音和人工智能技术能带来什么，以及怎么与产品结合。反映出的问题是 AI 产品经理的匮乏——既懂人工智能技术、又懂产品体验的人太少。

像现在很火的智能音箱就不是自身的火热，是智能助理、社会终端的火热。它其实是一个以音箱外形呈现的，物联网家居的中心入口。语音是人机交互的手段，不是功能。它可以与社交、电商、医疗、教育结合，凡是需要与机器进行互动操作的都可以嵌入。

做语音项目实现的周期不稳定，很大原因是受客户方案和想法的成熟度，以及技术和客户的配合程度影响。作为一线团队的销售团队，不仅要面对产品需求和客户，也是公司的脸面，我们会要求团队达到一定程度的对行业的认知和对技术的认知。

招聘合适的销售的确难，不过我们现在招聘销售有一个好处是车载、家居都有传统行业的影子。并不一定要求销售懂 AI 行业，如果是做家居、了解家居行业也是可以的。

不管是销售还是技术支持，培训必不可少。不仅有周期性的正式培训，不同的部门也会通过周例会、月度例会、晨会来做提升。还有「案发现场」的回溯，我们的每个客户状况都会在内部以文字的形式记录呈现，共同讨论学习。

除此之外，还有研发同事做技术层面的相关培训。NCMMSC2017 学术会议刚结束，实验室的同学就通过视频会议的方式进行了分享，感兴趣的同事都可以参与。

在负责销售和产品之前，我的职位是语音技术高级研发工程师。2015 年思必驰转型面向 2B 市场，决定向移动互联网和智能硬件渗透，需要有人去开辟市场。当时确定了车载、家居、机器人三大方向，深圳作为中国硬件方案商的聚集地，是第一批客户、最核心的客户的所在地。我对技术了解比较深，也愿意去开辟这个市场，就一个人去深圳着手建立产品和销售团队。

印象最深的、最难的，还是最开始的部分，从技术型变成产品业务型，这个过程比较痛苦。现在看来，其中一个非常重要的心得，是一定要站在客户和体验的角度去应用技术完成产品，而不仅仅是只从技术角度去思考问题。最开始见客户时如果有两种方法达成需求，技术型人往往会选择纯粹的技术型方法，但其实是可以通过产品体验和产品自身巧妙解决，而非只有技术型方法。

出于对客户的尊重，没办法拿出具体的例子。但曾经有一次做快捷唤醒需求时，客户希望在各种场景下都能达到免唤醒词的效果，比如在车载环境下实现「（导航）高速优先，（音乐）下一首歌」的需求。从产品的角度，这的确能大幅提升用户的体验；但从技术的角度看，引入大量的唤醒词会造成系统的额外开销，还会增大误唤醒概率。

后来，我们决定在高频指令上使用唤醒词方案。为了降低误唤醒率，还引入了 One Shot 「一语即达」功能，以更偏向产品的方式实现了客户的需求。

三、正在改变售前行业的「AI 应用顾问」

我是国鹏飞，在智能一点担任大客户经理，或者说「AI 应用顾问」。

将销售称为「AI 应用顾问」，是因为我们不像传统公司以销售产品为主，而是通过不断了解用户痛点、提供帮助，来帮用户解决问题。在「AI 应用顾问」之外，还有一个岗位是客户经理（Account Manager）。「AI 应用顾问」负责前期接触客户，客户经理则负责偏技术性的工作，两者之间有紧密的分工协作。

我们现在主要的服务对象是电商，特别是母婴行业电商的售前导购。很多客户对自己的问题很清楚，但对行业共有的问题不是特别了解。「AI 应用顾问」要了解各家的情况，对行业普遍存在的问题做深度的调研和分析，再根据客户不同的状况提供建议性解决方案。

人员分配、数据分析、用户画像及生命周期管理等等，都是电商的常见问题。电商发展到今天，流量的红利基本消失殆尽。商家想要持续增长，必须对用户进行精细化管理，通过精准的个性化服务提高回购率，也就是深挖用户消费行为的长尾部分。

通过数据和模型了解到的一些现象，我们自己都很吃惊。比如从凌晨到早上 9 点这段时间有 10-15% 的客户咨询量，这部分往往没人处理，因为客服一般是早上 9 点上班，晚上 12 点下班。

当我们把这个数据拿给客户看时，他们也傻眼了。流量红利消失殆尽的今天，就算 5% 对电商来说都是一个不小的数目。而且半夜前来咨询的客户，往往购买意向极强。

对于这种情况，解决方案一般有两种，一种是让客服提前到 6:30 上班——6:30 上班一方面不现实，一方面也会增加用人成本。另一种就是用机器人自动顶上。

智点交互推荐系统是目前我们主推的产品。这个系统通过人机多轮交互，推理理解用户意图再做精准、有效的推荐，也可以简单的理解为「更好用的机器人」。目前市面上的机器人系统采用「QA 机器人＋检索」的技术实现方式，这种方式的特点就是单轮对话、被动问答，只能解决消费者的一部分问题，大量问题还是需要客服引导。

了解消费者的意图、再基于此将商品推荐给消费者，对电商意义更大，因为赚钱永远比省钱更重要。我们比较巧妙的是，一方面通过技术从过往数据中找到比较好的应答方式；一方面我们还加入了由人参与设计的主动引导等机制，这样机器人就不再像关键词回复那样生硬机械。

消费者的特点是只要能跟人聊，就不会和机器聊。我们要做的就是缩小这种差距，即使是在跟一个机器人聊也不感到违和。

但并不是说用机器人解决一切问题，我们希望机器人可以更好的与人协作，比如通过数据找出哪些地方薄弱、哪些人做得更好。做得更好的金牌客服，其行为不仅可以成为机器人的训练数据，还可以作为其他客服学习的榜样，帮助完成客服培训。

目前我们的策略是深耕母婴垂直行业。一是因为母婴人群多、购买力强、交互需求强，数据敏感和复杂度高。除了对话系统和推荐系统，知识图谱也是我们在这个行业构建的门槛之一。行业知识图谱不仅需要技术支持，还需要业务经验和时间积累才能梳理完成。在母婴行业应用、打磨好我们的产品后，其模式和流程也能在金融、医疗领域更好应用。

客服行业最初只有 IM（即时通讯）交互，后来为了让 IM 交互更方便，客服行业引入了流程化，包括工单、CRM 库（客户管理系统）、CallCenter 集成等等，但更多的还是要靠人工完成。数据的处理方式也很原始，往往只能把互动记录整理成表格来分析，不仅不直观，还丢掉了很多数据维度。

相较来说，我们这种智能客服系统不仅可以帮助电商降低人员成本，还能帮助进行前期培训，合理安排客服人员，减少不必要的人力投入。和视觉或者语音可能要看技术指标不同，电商的评判标准很简单，就是使用后能不能承接更多客户、留住他们并转化。

现阶段的智能客服行业竞争还没有这么激烈，更多的是和人去比。我们公司虽然是技术背景，但有比较强的服务意识，更注重能不能帮助客户解决问题。要么帮客户赚钱，要么帮客户省钱，才会获得更多依赖。尽管是新兴 AI 公司，我们的理念可能不太一样。

所以直接面对客户的销售对我们来说非常重要。招聘时我们会考虑三个因素：专业技能，沟通能力等软实力，以及价值观。说起来很虚，但价值观会在关键时刻会产生比较大的影响。这些条件叠加后合适的人就更少了。

我们可能更倾向于少而精的队伍，内部也会有定期的专门培训。说了这么多其实判断标准其实很简单，就是客户满不满意。

我之前在 Iaas、Saas、Pass 方向都做过，来这儿是因为的确看到了能颠覆行业的技术变化。刚过来时去出差，才了解到智能导购机器人需求这么大，过去做传统多媒体客服中心的时根本没意识到。特别是淘系电商的人员、活动变动非常大，甚至以 15 分钟为单位改变，客服自己常常都很迷茫。就市场环境看，我们的产品的确是能解决问题的。

这些年的工作心得，是销售没有特殊技巧，勤劳是最特殊的技巧。销售是客户定位、KP 寻找、商务沟通、商务谈判、项目落地的漏斗过程，每一步都不可缺少。如果能踏踏实实的走下来，结果必然是可以期待的。

四、我们观察到的一些特点

以上就是三位来自不同领域人工智能公司销售、售前负责人的经历与感受。

除此之外，在访谈中我们还发现人工智能公司销售、售前工作的如下特点：

1、组织模式上

人工智能公司很少将售前、售中、售后做清晰分割，往往选择「销售＋技术支持团队」模式。

由销售对客户进行初次接触和沟通，技术支持团队负责在客户和技术团队之间的技术沟通，甚至包括方案落地等相关工作。

销售、技术支持人员占公司人员比例为 20% 左右。

2、业务模式上

B 轮及 B 轮前的人工智能公司往往选择垂直行业做切入和深耕。

因此销售、技术支持工作也相对聚焦，需要对垂直行业的长时间观察和接触，积累客户资源，并用经验服务客户。

3、人员要求上

由于人工智能行业的火热，销售、技术支持人员需求激增。需要一定的人工智能行业或被结合的行业背景，以便迅速展开工作，因此适合的人选并不多。

且销售产品多为非标准、需要适配、定制的技术型产品，销售人员需要一定的技术储备，技术支持团队需要一定的落地能力。

4、成长方式上

由于产品、算法迭代速度高，人工智能公司往往会提供定期培训，频率相对密集，需要销售、技术支持人员有较强的适应、学习能力。

5、分工定位上

「对技术公司而言，技术能力是核心；第二是工程化落地能力，将技术转化为产品；第三是技术服务能力，即销售、售前、售中、售后对客户的支持。」

技术、工程化、销售能力，三者缺一不可。

也许是服务于售前领域，智能一点对于人工智能公司的销售工作有很多思考。访谈中智能一点 CEO 胡云华一段话令人深有感触，故作为本文结尾。

「虽然现在是 AI 的时代，最后还是要落到能带来什么改变。只有专业的人关心，普通的人感受不到它的好，就没有价值。销售肩负着这个伟大的的使命，既要懂技术、又要传递价值、还要服务好客户、把痛点和需求带回来，在 AI 创业公司中非常重要。

要相信靠团队才能得到比较好的结果，不是只靠技术就能解决问题。过去不是，现在不是，我想未来也不会是。」

版权声明：

本文为「KnowingAI知智」原创，未经许可，请勿转载。

如果你对人工智能行业充满兴趣，并想成为一名内容创作者，欢迎发送邮件至： yumiaomiao@knowingai.cn。