优秀创业者：没有销售人员如何做到2亿美元收入

商业计划书网　　2016-01-04　　浏览:

　　业绩由倒数第一变成了正数第一

　　“连续两个季度业绩全球垫底，下个月还没有起色的话，就得走人了。”杨文杰回忆起当时在私募基金Summit Partner的工作时，这样说。Summit Partner管理着160亿美元的资金。杨文杰当时是投资经理，他的工作就是每天给各种CEO打深度沟通的电话，来试图找到有前景的、可以投资的公司。

　　不过他似乎并不适合这份工作。他的同事每个季度能找到3个不错的公司，但是他却一个都找不到。杨文杰评价每天的工作像“大海捞针”。而作为一个外来客，他又缺少很多美国人自带的优势。“如果在国内，我认识一些公司的高管，也许聊一聊就会知道一些新的东西。”不过即便如此，做法也是非常随机的。

　　杨文杰需要找到一种持续高效收集信息的新方法，他想到了之前在摩根大通工作时接触到的一家公司。这家公司用爬虫去分析全球的新闻数据，然后把这些数据卖给一些金融机构，给它们提供一些情报和信息。这家公司当时让杨文杰非常感兴趣。

　　私募公司大多是通过人力来寻找值得投资的项目，并不会特别招聘数据科学家或者工程师，或者借助爬虫和模型来收集和分析数据。虽然没听说身边有谁在用这个方法，但杨文杰决定尝试一下。

　　结果非常出乎他的意料。这次他完成了一般投资经理数倍的工作量，业绩由倒数第一变成了正数第一。机器的高效让他完成了不可能完成的工作任务。通过爬虫技术，杨文杰找到了一些媒体没关注到、位置有些偏远的公司，并发现了它们的成长迹象。之前有过两次创业经历的杨文杰敏感地意识到这是一个好的创业机会。而继续在公司里待下去，技术的归属权很可能就会被公司收走。

　　创立公司EverString

　　杨文杰很快离开了公司，并联系上了大学时的好友汪超。2006年汪超和杨文杰有过一次共同创业的经历，彼此非常熟悉。当时在国内一家投资银行任副总经理的汪超，同样看好这个方向，于是决定辞职和杨文杰一起创业。2012年年底，二人创立了公司EverString。

　　EverString现在是一家通过人工智能技术和高效的算法来帮助企业挖掘精准客户，提高销售效率的公司，目前客户主要在美国，包括微软、IBM和McAfee等。这些企业级客户基本都会使用CRM(客户关系管理系统)在销售过程中梳理客户信息。EverString一方面对接CRM数据，通过提取数据和建模，得到精准的客户画像。另一方面，EverString在互联网上抓取了1100万家公司的信息，再将这些信息和客户画像匹配，来判断哪些用户的转化率比较高。

　　在公司创业初期，他们的目标客户是风险投资公司。EverString创立后很快拿到了真格基金、红杉资本等机构的150万美元的天使投资。这个时候，杨文杰也没太想明白公司的具体方向是什么——至少还可以做本行，毕竟现在他能组建一个以一当九的投资经理团队。

　　拿到了投资，杨文杰首先想到的是如何优化算法。斯坦福MBA的身份让他相对容易地接触到了学校里一些研究算法的博士。在产品研发阶段，杨文杰天天和斯坦福的博士们待在一起，研究怎么才能利用算法更好地收集企业信息。有了好产品自然就会有人埋单，他一开始是这样想的。

　　事情没有像想象的那样顺理成章

　　在产品上线后的5个月中，杨文杰四处去拜访客户，但却没拿下一个订单。投资公司希望获得和EverString独家的合作机会，但EverString找到的有潜力的公司并不完全适合某一家风投。“比如经纬最近投B2B很多，红杉最近投O2O很多，可能我们同一个项目，红杉的打分就比较高，经纬的打分就比较低。”杨文杰想要更好地了解不同投资公司的投资偏好，提出能不能通过机器学习的方法先研究一下以前投资的案例，这样就能更好地完成推荐。但是，没有一家投资公司能给出这样的机会，毕竟案例数据库对于投资公司来说太重要了。这让杨伟杰和汪超非常苦恼。

　　对于EverString智能推荐算法来说，关键就在数据的双向沟通，目标公司的成长信号只是收集数据的一部分，EverString还需要对投资公司内部的数据做研究。研究样本缺少，意味着杨文杰不知道每家投资公司的偏好，不知道把找到的公司精准地推荐给谁。

　　“那是我们最黑暗的时期，”杨文杰这样描述那段找不到方向的瓶颈期，“当时账上的150万美元都快烧完了，感觉已经坚持不下去了，不知道出路在哪儿。”

　　另外一个让杨文杰和汪超感到前途渺茫的原因是，EverString的潜在客户太少了。“有名的投资公司就几百家，每家付个几万美元，公司的成长空间非常有限。”EverString的联合创始人汪超说。

　　在没有一个销售人员的情况下，怎么做到两亿美元的收入ς

　　急需找到方向的杨文杰开始频繁地参加各种B2B峰会，希望能够得到一些启发。有一次一位嘉宾的分享给了他很大的启示。那位嘉宾演讲的主题是：“在没有一个销售人员的情况下，怎么做到两亿美元的收入”。演讲嘉宾有一个观点和杨文杰的想法相同，即外部的数据一定要和企业内部的数据结合起来，“B2B的创业一定要把产品植入到客户公司的工作流之中。”

　　这些话让杨文杰找到了方向。杨文杰给汪超解释了一下自己的思路，不给投资公司推荐成长型公司了，EverString应该转做B2B模式：分析公司原有客户的特征，再结合全球数据分析，给公司的销售推荐下一个客户，告诉他们给谁打电话，成功率会比较高。

　　汪超也觉得这个方向可行。在最困难的时候，俩人忽然觉得，也许黑暗的日子快要结束了。

　　接下来的事情比较顺利，投资公司似乎对EverString提出的提高销售效率的方法比较认同，有好几家公司都同意让他们试试。

　　McAfee是EverString第一个比较重要的客户。平均每一年，有100多万的潜在客户访问McAfee的网站，但是其中只有2万能最终转化成真正的客户。由于不知道哪些是真正的客户，销售人员只能将这100万个客户的电话都打一遍，McAfee想要更精准地知道谁才是下一个客户。杨文杰当初跟McAfee说，两个月内EverString会提供一套5万美元的方案，如果McAfee不满意，3个月内可随时解除合作。

　　一开始，整个团队光在建立模型上就花掉了47天，杨文杰需要不断和几位斯坦福的博士客户做沟通，然后不断调试算法与模型。建立模型是为了找到McAfee的客户究竟有什么特征，描绘出用户画像。模型建立好了以后，EverString就可以不断地获取McAfee所有的在线客户信息。通过把这些潜在客户和已有用户的画像比对，EverString能够说出这些潜在客户与目标客户的相似程度。据杨文杰说，3个月下来，EverString帮助McAfee把销售效率提高了两倍以上。

　　随着接触的公司越来越多，建模工程师们逐渐发现了不同公司内部数据的共性，其中很多功能都可以模块化。因此建模的时间就越来越短，由原来的47天、42天，缩短到了现在的30分钟。“最早我们只有一个模型，未来我们会有上百个模型，并且可以通过算法来选择哪个模型更好。”汪超对《第一财经周刊》说。

　　模型的数次迭代让技术层面的问题越来越少，然而最困难的部分就是让客户完全信任地将数据接入到EverString的系统。“因为我们的做法是需要客户把他们的数据给我们，让我们的引擎切入到他们工作流当中去，这样这家公司每分每秒产生的营销数据、Email数据，全部会传到EverString当中，”杨文杰说，“就像是在每个公司的大脑中插入了EverString的芯片。”这样的要求一开始势必让客户高度防备，因为这样做很可能导致数据外泄。有的公司甚至告诉杨文杰，会请黑客来测试他们的系统。

　　真正给EverString带来转折的是和微软Office 365小组的合作，对于当时规模非常小的EverString来说，微软是个巨大的品牌背书。

　　不过拿下这个大客户并不容易，因为EverString首先要做的就是接入公司的CRM系统来获取数据，这一点让微软很难接受。“当时我们也没有什么名气，只能去苦苦地求呗。”杨文杰说。在接下来的一段时间，杨文杰每天跑到微软去上班，就坐在销售旁边听他们怎么打电话、怎么去销售自己的产品，去了解他们究竟需要什么样的客户，然后一次一次地跟销售经理保证数据绝对不会外泄。最后微软的销售经理实在拿他没办法，终于松了口。不过让他在了解到客户信息之前，微软和EverString签了一系列非常严格的保密协议。

　　半年以后，EverString帮助这个团队把营销效率从原来的8%提高到了25%。

　　除了找到正确的方向，另外一件重要的事就是找人

　　由于两位创始人都是中国人，来EverString面试以后最终留下的大多数也都是中国人。而在市场拓展、销售产品上面，中国人还是缺少美国人自带的优势，会受到“外来”身份的影响。杨文杰找到了自己当初在私募公司的老板J.J.Kardwell，他同样也是EverString的天使投资人之一。杨文杰每过一段时间都会找这位前老板聊聊EverString的情况。两人再次见面的时候，杨文杰向Kardwell发出了邀请。

　　Kardwell随后放弃了年薪400万美元的工作，加入EverString，成为了公司总裁。Kardwell的到来帮助EverString进一步打开了局面。他利用自己的人脉资源，将EverString推荐给了更多的500强公司，并且给EverString招到了第一个非华裔的营销主管和市场总监，现在EverString的美国公司里，除了工程师，绝大部分都是美国人。

　　2014年8月，EverString拿到了1200万美元的A轮融资，这轮融资主要被用于扩充工程师团队和销售团队。目前，EverString在美国和中国分别有两个团队，在硅谷主要是数据科学家和营销团队，在北京则是工程师团队。其数据科学家团队来自美国航空航天局、Salesforce和斯坦福PhD等，工程师团队来自Google京东等公司。

　　利用算法帮助企业做更优的决策

　　目前，EverString已经累计抓取到了1100万家公司的信息，“几乎把所有有英文网站的公司都覆盖了”。

　　除了推荐更精准的客户，EverString还尝试优化公司人的工作流程。通过对信息的智能处理，EverString能够分辨出不同事情的重要程度，并给出销售一些建议。每天早上销售打开电脑后，系统会自动弹出来当天要联系的客户名单。需要发给客户的材料已经准备好，只需要点击发送按钮。系统会在恰当的时间弹出提醒，告诉销售这个时间发过去的邮件最容易被打开。听上去这些功能和一些辅助工作的SaaS软件并没有什么不同，但是在使用SaaS软件的时候，用户需要自己将工作内容和工作计划填写到空白的软件里，EverString更偏向于自动收集邮件中的工作信息和各类数据，通过建模和分析以后给出合理的建议。

　　“有个含义很广的概念叫做算法经济，具体到EverString，就是利用算法帮助企业做更优的决策。”汪超说，“找到企业的痛点后，我们可以通过算法一个一个去打。最难的是怎么把芯片装到一个企业的大脑中去，获取所有信息。”汪超认为EverString已经通过“芯片”收集了足够多的信息，利用这些信息和高效的算法，他们还可以做很多事情。

　　较大的想象空间或许是让他们获得又一大笔融资的主要原因。今年10月14日，EverString宣布完成B轮6500万融资。

　　“做B2B服务的模式有两种，一种是纯工作流驱动，一种是AI(Artificial Intelligence，人工智能)驱动。我们是后者，很少有人这么做。我们以后也会慢慢切入到SaaS这些基于工作流的软件中去。”杨文杰说，希望以后EverString还能指导HR招到更合适的人，帮助财务做更准确的账。