“我們的客戶都是公司的銷售和總監(jiān)，他們以往用到的服務(wù)，一般能夠幫他們把銷售轉(zhuǎn)化率提升20%左右，我們可以提升到300%。

”EverString的創(chuàng)始人楊文杰說。

對于EverString，我們曾經(jīng)做過報道，它是一個專注于金融投資行業(yè)的大數(shù)據(jù)分析類的公司。

但在業(yè)務(wù)上，它現(xiàn)在的應(yīng)用場景跟最初有很大的差別。

是客戶的一個電話，讓他們突破瓶頸，發(fā)現(xiàn)了新大陸。

把人工智能帶入企業(yè)級應(yīng)用EverString做的是典型的B2B型業(yè)務(wù)，面向公司的銷售和市場部門，可以精準(zhǔn)地篩選出公司的潛在用戶，幫助銷售減少尋找潛在用戶的機會成本，提高客戶轉(zhuǎn)化率。

另外，還可以幫助企業(yè)精準(zhǔn)地尋找到新客戶。

“我們只分析公司，不分析個人。

” 楊文杰說。

EverString分析的公司數(shù)據(jù)，一端是EverString的企業(yè)客戶內(nèi)部的數(shù)據(jù)，一端則是這些客戶企業(yè)的潛在企業(yè)客戶的數(shù)據(jù)。

前者數(shù)據(jù)由客戶企業(yè)提供,后者數(shù)據(jù)則通過挖掘全網(wǎng)在線企業(yè)數(shù)據(jù)和購買而來。

結(jié)合這兩部數(shù)據(jù)，系統(tǒng)通過機器學(xué)學(xué)習(xí)自動建立客戶模型。

首先，分析企業(yè)現(xiàn)有客戶。

然后，再利用模型然后在全美國找最像企業(yè)現(xiàn)有客戶的潛在客戶。

且，這個建模過程都是全自動的，無須任何的人工介入。

EverString目前主要應(yīng)用在北美市場。

企業(yè)客戶只需要像登陸微信、QQ一樣登陸在Everstring上的賬號，將自己的CRM系統(tǒng)（客戶關(guān)系管理系統(tǒng)）與Everstring的引擎連接就可以了，剩下的事就可以交給系統(tǒng)了。

潛在客戶企業(yè)方面，楊文杰介紹，EverString目前已經(jīng)積累美國近700萬家企業(yè)畫像數(shù)據(jù)。

它構(gòu)建了一個智能爬蟲，搜索分析全網(wǎng)的企業(yè)網(wǎng)站，利用自然語言分析，非監(jiān)督機器學(xué)習(xí)將其分解成產(chǎn)品頁面、招聘頁面、團隊介紹頁面等等，從這個頁面當(dāng)中挖掘具體的信息，然后把這個信息放到機器學(xué)習(xí)的模型當(dāng)中去。

基于一些簡單的變量，做一些預(yù)測已經(jīng)是行業(yè)中大家都在使用的技術(shù)。

但EverString是利用非結(jié)構(gòu)化的文本做機器學(xué)習(xí)，同時實時地分析上十萬到百萬個變量。

這個預(yù)測分析過程每分每秒都在進行。

楊文杰介紹，EverString到目前為止已經(jīng)為56家客戶公司構(gòu)建了他們的企業(yè)模型，平均的轉(zhuǎn)化率提升超過了3.8倍。

現(xiàn)在EverString的客戶當(dāng)中已經(jīng)有將近5家世界500強，有很多是美國高速成長的公司。

其中一家企業(yè)在使用EverString兩個月內(nèi)銷售收入翻了一倍。

基于此，EverString從上線以來，短短6個月時間，實際入賬的銷售收入超過了百萬美金，每年的年費收入2015年底預(yù)計超過7百萬美金。

一個電話引發(fā)的爆發(fā)美國整個B2B市場營銷行業(yè)在2014年的市場規(guī)模是360億美金。

可是EverString最終找到這條路，卻看似源于一個偶然。

楊文杰曾任職摩根大通投資銀行分析師、美國大型私募基金投資經(jīng)理。

在硅谷做投資的時候，受到一個投資理念的啟發(fā)，就是挖掘那些別人都聽說過的公司。

那時，他開始嘗試用機器學(xué)習(xí)和自然語言分析去追蹤分析美國近400多萬個企業(yè)網(wǎng)址，探索其中關(guān)于公司的成長信號的內(nèi)容，譬如公司正在招聘什么人等等信息。

這個方法成功地幫楊文杰找到了好幾家潛在投資對象。

他很快決定辭職創(chuàng)業(yè)，把這個技術(shù)能力擴散出去。

他打電話給自己在上海交通大學(xué)數(shù)學(xué)系的校友汪超，兩人在大學(xué)時就是創(chuàng)業(yè)搭檔。

汪超很快接受了楊文杰的建議，兩人打造了EverString的雛形。

后來，借在斯坦福念MBA的機會，楊文杰結(jié)識了很多斯坦福的博士，于是招兵買馬，建立了一個涵蓋自然語言分析、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘人才的團隊。

從自己的經(jīng)驗出發(fā)，EverString技術(shù)最初的應(yīng)用方向是針對金融行業(yè)，幫助他們分析的潛在投資對象。

但產(chǎn)品開發(fā)出來之后，EverString團隊很快就遇到了一個瓶頸，那就是EverString針對金融投資行業(yè)的業(yè)務(wù)很難做大。

因為EverString服務(wù)的金融公司們的潛在投資公司有很大的重合度，所以每一家公司對EverString服務(wù)的使用就具有很強的排他性。

那時，EverString剛剛從紅杉，IDG，真格基金那里融完了第一輪160萬美元資金，花了一年時間搭建起了理想中的團隊。

他們試圖找一個新的應(yīng)用場景。

轉(zhuǎn)機出現(xiàn)在一個電話里。

美國一家殺毒軟件公司的市場總監(jiān)打來電話，對方詢問EverString的數(shù)據(jù)分析產(chǎn)品能否用在市場營銷中，幫助尋找潛在客戶。

楊文杰和汪超之前沒考慮到這個問題，但既然有人互動提出需求，他們決定做一下嘗試。

嘗試給出了驚喜的效果。

他們發(fā)現(xiàn)，在營銷行業(yè)幫助企業(yè)分析下一個客戶，與對投行的分析方法是一樣的。

而且，有一個好處是，每家公司所針對的客戶差異性很大。

這家打來電話的公司獲得了意想不到的好效果，客戶轉(zhuǎn)化率提高了將近2倍多。

這讓EverString整個團隊都感到非常意外， 2014年1月初，EverString團隊正式?jīng)Q定100%地全力投入到市場營銷市場。

EverString的這個轉(zhuǎn)折將它的價值迅速體現(xiàn)，他們才做了三個月，就收到兩家大企業(yè)的收購邀約。

6個月之后， 2014年6月， EverString拿到1200萬美金A輪融資，這是目前美國大數(shù)據(jù)預(yù)測分析行業(yè)最大的一輪融資。

投資方除了國內(nèi)的紅杉資本、IDG之外，還有真格基金和美國光速資本。

EverString目前的客戶主要分布在高科技、電信和保險三個行業(yè)。

“我們能做好這三個行業(yè)已經(jīng)夠了。

在美國，他們每年花在B2B找客戶上面的就達到360億美金了。

” 楊文杰說。

目前，EverString在硅谷和北京都設(shè)立了數(shù)據(jù)科學(xué)和工程研發(fā)團隊。

“我們的業(yè)務(wù)擴展速度目前主要取決于我們的團隊規(guī)模。

”楊文杰說。

中國目前有四千多萬的中小企業(yè)，EverString在北京設(shè)立團隊，就是希望能逐漸向中國的企業(yè)智能市場擴展。