作者：haina , yaxin
整個銷售 workflow 中，目前最適合 AI 發揮作用的是售前 GTM、以及 Customer Service 兩個環節。售前 GTM 的工作環節包括 Lead Qualification、Needs Discovery、Demo、Outbound 以及 Solution Presentation 前的會議預約，每個板塊也有 niche 的創業公司。
透過研究，我們發現客戶在售前階段最急需的自動化功能集中在潛在客戶生成（Leads Generation）和外呼（Outbound）環節。這兩個環節正是我們未來關注的重點方向。
Leads Generation 是最銷售漏斗的頂部，leads 的質量直接決定企業觸達客戶的轉換效率。在高度競爭或細分行業，例如 B2B SaaS、金融科技、醫療健康等領域，客戶的選擇性較強且需求專業化。在這些行業中，SDR 團隊通常會花費更多時間研究潛在客戶，制定個性化的推廣策略，以提高轉化率和客戶滿意度。在這類環境下，基於大語言模型（LLM）的潛在 leads 生成，正成為客戶獲得高質量 leads 的關鍵手段。
自動化 outbound 外呼是現階段落地效果較好的核心場景，在市場競爭較低或產品目標群體廣泛的行業，例如消費品、低門檻的 B2C 產品等，企業通常會採用低成本的大規模推廣策略，比如大量傳送電子郵件。這些策略雖然轉化率較低，但由於客戶選擇較多且需求較為通用，仍能帶來一定的推廣效果。在這種場景中，語音外呼（Voice Agent Outbound）技術的應用潛力日益凸顯。
而 Clay 就專注為客戶解決 leads 生成和潛在客戶研究的問題。潛在客戶資訊來自企業購買的資料庫，這些資料庫往往零散且互不連通。針對這一痛點，一方面，Clay 透過整合超過 75 家資料提供商的資訊，提高了資料的覆蓋率和準確性；另一方面，透過 Claygent 公開資料抓取，Clay 使用 GPT-4 來理解和提取資訊，對資訊進行判斷比對、總結處理，減輕了員工手動篩選研究的工作。
💡 目錄 💡
01 對售前 AI 市場對關鍵判斷
02 什麼是 Clay
03 對Clay 的判斷
04 公司及產品分析
05 競對分析
06 值得關注的 Venture/Early Growth 公司
01.
對售前 AI 市場的
關鍵判斷
1. AI 為售前工作流帶來的根本性顛覆
在 Leads Generation 環節：
1. LLM 在量級維度提高 leads 資料的即時性和準確性。傳統的資料提供商依賴人工，每 60-90 天更新一次資料，效率低且易出錯。而現在，依靠 Agent，leads 資料的更新可以幾乎完全自動化，實現即時、高效的更新。然而。這一過程雖能提升資料的即時性，但可能並不能帶來非常獨特的資料。
2. 大幅度減少研究 leads 的人工成本，同時提升研究的深度。憑藉 AI Agent，兩個銷售人員的工作量可以達到十人的工作量。過去，優秀的銷售人員需要花費大量時間研究潛在客戶的需求和行業動態。AI 可以自動化這一過程，迅速識別高潛力客戶，並提供深入的行業分析。未來，AI ADR 業務的核心應當是打造 AI 研究工具，幫助企業更高效地識別和跟進潛在客戶。
3. 以上兩點可能會提高企業採購 Leads Generation 產品的滲透率。當前，企業在採購 leads 時面臨的問題是，不同的供應商提供不同的資料，且選擇供應商通常依賴於企業的目標客戶群體和理想客戶畫像（ICP）。因此，在成本允許的情況下，企業往往會選擇多個數據供應商，導致系統複雜、資料冗雜且更新滯後。目前 ZoomInfo 的市場滲透率僅有 2%。透過將多個數據供應商的資料整合與 AI Agent 結合，類似 Clay 這樣的第三方資料服務商可能會成為更加合理的解決方案，它透過即時更新資料並進行 leads 研究，簡化了採購過程。
在 Outreach and Contacting 環節，Voice Outbound 已廣泛應用於售前階段，尤其是在客戶群體廣泛且單個客戶價值不高的 B2C 企業中。
1. AI 能夠大幅降低人工成本，擴充套件潛在客戶的觸達範圍，即使是 2%-3%的轉化率提高也能達到企業的預期。與售後相比，售前的技術難度較低，因為常見的場景和需求較為固定，因此只需精準覆蓋這些常見場景。
2. 儘管 Voice Outbound 已經實現了產品市場契合（PMF），但是很難打造差異化。語音外呼系統的差異化較小，且容易透過內部搭建解決。因此，收益方可能是 11labs、cartesia 這種擁有最好語言模型的公司。
售前階段全流程自動化維度
，公司如
11x
和
Artisan
的目標是實現全流程自動化，以此替代人工銷售代表（SDR），大幅降低成本並提高觸達率。
2. AI SDR 業務的現狀
AI SDR（銷售代表）業務在市場上具有較強的吸引力，許多企業願意嘗試這一新興技術。AI 的引入使得企業能夠更高效地執行 Leads Generation、客戶調研等任務。然而，當前大部分 AI SDR 工具依賴公開的資訊源進行資料爬取，並未生成足夠新穎或獨特的資料。因此，這些產品的獨特性較低，容易在行業中同質化，競爭力難以持續。企業需要在 AI 功能之外進一步努力，例如透過建立社群、尋求更多戰略合作伙伴等方式增強自身資料的獨特性。
3. Leads Generation 市場的競爭格局
目前，Leads Generation 市場保持分散格局，AI Agent 只是提升了 leads 資訊更新的效率，不同的資料提供商還是會有自己獨有的資料積累。
• 第一方資料提供商： 例如 ZoomInfo、Apollo 和 RocketReach 等，這些公司依賴自有資料來源提供全套工作流程工具。這些公司的大部分資料來自 UGC 平臺，如 LinkedIn、Reddit 或其他社交媒體。不過很多一手資料方的資料可能是灰色的，在公開渠道並不能得到，比如付錢給員工去爬公司內部系統的資料等等。
• 第三方資料提供商： 比如 Clay、Seamless、Lusha 等，它們透過整合多個數據源提供 API 接入的批次資料服務。一手資料提供商可能會給 Clay 等第三方資料方提供部分資料子集，但不是全部，這也是一手資料方保持相對競爭優勢的方式。
在眾多 leads Generation 公司中，ZoomInfo 憑藉其強大的資料處理能力和市場積累，處於有利的競爭位置。透過整合 LLM 能力，它能夠進一步提升產品功能，增強資料更新速度和準確性。ZoomInfo 的產品高度整合，易於嵌入 CRM 系統，且客戶的替換成本較高，這使得它在企業市場中擁有較大的粘性。ZoomInfo 於 2024 年釋出了 Copilot AI，該產品的核心功能包括 Leads Generation、個性化郵件撰寫、客戶決策支援等。該產品在一定程度上提升了客戶的銷售 pipeline，但實際應用中的效果仍需進一步驗證。
4. 我們對該領域的投資看法
短期內，會更看好已經建立了穩固資料 pipeline 和工程基礎，並能夠構建優秀 AI Agent 進行 leads 研究的公司。可以關注 ZoomInfo 和 Clay 等在資料服務和 AI 自動化方面有深入佈局的公司。
長期投資會更看好能夠替代人工銷售代表（SDR）的公司，尤其是那些能夠利用 LLM 實現全流程自動化的公司，目前該領域的代表公司為 11x.AI。
02.
什麼是 Clay
AI SDR（售前）是一個細分且分散的市場。Clay 成立於 2017 年，屬於售前概念下的 Prospecting （客戶線索挖掘類）公司，是目前 AI 創業熱度最高的細分賽道，因為該領域資訊噪聲大，需要大量的資訊去噪工作。Clay 2024 年 6 月完成 B 輪融資，融資金額 4.6 億美金，領投方為 Meritech Capital。Clay 正在融新的一輪，Meritech 繼續領投，預計公司估值達到 1.3B。
Clay 在過去 2 年內實現了 10 倍的同比增長，當前 Clay 的客戶數超過 2500 個，以中小企業為主，同時還包括 Notion、Anthropic 和 Verkada 等大型機構，使用者數超過 10 萬名。
Co-founder Kareem Amin 和 Nicolae Rusan 兩人都是連續創業者，在營銷自動化領域深耕多年，對如何打造出一款好產品頗有經驗。Kareem Amin 曾在微軟擔任產品經理，2011 年創立 Frame（最佳化電商平板介面的工具），次年被 Sailthru 收購。隨後在《華爾街日報》任產品副總裁，2017 年創立 Clay。Nicolae Rusan 曾與 Kareem 一起創立 Frame，收購後在 Sailthru 和道瓊斯任職，2017 年再次與 Kareem 合作創立 Clay，並於 2023 年推出 AI 產品 Toolkit。Clay 第三位聯合創始人 Varun Anand 於 2021 年加入負責運營轉型，曾在 Google 負責 VR 和硬體團隊。
03.
對 Clay 的判斷
1. 市場機會：
LLM 的引入後，對 AI SDR 行業擴大效應。
ZoomInfo 目前市值約為$3.78b
，為超過 80 萬家企業客戶提供服務，市場滲透率約為 2%。根據 MRFR 的行業報告，
B2B Leads Generation 市場的規模將從 2023 年的$8.14B 增長到 2032 年的$21.4B。
在預測期間（2024-2032 年），Leads Generation 市場的 CAGR 預計約為 11.33%。LLM 的引入後，透過自動化 ICP 線索收集、資料豐富和個性化 outbound 資訊生成等提高 SDR 了在 Leads Generation 的工作效率，會進一步吸引客戶在 AI 產品上加大投入。
2. Leads Generation 是售前核心環節，其他功能以此為基礎延展。
以 SaaS 行業為主的客戶在採購 AI 售前產品時的核心目的是獲得高質量的 leads。
3. Clay 相對於其他 Leads Generation 公司的優勢及 evidence：
• 與主流資料提供商合作密切，整合能力強大：Clay 與 75+家資料提供商有合作關係，相比競品，Clay 有更多集成合作夥伴，擁有更多的資料來源，可以給客戶提供更多的資料點，比如 Linkedin 是 Clay 的資料來源之一，使用者可以直接查詢 LinkedIn 的資料來篩選潛在客戶，並且即時更新聯絡人的狀態。
• 平臺數據更豐富，資料準確率更高：Clay 可以進行資料的“waterfall”，允許客戶從多個數據提供商收集和整合資料性。所以，Clay 具有同類別 leads 搜尋產品中最高的資料準確率，具體包括電子郵件地址更加準確；客戶當前的職能和頭銜更加準確。
• 團隊深耕營銷自動化多年，hands on 經驗多，比起 11x 等更務實：Clay 的兩位 Cofounder，Kareem Amin 和 Nicolae Rusan，都是連續創業者，在營銷自動化領域深耕多年，且對如何打造出一款好產品頗有經驗。Kareem 曾在微軟擔任 PM，2011 年兩人一起創立營銷自動化公司 Frame，後被 Sailthru 收購。在發展過程中，Clay 完成了一次成功的產品轉型：早期團隊會根據客戶需求開發跟營銷場景無關的平臺功能，但並沒有收穫與之對應的增長。後來將產品的 ICP 定位鎖定在企業銷售團隊，成功實現了增長。
• 商業化進展迅速，且已經形成了生態圈：過去 2 年內實現了 10 倍的同比增長，客戶數超過 2500 個，使用者數超過 10 萬名。30% 的客戶每天都在使用 Claygent，每天產生 50 萬次研究和推廣任務。並且市場上出現了十幾家 Claygencies，圍繞 Clay 建立全面的 GTM 代理服務，其中一些的年收入達兩百萬美元。
4. Clay 的估值倍數對比其他 GenAI 公司更合理，且有較紮實的 ARR 支撐。
5. 未來想象力：Clay founder 在訪談中表示未來將要建立 the Sales ‘System of Action’ with AI。Clay 的 cofounder Kareem 認為人類銷售代表會在短期內不會被淘汰，AI 工具需要在“想象力”和“自動化”之間找平衡，利用 AI 提高銷售專家的效率，才能避免 AI 的瓶頸，發揮人類的創造力。
Concerns 主要為當前估值在 26-65 倍 PS 範圍內，有些偏高。以及自動化代理如 11x 的發展速度是否會超過 Clay，從而根本替代 leads 整合產品。
04.
公司及產品分析
轉型過程
在企業的對外銷售環節，優秀的 SDR 團隊會花時間深入研究潛在客戶，然後再發送有創意、相關且個性化的推廣資訊。但許多公司缺乏這樣做的資源，而是使用大規模且轉化率低的垃圾郵件推廣。
Clay 最初的願景是
讓更多人能夠獲得 programming 的力量。
不同於 Figma、InVision 和 Miro 這樣的協作軟體工具，Clay 已經開始思考 API 和 SaaS 工具如何能幫助人們更好地工作。為了實現他們的初衷，Kareem 和 Nicolae 選中了電子表格這種低門檻、使用普及率高的形式設計產品。
Clay 的早期產品是從數十個資料庫中抓取資訊，然後直接將其拉入 Excel。
有了初始版本，Nicolae 開始負責 prospecting，以便實現產品的商業化。透過尋找潛在客戶，並深入瞭解對方的業務需求，Clay 積累了一批早期客戶，並也意識到
企業自己做對外銷售 outbond 的難度很大，但同時潛在需求也很大。
商業化之初 Clay 瞄準銷售領域，但拓客過程中，Clay 做出了很多讓步，投入大量時間精力為客戶開發了與其核心 usecase 無關的產品功能，比如招聘等。這些功能的複用率低，也造成了資源浪費。
2021 年前後，Kareem 與新加入的 cofounder Varun 帶領公司進行產品轉型，將產品的 ICP 定位在企業銷售團隊，產品功能緊緊圍繞 outbond 場景。垂直化的產品定位策略行之有效，這家成立於 2017 年的公司，在過去兩年內的收入實現了 10x 增長。
產品與商業化
Clay 計劃以模組化方式構建 AI SDR，使每個元件獨立執行並可定製化。
• 產品分析
Clay 致力幫助客戶企業的銷售 GTM 團隊更好的執行 outbound 任務。主要功能包括：
1）輔助調研競爭對手
2）完成 SDR 員工的基礎網頁資訊檢索和資訊調研工作。
另外，clay 也在探索售前的其他增量場景。如客戶 Verata 用 Clay 來做 inbound，為訪問其網站的使用者生成個性化的登入頁面。同時，Clay 已經形成了一個由 17 萬+成員組成的 slack 社群，客戶反饋共同創新的 Clay 平臺功能。
Clay 平臺註冊後即可使用，整體介面類似飛書，但其產品輸出結果全部以電子表格的形態呈現。
進入 workshop 介面後，使用者可以新建 table 和 folder，最近 Clay 還推出了 beta 版的 workbook 功能，用以歸納各種 table。
作為一款主要功能為線索收集類的 AI SDR 產品，Clay 為使用者提供主流使用場景的電子表格模板，主要包括四部分：Signals、Companies、People、Other。每部分均包含了更加細分使用場景的模板。Clay 擁有強大的整合能力，其模板集成了許多值得信賴的資料提供商的外部資料，比如 LinkedIn、Salesforce、GitHub、Pitchbook、Ocean.io、Google Maps 等。
在選擇好模板後，介面左側會出現一列篩選條件，用來更精準檢索目標。不同用途的篩選條件不盡相同，此處以 find jobs 這個使用場景為例展示。篩選條件包括公司來源、職位名稱（include/exclue）、職位描述（include/exclue）、職位地點（include/exclue）、職位類別、是否有招聘人員、職位釋出日期等。輸入目標條件後，Clay 會在介面右側生成根據條件篩選後的結果。確認條件無誤後，即可生成表格。
下圖是利用 Clay 產品的“Find Jobs”模板生成的表格，使用者可以根據需求新增資訊列，比如職位釋出網址、公司所屬行業、薪水區間等等資訊。
• Claygent
Claygent 是 Clay 的 AI+SDR Agent。靈感來自一篇名為 ReAct: Synergizing Reasoning and Acting in Language Models 的論文。這篇論文提出了一種新的方法，結合 Reasoning 和 Acting 來提升語言模型在處理任務時的表現。Claygent 正是參考了這種方式，透過使用 LLM 聯網搜尋並收集相關資訊，然後透過多種工具執行復雜的任務，以便簡化和最佳化銷售流程。
從產品技術實現角度看，Claygent 本質上是一款利用 AI 來實現爬蟲的網路抓取工具，它使用 GPT-4 來理解和提取網站中高度具體的資訊。Claygent 這個產品的 engieering 是否紮實可能是 clay 的 leads 生成效果與其他公司拉開差距的核心原因之一。
在抓取網站資料時，直接將整個網站傳送給 GPT-4 的效率並不高，Claygent 會透過詢問 GPT-4 抓取網站中的哪個部分最有可能包含其所需資訊，並針對性抓取最有效的網頁部分。例如，GPT-4 可能會指出 SOC-2 合規資訊通常位於頁尾中。然後，Claygent 可以專門抓取頁尾，而不是整個網站。Claygent 還使用二分搜尋法，即選取網站的一部分，檢查是否存在所需資料，如果沒有，則轉到另一部分。這種方法會逐步縮小搜尋範圍，直到找到所需資訊。
如何使用 Claygent：該工具內嵌在 Clay 平臺生成的表格當中，使用者需新建一個表格，新增想要研究的 ICP 列表，選擇 Add Enrichment，並在 Tools 中找到 Claygent（AI Web Scraper）點選並使用。
Claygent 最常見的 usecase 是 inbond 環節的 ICP leads 獲取，大致的 workflow 分為如下三個步驟：
1. 檢索並獲取資料：Claygent 集成了 Google Search， ChatGPT 和 web scraping，使用者只需在 Mission 欄內輸入對應的 prompts，即可一鍵自動完成 ICP 資訊檢索。此外，使用者還可以選擇使用自己的 OpenAI API Key 或者是 Clay 的 OpenAI API Key 來完成檢索，前者免費，後者則需要單次消耗 1 積分。
例子：要求 Claygent 檢索公司的最低定價細節
2. Double check 並給出 source：如果使用者想要搜尋結果真實可靠，可以要求 Claygent 給出其資料的 source，也可以在輸入 prompts 時就指定想要的資訊來源（如 Linkedin、Google 等）。
3. 以指定格式輸出檢索結果：使用者 Claygent 支援使用者指定檢索結果的輸出格式，比如文字、數字、網址、true or false 或其他自定義格式。為了確保 Claygent 資料的可靠性，Clay 在最終資訊輸出環節會結合來自多個數據提供商的資訊，並使用不同的模型進行交叉驗證，確保給出準確的調研結果。在上面示例中，使用者在輸入 prompts 時就清楚地說明了格式，因此 Claygent 給出的輸出結果是以“每月$[價格]”的格式呈現。
輸出結果是以“每月$[價格]”的方式呈現
• 商業模式
Clay 的產品共有五種定價方案，分別是 Free、Starter、Pro、Explorer 和 Enterprise，以及兩種收費模式，按月收費以及按年收費（享受九折優惠）。此外，Clay 產品內使用部分付費功能需要消耗 credits（積分），free 版本會贈送 1k 的 credits 作為兩週內的試用，每種定價方案對應的 credits 如下表所示。
• 商業化進展
當前，Clay 的客戶數超過 2500 個，使用者數超過 10 萬名。在 Clay 的客戶中，已經有 30% 每天都在使用 Claygent，每天產生 50 萬次研究和推廣任務。
此外，Clay 已經形成了自己的生態圈，市場上出現了十幾家 Claygencies。客戶在使用 Clay 產品時仍需要幾名工作人員實現全流程和週期的客戶線索交付，代理機構圍繞 Clay 建立 GTM 代理機構，其中一些年收入高達兩百萬美元。
客戶及評價
透過梳理客戶訪談以及競對訪談，我們總結了客戶對 Clay 的一些核心 usecase 以及評價，總體來說，客戶主要在使用 Clay 的線索搜尋和 Data Enrichment 功能。Clay 也可以為客戶提供個性化資訊和郵件內容生成的功能，但並不能像 Outreach 和 Apollo 那樣自動傳送電子郵件。
此外，Clay 團隊也非常擅長市場營銷。有些客戶認為 Clay 能夠在同類別產品中脫穎而出、實現迅速增長的原因之一是他們非常願意在營銷上投入資金。
05.
競對分析
Source：sapphire ventures
AI SDR 是一個細分且分散的市場。僅包含銷售線索捕獲（Prospecting: Capturing the Lead）這一功能的創業公司，就可以分為上圖多個關鍵領域。而與 Clay 最緊密競爭的是 List Building & Enrichment 領域的公司，代表公司包括 Clay、Common Room、Unify、Jeeva、Fiber AI、Lantern、以及 ZoomInfo。這些公司專注於透過資料整合和自動化技術，幫助企業快速建立並豐富客戶線索清單。核心是是否有高質量的資料來源以及公開資料的爬取和處理能力。
Zoomlnfo
ZoomInfo 成立於 2007 年，核心功能是透過其龐大的資料平臺幫助銷售和市場團隊找到潛在客戶（leads）、獲取公司和聯絡人資訊，並提供洞察來提高銷售效率和轉化率，2020 年 6 月上市，現在的市值在$3.77B。
在上市前後，ZoomInfo 陸續收購了幾家具有協同效應的智慧營銷公司（包括 NeverBounce、Komiko、Clickagy 和 Everstring）。作為 SDR data leads 領域的代表性玩家，ZoomInfo 以其資料的深度和廣度而聞名，能夠提供即時的洞察和線索評分，幫助組織快速識別高潛力的潛在客戶。其資料來源主要有三個：1X 使用者對平臺的貢獻（Contributory network）；2X 網路公開資訊；3X 第三方資料來源。
雖然 ZoomInfo 和 Clay 的核心功能（即營銷線索收集）高度重合，但對比 ZoomInfo，Clay 憑藉其高度整合能力，給客戶提供的資料質量更高。ZoomInfo 有企業的融資新聞或招聘新聞，但他們並沒有 Blog 等其他內容。但是 Clay 可以找到更多的 source 的內容，輔助研究性質更足。
ZoomInfo Copilot AI 是 ZoomInfo 推出的一款 AI 驅動的銷售輔助工具，於 2024 年 5 月正式發行，旨在透過整合 CRM 和分析各種買家訊號（Buyer Signal）來提供即時 actionable 的 insights，以提高企業 SDR 的效率和銷售成交率。
•
Demo
Copilot AI 目前仍舊需要申請加入 waitlist 才可試用，根據官方釋出的 demo，其操作介面如下圖所示：• ZI Copilot 的目標與市場定位
Copilot AI 的目標是自動化執行銷售團隊的手動任務，並提供洞察，例如基於客戶的最新動作預測他們的需求，並建議最佳接觸時機和溝通策略。
市場定位方面，Copilot AI 提供的是一個涵蓋 ZI 現有功能的複雜工具集，而 SMB 可能更關注 leads 獲取和資料質量，而並非複雜的 AI 解決方案。考慮到成本效益問題，SMB 或許不是 ZI Copilot AI 的目標客戶，而這正是 Clay 當前的核心客戶群體。
目前 ZI Copilot 最常被使用的功能依舊是 Leads Generation 和 Contacting & Email Outbond。此外，ZI Copilot 提供決策洞察的潛力值得關注，這或許會將 ZI 的主要服務物件從企業的 SDR/BDR 擴充套件到 AE，也代表了 ZI 在資料服務之外，向更深入的工作流程中擴充套件的戰略步驟。
雖然距離 Copilot 正式釋出已經過去半年，但除了 ZI 官網給出的客戶反饋，在其他渠道的訪談中，缺乏客戶購買 Copilot 後有明確的正面或負面反饋，也缺乏具體的提效 evidence。
Apollo.io
Apollo.io 是一家為客戶提供 B2B 資料庫服務的 SDR 初創企業，成立於 2015 年。現在為全球超過 8 萬名付費客戶、300 萬市場進入專業人士和 50 萬家公司提供服務。他們的客戶範圍從初創企業到全球企業，包括 Stripe、Rippling、DocuSign 和 Autodesk。截止 2024 年 11 月，Apollo 合計融資 6 輪，共募集$253.1M。最近一次$100M 的 D 輪融資發生在 2023 年 8 月 29 日，由 Bain Capital Ventures 領投。
Apollo 的核心產品是其為客戶提供的智慧銷售平臺。為了保持最高水平的覆蓋範圍和資料準確性，這個銷售智慧平臺採用了基於社群的方法，讓使用者參與資料來源。該平臺的主要功能包括：
• 線索收集：Apollo 提供超過 65 種過濾器，包括職位、地點和行業，以幫助快速識別潛在客戶。平臺還允許客戶自定義評分模型，基於特定變數如職位角色、參與活動和行業，以排名潛在客戶。
• 報告分析：提供強大的分析工具，幫助跟蹤多個指標的表現，包括 A/B 測試能力。
• CRM 整合：與現有 CRM 系統整合，簡化工作流程。
•Outbond 全流程輔助：提供多渠道序列工具，包括自動化電子郵件、電話和 LinkedIn task。
雖然 Apollo 可以用來構建外呼銷售客戶列表，但是透過對比，發現 Clay 的資料質量更好，且有更多的資料點，可以調整更多的設定。此外，有客戶反饋 Apollo 的資料質量在變差，提供的資料準確性存在問題。
06.
值得關注 Venture/Early Growth 公司
根據 Battery venture 對於 AI-native GTM 公司的 Mapping，我們對公司進行了篩選。
💡
在 Prospecting 領域的公司普遍處於相對早期的發展階段，作為增量工具，它們通常與 Salesforce、Hubspot 等主流 CRM 資料庫對接，增強銷售團隊的效率。不同公司的具體實現有所差異，但其基礎工作流具有一定的相似性，包括以下三個核心環節：
1. 資料來源擴充套件與接入：透過整合外部資料庫、Google 搜尋、LinkedIn 資料以及使用者點選行為等多渠道資料，構建更全面的使用者畫像。
2. 意圖分析與打分：基於資料分析為潛在客戶打分，識別意圖訊號明確的使用者，以確定下一步行動目標。
3. 自動化流程建立：結合 AI 分析，自動生成推廣郵件、更新 CRM 資料等操作流程，顯著提高銷售工作的自動化和精準度。
Unify
Unify 提供整合多資料來源的智慧銷售工具，幫助企業全面瞭解潛在客戶並實現自動化銷售流程：
• 使用者訊號整合：將 G2、客戶行為追蹤、新僱員動態、產品使用資料及郵件整合呈現，為使用者提供全方位的客戶檢視。
• 自動化篩選使用者：根據理想客戶畫像、目標行業、意向訊號和 CRM 資料建立受眾群體，同時支援設定排除條件以提升篩選效率。
• 資料精準呈現：透過瀑布圖視覺化，整合多個供應商的 API，為使用者提供準確的聯絡人資訊（如郵件和電話號碼）。
• CRM 整合：與 Salesforce 和 Hubspot 對接，實現 CRM 資料的即時更新與同步。
團隊背景
Unify 由 Rice University 畢業生創立，創始團隊兼具工程師和投資人的深厚背景：
• Austin Hughes （Co-Founder & CEO）：曾在 Ramp 負責產品增長，在 SoftBank 擔任投資人，有豐富的金融和創業經驗。
• Connor Heggie （Co-Founder & CTO）：曾任職於 Scale AI 和 Helm.ai，從事產品開發及機器學習研究，技術背景深厚。
融資進展
• 2024 年 10 月：完成 A 輪融資 1200 萬美元，由 Emergence Capital 和 Thrive Capital 領投。
• 2024 年 6 月：種子輪融資 1170 萬美元。
• 2023 年 2 月：種子輪融資 630 萬美元。
Common room
Common Room 是一個聚合使用者訊號並驅動自動化客戶拓展的智慧平臺：
• 訊號整合：透過多資料來源（如使用者點選、購買訊號等）採集潛在客戶資訊，結合 AI 分析並進行意圖打分。
• 自動化執行：透過 API 自動化傳送郵件、通知團隊、同步潛在客戶至 Hubspot 等工作流。
• 勘探功能：依託專有的 2 億 B2B 聯絡人資料庫，由 LLM 驅動的代理 RoomieAI 快速識別並聯系目標客戶，無需跳轉頁面即可完成任務。
創始團隊由微軟、亞馬遜等知名企業資深員工組成，技術與金融背景兼備：
• Linda Lian （Co-Founder & CEO）：曾任職於亞馬遜和 Madrona，具備豐富的產品營銷與投資經驗。畢業於哈佛大學。
•Viraj Mody （Co-Founder & CTO）：Dropbox 工程總監出身，擁有創業經歷（Audiogalaxy）。
• Tom Kleinpeter （Co-Founder & Chief Architect）：曾任 Dropbox 工程總監，在 Microsoft 擔任過高階軟體工程師。
融資進展
• 2021 年 4 月：B 輪融資 3230 萬美元，由 Greylock 領投。
• 2020 年 9 月：A 輪融資 1630 萬美元，由 Index Ventures 領投。
• 2020 年 5 月：種子輪融資 430 萬美元，由 Index Ventures 和 Madrona 領投。
💡
Enablement 領域，既有已經上市的大型平臺，也有在垂直細分領域的初創公司。其中，成熟公司如 Seismic 和 Highspot 是直接的競爭對手。整體來看，這些平臺透過豐富的功能為 GTM（Go-To-Market）團隊賦能，主要提供以下能力：
• 知識整理庫：幫助團隊高效管理和檢索關鍵資訊；
• 定製對話 Bot：支援即時對話輔助，最佳化客戶溝通；
• 定製生成功能：基於團隊需求生成個性化內容；
•工具庫：整合多種常用工具提升協作效率；
•RFP 助手：自動化完成提案文件（RFP）的生成和最佳化。
Quilt
Quilt 利用 AI 和軟體解決企業知識管理和協作中的難題。
產品亮點
1. 企業知識平臺：整合 Google Drive、網頁和本地檔案的文件，快速協作更新知識庫。
2. 快速問卷助手：透過 Google 表格實現一鍵協作，用於高效填寫 RFP、RFI、DDQ、調查問卷等。
3. 團隊聊天 chatbot：即時回答團隊問題，提供資料來源，並自動糾正知識庫中的錯誤答案。
團隊背景
• Daniel Chen（聯合創始人 & CEO）曾創立 Hero.app 並擔任 CEO，後在 Sequoia Capital 和 A16Z 任職 Partner。畢業於 Caltech，主修計算機科學與商業經濟管理。
• Michael Graczyk（聯合創始人 & CTO）曾創立 OpenToken 並擔任 CTO，在 Google 和 Instagram 有豐富的軟體工程經驗。畢業於斯坦福大學（碩士）與德州大學奧斯汀分校（學士），均主修電氣工程。
融資情況
• 種子輪：2024 年 5 月，獲 Sequoia Capital 投資 250 萬美元。
產品演示（demos）領域的 startup 互動式 demos 的普及。主要特點包括：
1. 產品豐富性
• 互動節點：為觀眾提供主動選擇的機會，增強互動性。
• 個性化定製：AI 降低成本後，可輕鬆製作滿足使用者需求的個性化 demos。
• 便捷編輯：支援隨時修改已完成的演示內容，提高靈活性。
2. 資料與整合
• 多維資料分析：深入挖掘使用者行為和偏好，最佳化效果。
• 系統整合：與其他工具無縫銜接，提升業務效率。
💡
圍繞產品演示（demos）創業的 startup 以互動式 demos 為主。主要能力包括：
• 互動節點：為觀眾提供主動選擇的機會，增強互動性。
• 個性化定製：AI 降低成本後，可輕鬆製作滿足使用者需求的個性化 demos。
• 便捷編輯：支援隨時修改已完成的演示內容，提高靈活性。
• 資料整合：深入挖掘使用者行為和偏好，最佳化效果，與其他工具銜接，提升業務效率。
Arcade
Arcade 提供一種快速建立互動式 demo 的方法，幫助使用者在幾分鐘內完成高轉化率的產品展示。
產品亮點
1. 靈活互動：
支援觀眾透過高階分支和選項自主探索內容，提升參與度並即時跟蹤演示表現。
2. 個性化設定：
透過自定義變數實現規模化個性化，擴大演示的覆蓋與影響力。
3. 便捷編輯工具：
透過 Page Morph 和智慧縮放功能最佳化編輯體驗，引導觀眾關注產品核心亮點。
融資情況
• A 輪：2024 年 11 月，獲 Kleiner Perkins 領投，融資 1400 萬美元。• 種子輪：2022 年 9 月，Foundation Capital 領投，融資 500 萬美元。
• 種子輪：2022 年 1 月，Upfront Ventures 領投，融資 250 萬美元。
💡
在 Outbound 領域，AI 資料分析平臺和與銷售人員協作的 AI Copilot 正逐步成熟。以 Co-pilot 為例，已有多個大型平臺如 Outreach（估值 44 億美元）、Salesloft（估值 23 億美元）、Gong（估值 75 億美元）、Qualified（估值約 4 億美元）已經發展到較成熟階段。同時，也湧現出以 email 自動化為主的種子輪公司，如 Tofu、AISDR 等。Auto-pilot 領域也快速發展，如 11x。像 Nooks 和 Regie.ai 等處於 A/B 輪階段的公司，也在積極探索 AI phone outbound 等應用場景。
Nooks
Nooks 是一款專注於提升銷售團隊效率的 AI 銷售助理平臺，特別適用於自動化撥號、潛在客戶挖掘和銷售流程中的其他繁瑣任務。Nooks 的 AI 銷售助理平臺（ASAP）幫助銷售代表自動完成電話撥打、客戶挖掘和初步溝通等基礎工作，從而使銷售人員能夠專注於更高價值的人際互動與戰略決策。Nooks 的平臺已經獲得數千名 SDR（銷售開發代表）和 AE（客戶經理）的信任，成為增長最快的 AI 銷售工具之一。
團隊背景
Nooks 的創始人 Daniel Lee，曾在 Scale AI 和 Cerebras Systems 擔任技術崗位，具備豐富的機器學習和資料驅動產品開發經驗。Nikhil Cheerla 曾在 Tesla Autopilot 和斯坦福大學視覺實驗室進行過深度學習研究，Rohan Suri 則有在醫療裝置領域的創業經歷。
融資情況
Nooks 已成功籌集 4300 萬美元的 B 輪融資，由 Kleiner Perkins 領投，Tola Capital 和 Lachy Groom 等投資機構跟投。
TOFU
TOFU 提供的 B2B 營銷 Co-pilot 平臺，專為大規模營銷活動和多渠道客戶互動而設計，幫助企業在整個營銷漏斗中實現自動化和個性化。TOFU 的核心產品透過自動化的方式生成全渠道營銷內容，包括定製化電子郵件、登陸頁面、廣告文案等，幫助營銷人員大幅提升活動效果並縮短投放週期。平臺支援 1:1 的 ABM（賬戶主導營銷）活動，能夠針對每個客戶的特定需求和痛點，提供定製化的內容，極大提高了客戶轉化率。
TOFU 還提供內容再利用功能，使用者只需提供基礎內容，TOFU 即可自動生成衍生廣告活動內容，支援包括 HubSpot 和 Outreach 等常用平臺的整合。此外，TOFU 還具備強大的資料分析和反饋機制，能夠追蹤和評估各個渠道的營銷效果，幫助團隊最佳化策略、提高 ROI。
團隊背景
TOFU 的創始團隊擁有豐富的技術與產品經驗，Co-founder Eunjoon Cho 曾在 Google、Meta 和 Affirm 等大公司擔任重要工程管理崗位，擁有語音技術和人工智慧的深厚背景。CTO Honglei Liu 則曾在 Facebook 和 Twitter 領導機器學習和資料平臺的團隊，具備強大的 AI 和資料驅動產品開發能力。
融資情況
TOFU 在 2023 年成功完成了 500 萬美元的種子輪融資，由 Index Ventures 領投，SignalFire 和 Stage 2 Capital 等機構跟投。
💡
在客戶關係管理（CRM）領域，像 Salesforce、HubSpot 和 Monday.com 等公司已經成熟，併成為市值百億至千億美元的上市巨頭。與這些行業領袖相比，Attio 是一家初創公司，但已經在市場上取得了顯著的成長，逐漸擴大其市場份額。Day.ai 得到了紅杉資本領投的 400 萬美元種子輪融資，並且擁有 HubSpot 前首席產品官（CPO）作為重要成員，有較強的潛力和競爭優勢。
Day.ai
Day.ai 旨在透過簡化傳統 CRM 系統的複雜手動操作，幫助企業即時瞭解客戶需求。Day.ai 將關係管理、智慧會議助理和 CRM 功能結合為一個統一的解決方案，提供全方位的客戶管理體驗。其產品能夠自動化管理客戶資訊，提供基於客戶需求的智慧會議助手，整合知識庫頁面，最佳化企業與客戶之間的互動。
團隊背景
Day.ai 由前 HubSpot CPO Christopher O'Donnell 和具有豐富 B2B 投資經驗的 Michael Pici 聯合創立。O'Donnell 在創業和產品管理方面有豐富的背景，曾成功創辦並將 ProfitWell 賣給 Paddle。Pici 也有豐富的 HubSpot 經驗，幫助公司推動從營銷驅動型到產品驅動型的轉型。
融資情況
Day.ai 已獲得 Sequoia Capital 領投的 400 萬美元種子輪資金。
排版：楊樂樂
延伸閱讀