给客服中心装AI,理由几乎只有一个——减少需要的人力。
但这家刚拿到3000万美元A轮融资的创业公司反其道而行。他们没有问"怎么减少通话",而是先搞清楚"哪些对话真的促成了成交"。
大家都是这么想的
现在大多数AI客服和支持代理,考核标准都是"能不能不靠人、更快解决问题"。聊天机器人和语音AI已经能处理最多40%的咨询了。 Gartner预测,到2029年,主动式(agentic)AI将独立处理80%的日常服务咨询,把运营成本降低30%。
在这套逻辑里,AI是用来避开人工的工具。大部分成果指标也是解决时长、处理量这类成本导向的数字。
但数字走向了完全相反的方向
Dvir Ginzburg博士在特拉维夫大学拿到几何深度学习博士学位,曾在微软研究推荐系统,他在2022年创立了Encore AI(前身叫Insait),把这套公式彻底颠倒了过来。 CEO自己说得很直接:"如今的企业AI行业都在为降低成本做优化,Encore是为另一边而生的。" 大多数AI代理的设计目标是减少通话、减少人工接触,而Encore AI表示自己聚焦的是创造收入。
他们的方法是一项名为交互挖掘(Interaction Mining)的专利技术。系统会摄取数百万条通话录音、邮件、短信、CRM数据甚至落地页记录,把对话拆解成不同阶段,找出到底是哪些动作真正推动了成交。 再把组织里顶尖员工反复出现的行为提炼出来,变成实时辅助工具"Wingman",或者完全自主运行的代理"Autopilot"。
这套打法奏效的信号已经体现在数字上。自种子轮以来的18个月里,年度经常性收入(ARR)增长超过5倍。 据该公司透露,一家贷款客户在几个月内就获得了10倍的投资回报。 本轮由Team8领投,Planven、The Garden跟投,有意思的是,部分投资方原本是客户——银行和保险公司,用过之后才决定投钱进来。
为什么偏偏是金融业先火起来
Encore AI的40多家企业客户中,大部分都是金融机构。 乍看之下,先攻监管最严的行业似乎有点反常,但这恰恰成了他们的护城河。
受监管行业的合规门槛,让大多数AI创业公司根本进不来。金融服务之所以成为这套方法的领跑行业,除了监管要求高之外,还因为房贷咨询聊着聊着会提到装修需求、企业客户会顺口问现金流问题——藏着的收入机会经常一闪而过。 据披露,有一家金融机构客户处理了20万通电话,转化率提升81%,节省了1300小时。 该公司表示部署只需几周,相比动辄几个月的传统企业AI落地周期快得多。
不用Encore AI,你的团队也能试试
就算不用Encore AI的产品,"交互挖掘"这套思路本身现在就能直接借鉴。
- 先收集赢单和丢单的对话
从最近三个月里各挑20通成交和流失的电话(或邮件),就足够开始了。 - 按阶段拆分并打标签
把对话拆成开场、需求了解、异议处理、促成成交几个阶段,标出只在赢单案例里反复出现的话术和时机。 - 先从实时辅助开始,别急着全自动
给一线人员一张"这个时间点说这句话效果好"的提示卡片,风险比直接全自动化低得多。 - 用收入指标衡量,而不是效率指标
别只看处理时长、解决率,对比用了这套方法和没用的两组之间的转化率、客单价差异。 - 合规问题第一个排查
把通话录音、客户数据用来训练AI,不同行业的同意和留存规定都不一样。试点前一定要先过法务这一关。
想深入了解
Encore AI raises $30M to build AI agents that learn from customer calls 这个故事的原始报道,创业背景和整轮融资的完整脉络 techcrunch.com
Encore AI raises $30 million Series A to teach AI agents how top employees work 创始人Dvir Ginzburg的履历和交互挖掘技术的详细访谈 calcalistech.com
Encore AI官网 Wingman和Autopilot两种模式,以及按行业分类的客户案例 gainencore.ai
Decoding Conversation Intelligence in Sales and Marketing Gong对会话智能基本概念的解读——拿来和Encore AI的做法对比着看很有意思 gong.io
Encore AI Raises $30M Series A To Deploy Revenue Agents 从CX行业视角解读这轮融资的意义 cmswire.com
Encore AI Raises $30M for Revenue-Generating Voice Agents 结合Gartner预测等行业趋势数据的分析文章 enterprisedna.co
