EverString：大数据时代，谁是企业的下一个客户？

EverString

2018/8/14

   当地时间8月14日下午，探秘硅谷支队来到了EverString硅谷总部调研企业大数据分析。软件学院09级硕士生，EverString大数据平台架构师彭卓学长热情地接待了我们，并从以下几方面向我们展示公司全貌。

#公司简介#

   EverString是一家B2B的公司，为企业客户提供企业级人工智能服务，通过打通企业CRM/MAS的客户数据和海量互联网商业信息数据，构建算法模型，帮企业挖掘新客户，提升销售转化率及营业收入。2015年，Everstring入选JMP Securities“未来企业之星”和“创业邦Top100”。

（CRM,全称为Customer Relationship Management，指客户关系管理）

1

FIRE，寻找潜在客户的新方法

   不同于传统的BANT（预算，权限，需求，时间）商机挖掘四要素，EverString公司开发了一个首字母缩略词为FIRE的为企业寻找潜在客户的新方法。FIRE测量以下四个维度：

适合（Fit）：潜在客户是否适合您的产品或服务？

意图（Intent）：客户正在积极寻求您的产品或服务。

新近度（Recency）：他们什么时候开始显示这个意图？

参与度（Engagement）：客户是否通过您拥有的渠道（例如您的白皮书，博客，网络研讨会等）与您展开互动。

    使用FIRE将意味着以全新的方式进入市场，查看新因素，并为客户是否准备购买产品或服务创建新算法。初步实验显示，使用FIRE模式后，企业的转化率提高了125%，年度合同价值（ACV）增长了35%，销售周期缩短了20天，并仍在持续缩短。

2

六大核心技术创新

six core technology innovations

     彭卓学长为我们展示了EverString平台的六大核心技术，并对每种技术创新做了详细阐释：

企业图和关键词语义图（Company graph and business tags semantic graph）：覆盖了7600万+次实体识别，追踪了1000亿+个月信号。

用于生成HITL训练数据和AI质量保证的AI控制平台（AI Control Platform for HITL training data creation and AI QA）：AI+Humans= a new kind of intelligence.

自然语言处理与文本挖掘（Natural language processing and text mining)：运用人工智能神经网络技术。

任意数据源的灵活摄取和人工智能实体识别（Flexible ingestion and AI merge of any data source）：包括爬取的数据、客户授权数据、采购数据、AI产生的数据、人工清洗数据等；

大规模网络爬虫与数据抽取（Massive-scale web crawling and data extraction）

自动化人工智能与机器学习（Automated AI and machine learning）：可实现自我服务，自动选取特征和建立模型，实时展现，小样本训练模型等；

    注：HITL，全称Human-in-the-loop，意为人机回圈、人机校验，即利用人的智慧对人工智能引擎的结果、决策进行检验和修正，帮助人工智能获得更准确的结果和更优的用户体验。

3

进入市场和分析成功的三层结构

All three layers

工作流 Workflow

人工智能 Artifical Intelligence

数据 Data

  其中，底层是数据，包括爬取的数据、客户授权数据、采购数据、AI产生数据、人工清洗数据等；中层是AI，包括自动建模、行业类别预测（如NAICS）、自然语言处理（NLP）等；顶层是工作流程，如API管理器对外提供数据和AI作为集成或开发的微服务等。

Q

A

队员

计算机萌新

彭卓学长

大数据平台架构师

队员

（关于数据安全和数据保护协议）在抓取数据量大，数据来源较为复杂的情况下，请问贵公司在获取数据时是否会因为不同国家和地区的数据保护协议不同而引发一些问题？以及公司是如何保护用户数据的？

  这个问题很好，很多情况下，数据爬虫都要跟数据源斗智斗勇，需要用很多方式去绕开它们设计的各种门槛。但确实有一些数据是受法律保护的，如欧盟于2018年5月25日出台了《通用数据保护条例》（GDPR），用于保障用户在个人隐私方面的知情权。在此情况下，公开用户的姓名、地址、电话等信息是违法的，还要承担巨额罚金。所以我们在爬取数据时会严格遵守各个地区的法律法规和行业规范，确保不逾越红线。

    EverString会为企业用户的商业数据及隐私数据提供保护措施，比如内部系统不能留下明文痕迹、严格控制信息获取权限、运用反爬虫技术等。

学长

队员

请问使用贵公司的智能服务后，与原先企业手动寻找客户相比，时间效率及准确率具体提高了多少？

  先说下准确率吧。传统方式下，企业尝试去联系客户，到客户最终是否购买企业的产品，这个转化率一般很低，甚至不到10%。但使用我们的产品后，大多数实验公司的转化率都有了明显提升，某一公司的转化率甚至提升了125%。

  此外，相较于人工分析数据并建立模型的3-4周时间，机器建模只需15分钟。

学长

队员

贵公司的产品和服务主要用来帮助企业寻找目标客户，那以后会考虑扩宽业务吗？比如找到客户后，如何帮企业更好地服务他们？

   我们会考虑目标企业在服务客户的过程中遇到的各种问题，所以上面也提到了，目标企业会有很多部门使用我们的产品，像marketing, sales 和 customer success等，其中customer success主要关心的是客户购买产品后的使用体验、效率是否提高等，我们也会帮目标企业解决这些问题。但也有一些短期内很难解决的特定问题我们暂未准备尝试，因为我们更关注的大多数企业的普遍问题和共同需求。

学长

队员

目前贵公司的企业智能服务主要面向美国市场，请问在中国有相关业务吗？

   目前我们公司业务尚未正式进入中国市场，这不仅是受信息公开程度、及时性、真实性等因素的影响，也考虑到NLP（自然语言处理）等技术处理中文更复杂。

学长

队员

您认为企业用户数据与个人用户数据在特征和处理方式上有哪些不同呢？

一方面，企业对数据精确度要求更高，会涉及商业机密或核心利益等；

另一方面，企业之间还存在更为复杂的实体关系，如子公司，子研发中心等，这种问题就不会出现在C端。

学长

支队同学和学长交流探讨

实践小结

   Everstring的产品能够得到企业的认同并且能够为企业在寻求合作伙伴方面提高效率，充分地说明了目前数据驱动决策的思路是可行的。而目前Everstring的业务范围主要集中在美国，在中国尚未开展业务，并且提到中国的环境目前还并不适合。这提示我们，国内企业对数据的利用意识仍然不够强，虽然大数据目前俨然是一个热点话题。

                                         ——季逸飞

   在everstring，我了解到人工智能技术能大幅度提高企业合作效率。而且，爬虫，数据分析和筛选，human in the loop等技术和模式能大幅度改善模型。而且，我意识到企业有良好定位和核心技术的重要性。everstring成功的两个重要原因就是其准确的定位(帮企业寻找企业级用户)和核心技术(AI+大数据)。

                                          ——沈冠霖

支队合影

下期预告

赴Uber & LinkedIn参观调研

探秘硅谷

软件学院赴美海外实践

长按二维码关注我们

文案 | 杨雅文

排版 | 杨雅文

供稿：“探秘硅谷”软件学院赴美海外实践支队