9月24日，面向销售场景的AI企业服务提供商循环智能（Recurrent AI）获得由红杉资本中国基金领投的1200万美元融资，万物资本和金沙江创投跟投。此前，循环智能也获得了真格基金、靖亚资本和金沙江创投等机构的投资。

目前，循环智能已经与两家头部股份制商业银行达成了合作，在保险、教育、房产等领域签约了招商信诺、众安保险、水滴、轻松筹、新东方在线、51Talk、自如、我爱我家等行业标杆客户。

据了解，循环智能致力于借助原创的自然语言处理（NLP）和深度学习技术，为企业提供转化率更高的精准销售策略，并且为一线业务员提供AI辅助系统，提升其执行力。

成单预测“无需行为数据”

循环智能独创了一项无需行为数据的成单预测方案，企业可以根据成单预测的结果，调整沟通策略，例如优先与哪些客户进行沟通，或者应该把高意向客户给哪些销售来跟进等。

市面上的客户成单预测模型，大部分是基于客户浏览网站或App时产生的点击等行为数据，以及客户过往的订单等业务数据进行建模的。但是，在保险、教育等很多销售场景，在成交之前并没有业务数据可以使用，也没有用户的行为数据，只有过往的电话录音、文本记录等数据。

那么，只用电话录音或在线IM的文本记录，是否可以进行成单意向预测呢？循环智能开创了无需行为数据的成单预测模型，并且在客户的实际使用中可以带来2~3倍的转化率提升。这套成单意向预测模型，需要对接企业以往与客户的沟通记录，以及沟通的结果——即是否成单的数据，循环智能借助先进的自然语言处理技术，将成单的沟通数据作为“正例”，将未成单的沟通内容作为“负例”进行训练，得到无需行为数据的成单预测模型。

以保险场景为例，循环智能的一家客户企业通过这套模型来筛选出“已沟通但未成单”的海量线索中的高质量线索，然后再进行跟进，相比企业原有的随机跟进或人工策略方案，跟进名单的转化率可以提升至 3.0倍，通话时长提升至 1.6 倍。

AI模型对成单率的判断比人更准，主要原因在于，AI模型学习到了所有成单对话的特征，而人只听过少量的成单对话内容，判断有局限性。在流量红利殆尽，新线索获取难而且成本高的情况下，通过提升存量线索的二次销售转化率，可为企业带来 5%~10% 的业绩提升。

AI提升一线业务员销售能力

在企业数字化转型的过程中，销售过程的线上化成为主流趋势。无论哪种销售方式，涉及到高附加值、复杂产品的销售时，人与人的沟通过程必不可少。但企业普遍面临的挑战是，大量一线业务人员的专业能力和沟通能力不足，尤其是在面对客户提出的异议时，缺乏有效的应对策略，很容易导致意向客户流失。

针对此挑战，循环智能推出了一套提升销售执行力的解决方案，通过AI技术挖掘优秀销售的成单话术、沟通中的关键异议点和应对方式，然后为普通销售和销售新人提供沟通辅助系统，帮助他们更好地应对客户的疑虑，延长通话时间，提升成单率。

在循环智能的一家金融客户的对比测试中，两组水平大致相当的业务员，使用和未使用实时辅助系统，在一段时间内的业绩差距达到 50%。

“我们从多家客户那里了解到，当业务员可以更好地应对客户提出的异议，就能让沟通的时间更长，最终的成单率也更高。所以销售辅助系统的关键是，从过往的海量沟通数据和沟通的结果中，挖掘出最常遇到的异议点和最佳应答实践。”循环智能CEO陈麒聪表示。

专注人与人沟通场景

过去大家普遍认为人与人的沟通过程是非常个性化和多样化的，所以依赖标准化、“结构化”数据的AI技术很难带来实际帮助。正是得益于新一代的自然语言处理和深度学习技术的突破，企业才能准确高效地识别出同一个“语义点”的上百种表达方式，针对海量沟通内容的数据挖掘和信息提取才有了可能。

据了解，循环智能联合创始人杨植麟博士作为第一作者，与 Google AI 和卡内基梅隆大学联合推出了深度学习模型 XLNet，该模型在 18 项自然语言理解任务中取得SOTA最优结果（state of the art）。根据 Google Scholars 统计，在 2019 年全球所有  NLP 论文中，XLNet 以 1000+ 引用量排在第一位。另一位联合创始人、CTO张宇韬博士曾获得北京市科学技术一等奖、吴文俊人工智能技术进步一等奖，并且入选了国家博士后创新人才支持计划。

循环智能的产品支持本地化、私有云和公有云等灵活的部署方案，采用SaaS订阅制的收费模式。CEO陈麒聪表示，接下来，循环智能将广泛接入线上、线下等更广阔的销售场景，助力更多中大型企业实现业务、业绩双增长。