美国 - 艾赫巴里通讯社
Listen Labs 在病毒式广告牌招聘噱头后完成 6900 万美元融资，以扩展 AI 客户访谈
Listen Labs 是一家准备通过人工智能重新定义市场研究的公司，它通过一项大胆的创新策略和技术实力展示，成功完成了 6900 万美元的 B 轮融资。本轮融资由 Ribbit Capital 领投，Evantic 积极参与，现有投资者包括 Sequoia Capital、Conviction 和 Pear VC。这笔巨额资本注入使 Listen Labs 的估值达到 5 亿美元，总融资额达到 1 亿美元，这在公司成立仅九个月内便是一项非凡的成就。
这笔可观的资本流入，在一定程度上，证明了公司大胆且病毒式的营销方法。面对在高度竞争的技术环境中招聘 100 多名工程师的艰巨挑战，首席执行官 Alfred Wahlforss 选择了一种非常规的招聘策略。他没有采用传统的招聘广告，而是将营销预算的五分之一，即 5000 美元，投入到旧金山一块神秘的广告牌上。广告牌上显示了五串看似随机的数字，后来被证明是编码的 AI 代币。这些代币导向了一个复杂的编码挑战：开发一个算法，充当柏林臭名昭著的、选择性极高的夜总会 Berghain 的数字保安。
另请阅读
该活动立即引起了广泛关注，吸引了数千名申请者来解决这个编码难题。总共有 430 人成功破解了挑战，其中一些人获得了 Listen Labs 的工作机会。最终的获胜者获得了柏林全包旅行的奖励。这一独特的宣传活动不仅引起了媒体的广泛关注，还强有力地展示了公司的创新精神以及通过创造性解决问题吸引人才的能力。
Listen Labs 正利用这一势头，扩展其人工智能驱动的客户访谈平台。该公司的核心产品解决了传统市场研究中的一个关键差距，而传统市场研究在速度、成本和准确性方面常常面临挑战。Listen 的 AI 研究员能够识别参与者，进行深入访谈，并在几小时内提供可操作的见解，这与传统方法通常需要数周或数月的时间形成了鲜明对比。这使得企业能够将客户反馈直接整合到从产品开发到营销策略的决策过程中。
Wahlforss 详细阐述了现有研究方法的局限性。他说：“基本上，调查会给你错误的精确度，因为人们最终会回答相同的问题……你无法获得那些异常值。人们实际上在调查中并不诚实。”相反，一对一的人工访谈虽然具有深度和进一步探究的能力，但却难以高效地扩展。Listen Labs 通过采用能够进行广泛访谈并以惊人的速度和一致性分析数据的 AI 调解员来弥合这一差距。
该平台通过一个简化的四步流程运行：用户在 AI 的协助下定义他们的研究目标，Listen 从其拥有 3000 万人的庞大全球网络中招募合适的参与者，AI 调解员进行细致的、开放式的视频访谈并提出智能的后续问题，最后，研究结果被综合成高管可用的报告，包括关键主题、精彩片段和全面的幻灯片演示。
Listen 的一个关键区别在于它强调开放式视频对话，而非传统的选择题调查。Wahlforss 解释说：“在调查中，你可以猜测应该回答什么，并且有四个选项……而开放式回答则会产生更多的诚实度。”这种方法能促进更真实、更详细的反馈。
此外，Listen Labs 正在解决价值 1400 亿美元的市场研究行业中普遍存在的欺诈问题。Wahlforss 透露，建立其参与者网络需要面对他们遇到的“最令人震惊的事情之一”——广泛的欺诈活动。他指出：“基本上，存在金融交易，这意味着会有不良行为者。我们遇到过一些大型公司提交欺诈性参与者资料的例子。”为了应对这一问题，Listen 开发了一个复杂的“质量卫士”系统。该系统将 LinkedIn 个人资料与视频回复进行交叉比对，验证参与者身份，检查回复的一致性，并标记可疑模式。其结果是真实的参与度和诚实度急剧增加，参与者发言量增加三倍，并就敏感话题提供坦诚的反馈。
相关新闻
Emeritus 等公司看到了切实的效益，将欺诈或低质量的调查回复比例从约 20% 降至接近零。Listen 平台的速度和可靠性也给大型企业留下了深刻印象。例如，微软能够在一天之内为其 50 周年庆典收集全球客户故事，包括关于 Copilot 的推荐——这项工作传统上需要六到八周时间。同样，饮料公司 Simple Modern 测试了一款新产品概念，并在短短几个小时内获得了全国 120 名参与者的反馈。服装品牌 Chubbies 将青少年研究参与度提高了 24 倍，使其能够发现产品问题（如儿童短裤内衬的摩擦感），从而成功地重新设计了一款产品，并取得了巨大成功。
Listen Labs 正处于颠覆庞大但分散的市场研究行业的战略有利位置。Wahlforss 指出，据估计该行业年产值达 1400 亿美元，充斥着容易受到创新冲击的传统参与者。他表示：“我们正在取代许多现有的预算项目”，并提到了传统方法的成本高昂、方法过时和耗时过长。此外，Wahlforss 认为，人工智能驱动的研究通过使见解更易于访问和负担得起，不仅可以取代现有支出，还可以刺激新的需求，这呼应了“生产率提高反而导致资源消耗增加”的 Jevons paradox。
