Listen Labs突破性AI客户访谈获6900万美元B轮融资，估值跃升5亿美元

创始人Alfred Wahlforss一度陷入困境。他创办的创新企业Listen Labs急需招聘上百名工程师，但在面对硅谷科技巨头开出的高达1亿美元的AI人才报价时，竞争显得异常艰难。为此，Wahlforss投入了5000美元——这仅是他营销预算的五分之一——在旧金山设立了一块引人注目的广告牌，上面展示了一串看似毫无意义的数字：五组随机数列。

这些数字实则是AI令牌。经过解码，它们指向了一项编程挑战：构建一个算法，作为柏林知名夜店Berghain的“数字门卫”，因为这家夜店以其极高的入场筛选门槛而闻名。短短数日内，数千人尝试破解这个难题，其中430人成功完成挑战。部分佼佼者获得了聘用，而挑战的最终获胜者则获得了前往柏林的免费往返机票及所有开销。

这种非传统的招聘策略如今为Listen Labs带来了丰厚回报，成功吸引了6900万美元的B轮融资。本轮融资由Ribbit Capital领投，Evantic以及现有投资者Sequoia Capital、Conviction和Pear VC共同参与。此轮融资使Listen Labs的估值达到5亿美元，公司累计融资总额达到1亿美元。在产品发布后的九个月内，公司的年化收入增长了15倍，达到了八位数规模，并已完成了超过100万次AI驱动的客户访谈。

Listen Labs创始人兼CEO Wahlforss在一次深度访谈中强调：“当你真正关注客户时，其他一切都会水到渠成。使用Listen平台的团队能将客户的反馈融入到每一个决策环节，无论是市场营销还是产品开发，当客户感到满意时，所有人都受益。”

传统市场研究为何陷入瓶颈？Listen Labs的解决方案是什么？

Listen Labs的AI研究平台能够自动寻找受访者、进行深度访谈，并在数小时内而非数周内提供可执行的洞察。该平台彻底改变了传统市场研究在定量调查（数据精准但缺乏细微之处）和定性访谈（深度足够但难以规模化）之间两难的局面。

Wahlforss进一步阐释了现有方法的局限性：“本质上，调查问卷会给人一种虚假的精确性，因为人们最终往往会回答相同的问题……你无法捕捉到异常值，而且人们在调查中往往不够诚实。”而另一种选择，一对一的人工访谈，虽然“能提供大量深度信息，你可以追问，甚至可以核实受访者是否真的了解他们在谈论什么。但问题在于，这种方式无法实现规模化。”

Listen Labs平台的操作流程分为四个步骤：用户在AI辅助下创建研究项目；Listen Labs从其涵盖3000万用户的全球网络中招募合适的参与者；AI主持人进行深度访谈并提出后续问题；最终，系统将结果打包成可供高管直接使用的报告，包括核心主题、亮点剪辑和演示文稿。

Listen Labs方法的独特之处在于其采用开放式视频对话而非多选题形式。Wahlforss指出：“在问卷调查中，你可能会猜测应该如何回答，并从四个选项中选择。比如，‘他们可能希望我选择高收入，那我点击这个按钮。’而开放式回答则能带来更真实的反馈。”

1400亿美元市场研究行业的“隐秘弊病”：普遍存在的欺诈

Listen Labs从其庞大的3000万用户全球网络中寻找并筛选合格的参与者。然而，构建这样一个高质量用户库的过程中，Wahlforss直言遭遇了“进入这个行业后最令人震惊的发现之一”——普遍存在的欺诈行为。

他解释道：“本质上，只要涉及经济交易，就会有不良参与者。我们曾收到过一些营收数十亿美元的大公司转介过来的用户，他们声称是企业采购方，但我们的系统立刻检测到了大量的欺诈信息。”

为此，Listen Labs开发了一套名为“质量守卫”的系统，该系统通过交叉比对职业社交资料与视频回复来验证身份，检查参与者回答问题时的一致性，并标记可疑模式。Wahlforss表示，这一成果显著：“人们的表达量增加了三倍，在谈论政治和心理健康等敏感话题时也更加诚实。”

在线教育公司Emeritus是Listen Labs的客户之一，该公司此前报告称，约有20%的调查回复存在欺诈或低质量问题。而通过Listen Labs，这一比例几乎降至零。Emeritus客户洞察助理经理Gabrielli Tiburi表示：“我们不需要因为欺诈或无效信息而替换任何回复。”

微软、Sweetgreen和Chubbies如何利用AI访谈优化产品开发

速度优势已成为Listen Labs吸引客户的核心卖点。过去，微软的传统客户研究可能需要四到六周才能得出洞察。微软高级研究经理Romani Patel表示：“等到我们拿到结果时，决策可能已经做出，或者我们错失了影响决策的机会。”

如今，借助Listen Labs，微软可以在几天内，甚至在许多情况下在几小时内获得关键洞察。

该平台已经为多项备受瞩目的项目提供了支持。微软利用Listen Labs为其50周年庆典收集全球客户故事。Patel说：“我们希望用户分享AI Copilot如何帮助他们发挥最佳表现，而我们能够在一天之内收集到这些用户视频故事。”传统上，这类工作通常需要六到八周。

总部位于俄克拉荷马州的饮具公司Simple Modern，利用Listen Labs测试了一个新的产品概念。整个过程仅花费约一小时编写问题，一小时启动研究，以及2.5小时便收到了来自全国各地120人的反馈。该公司首席营销官Chris Hoyle表示：“我们从‘是否应该推出这款产品？’的疑问，迅速转变为‘我们应该如何发布它？’”

短裤品牌Chubbies通过Listen Labs，将青少年研究的参与人数从5人增加到120人，实现了24倍的增长。该平台帮助公司克服了传统儿童焦点小组在日程安排上的挑战。洞察与创新总监Lauren Neville解释道：“孩子们有学校、运动、晚餐和家庭作业，我必须找到一种方式，让他们的声音能够被听到，并且不影响他们的日程。”

公司还通过AI访谈发现了原本可能被忽视的产品问题。Wahlforss描述了AI如何“通过对话，意识到儿童短裤系列存在问题，并决定访谈数百名儿童。结果发现短裤的内衬存在问题，受访者称其‘发痒’。”重新设计后的产品随后成为了“爆款”。

杰文斯悖论：更廉价的研究如何创造更多需求而非减少

Listen Labs正在进入一个庞大但高度分散的市场。Wahlforss引用某行业研究机构的估算，全球市场研究行业每年规模约为1400亿美元，充斥着许多年营收超过10亿美元的传统企业，他认为这些企业极易受到颠覆。

Wahlforss表示：“我们正在取代的，正是那些早已存在的预算线。我们之所以能取代它们，一是因为它们成本高昂；二是因为它们深陷在传统调查或访谈的旧模式中；三是它们的工作周期往往长达数月。”

然而，更引人入胜的动态或许在于，AI驱动的研究不仅能替代现有支出，还能创造新的需求。Wahlforss援引了杰文斯悖论——一项经济学原理，即当技术进步使某种资源的使用效率提高时，效率的提升反而会导致该资源的总消耗量增加，而非减少。

Wahlforss解释说：“我注意到的是，当某样东西变得更便宜时，你不会因此需求减少，反而会想要更多。对客户理解的需求是无限的。因此，团队中的研究人员可以进行数量级更高的研究，而之前不从事研究工作的其他人现在也可以将其作为工作的一部分。”

Listen Labs精英工程团队的早期岁月：甚至没有一个可用的厕所

Listen Labs的起源可以追溯到Wahlforss和他的联合创始人相识于哈佛后共同开发的一款消费者应用程序。Wahlforss回忆道：“我们开发了一款消费者应用，一天内获得了20,000次下载。我们拥有了这些用户，然后就在思考，如何才能更好地了解他们？于是我们构建了Listen的早期原型。”

创始团队拥有非凡的背景。Wahlforss的联合创始人“曾是德国国家级竞技编程冠军，并曾在特斯拉自动驾驶部门工作。”公司声称，其工程团队中30%的成员是国际信息学奥林匹克竞赛的奖牌获得者——该赛事也培养了另一家知名AI编码创业公司的创始人。

据Wahlforss透露，Berghain广告牌的招聘创意在社交媒体上获得了约500万次曝光。这反映了湾区人才争夺战的激烈程度。

他表示：“我们之所以必须这样做，是因为我们的一些早期员工在公司甚至还没有一个可用的厕所时就加入了。但现在，这个问题已经解决了。”

公司在2024年从5名员工增长到40名，并计划今年达到150名。Listen Labs甚至为市场营销、增长和运营等非工程岗位招聘工程师——这是一种押注，认为在AI时代，技术流畅度在各个领域都至关重要。

模拟客户与自动化决策：Listen Labs的未来愿景

Wahlforss勾勒了一个宏伟的产品路线图，其中包含了一些更具前瞻性的探索。公司正在构建“模拟客户的能力，这样我们就可以利用所有已完成的访谈数据，在此基础上进行推断，创建合成用户或模拟用户声音。”

除了模拟，Listen Labs还旨在实现基于研究结果的自动化行动。“你是否可以不仅仅提出建议，还能创建代理来更改代码中的内容，或者当客户流失时，能否给予他们折扣并尝试挽回？”

Wahlforss承认了其中的伦理考量。“正如你所说，这里显然存在伦理问题，比如自动化决策整体可能带来负面影响。但我们将设置严格的防护措施，确保公司始终能进行干预和控制。”

公司已经小心谨慎地处理敏感数据。Wahlforss表示：“我们不会对任何数据进行训练。我们还会自动清除所有敏感的个人身份信息，以便模型能够识别。在某些情况下，例如与投资者合作时，如果你不小心提到了可能构成重大非公开信息的内容，AI能够检测并删除这类信息。”

AI如何重塑产品开发未来

Listen Labs模式最具启发性的意义或许在于它将如何重塑产品开发本身。Wahlforss描述了一位澳大利亚的创业客户，他们已经采纳了一种近乎持续反馈的循环模式。

“他们总部在澳大利亚，白天进行编码，晚上则针对美国受众发布Listen研究。Listen Labs验证他们白天开发的内容，并获取反馈。然后他们可以直接将这些反馈整合到编码工具中，并进行迭代。”

这一愿景将知名孵化器的核心理念——“写代码，与用户交流”——拓展为一个自动化循环。“写代码正在实现自动化。我认为与用户交流也将实现自动化，你将拥有这种无限循环，从而能够几乎自主地推出真正卓越的产品。”

这一愿景能否实现，取决于Listen Labs无法控制的因素——AI模型的持续改进、企业对自动化研究的信任程度，以及速度是否真正与更优质的产品相关。一项2024年的研究显示，95%的AI试点项目未能投入生产，Wahlforss引用这一数据，解释了他为何强调质量而非单纯的演示。

他说道：“我必须不断强调，确保质量到位，细节精准无误。”

然而，公司的快速增长表明市场对这项创新充满渴望。微软的Patel表示，Listen Labs“消除了研究的枯燥，让工作重新充满了乐趣和喜悦。”短裤品牌Chubbies正推动其创始人为公司所有员工开通登录权限。稳定币支付初创公司Sling Money可以在十分钟内创建一份调查，并在同一天收到结果。

Sling Money的市场经理Ali Romero评价道：“这完全颠覆了游戏规则。”

Wahlforss对公司正在构建的未来有不同的描述。当被问及速度与严谨性之间的张力——长期以来人们认为追求速度意味着牺牲细节——他引用了某知名开源代码托管平台前CEO兼Listen Labs投资者Nat Friedman的一句名言，Friedman的网站上收录了许多这样的箴言。

其中一句是：“慢即虚假。”

对于一个建立在方法论严谨基础上的行业而言，这是一个大胆的论断。但Listen Labs正在押注，在AI时代，最快倾听客户声音的企业将是最终的赢家。唯一的问题是，客户是否会积极回应。