Listen Labs 在病毒式招聘广告牌成功后融资6900万美元，以扩大AI客户访谈规模

Listen Labs 是一家利用人工智能进行客户访谈的初创公司，近日宣布完成 6900 万美元的 B 轮融资，公司估值达到 5 亿美元。本轮融资由 Ribbit Capital 领投，Evantic 以及现有投资者 Sequoia Capital、Conviction 和 Pear VC 跟投。至此，公司总融资额达到 1 亿美元。在推出后的九个月内，Listen Labs 的年化收入增长了 15 倍，达到八位数，并完成了超过 100 万次 AI 驱动的访谈。

该公司由 Alfred Wahlforss 创立，此前曾因一则病毒式传播的招聘广告牌而引发关注。当时，Wahlforss 面临招聘 100 多名工程师的挑战，却难与马克·扎克伯格提供的 1 亿美元薪酬相抗衡。于是，他花费 5000 美元在旧金山立起一块看似乱码的广告牌，上面显示五串随机数字。这些数字实际上是 AI 令牌，解码后指向一个编程挑战：编写算法模拟柏林 Berghain 夜店的门卫，该夜店以严苛的入场政策著称。几天内，数千人尝试解题，430 人成功破解，其中部分人被录用，获胜者还获得了一次全额付费的柏林之旅。

Wahlforss 在接受 VentureBeat 采访时表示：“当你痴迷于客户时，其他一切都会随之而来。使用 Listen 的团队将客户带入每一个决策，从营销到产品，当客户满意时，每个人都会满意。”

传统市场调研的缺陷与 Listen 的解决方案

Listen 的 AI 研究员能够快速找到参与者，进行深度访谈，并在数小时内提供可操作的洞察，而非数周。该平台取代了传统上在定量调查（提供统计精度但缺乏深度）与定性访谈（有深度但无法规模化）之间的选择。Wahlforss 解释说：“调查本质上会带来虚假的精确性，因为人们最终会回答相同的问题……你无法获得异常值。人们在调查中实际上并不诚实。”而一对一的人类访谈“提供了大量深度，你可以追问，可以核实他们是否真的了解自己在说什么，但问题在于无法规模化。”

平台的工作流程分为四步：用户借助 AI 创建研究；Listen 从其全球 3000 万人的网络中招募参与者；AI 主持人进行深度访谈并追问；结果被打包成面向高管的报告，包括关键主题、精彩片段和幻灯片。

Listen 的独特之处在于使用开放式视频对话而非选择题形式。Wahlforss 说：“在调查中，你大概能猜到应该回答什么，而且有四个选项。哦，他们可能希望我选高收入，让我点那个按钮。而开放式回应则能引发更多的诚实。”

1400 亿美元市场调研行业的肮脏秘密：猖獗的欺诈

Listen 在其全球 3000 万人的网络中寻找并筛选合适的参与者。但构建这一群体需要面对 Wahlforss 所说的“进入这个行业以来了解到的最令人震惊的事情之一”——猖獗的欺诈。他解释说：“本质上，这涉及财务交易，因此必然会有不良参与者。我们遇到过一些大型公司，其中一些收入数十亿，向我们提供声称是企业买家的人，而我们的系统立即检测到欺诈、欺诈、欺诈。”

该公司建立了所谓的“质量卫士”，通过将 LinkedIn 资料与视频回应交叉引用以验证身份，检查参与者回答的一致性，并标记可疑模式。结果如何？Wahlforss 说：“人们说话的时间增加了三倍。在谈论政治和心理健康等敏感话题时，他们更加诚实。”

在线教育公司 Emeritus 使用 Listen 后报告称，此前约 20% 的调查回应属于欺诈或低质量类别，而使用 Listen 后，这一比例几乎降为零。Emeritus 客户洞察助理经理 Gabrielli Tiburi 表示：“我们无需因欺诈或胡言乱语而替换任何回应。”

微软、Sweetgreen 和 Chubbies 如何使用 AI 访谈打造更好的产品

速度优势是 Listen 的核心卖点。微软传统的客户研究需要四到六周才能生成洞察。微软高级研究经理 Romani Patel 说：“等我们拿到结果时，决策已经做出，或者我们失去了影响决策的机会。”而使用 Listen 后，微软现在可以在几天内（许多情况下是几小时内）获得洞察。微软利用 Listen 收集其 50 周年庆典的全球客户故事，Patel 表示：“我们希望用户分享 Copilot 如何赋能他们展现最佳自我，我们在一天内就收集到了这些用户视频故事。”传统上，这类工作需要六到八周。

俄克拉荷马州的饮具公司 Simple Modern 使用 Listen 测试新概念。从撰写问题到发布研究再到收集全国 120 人的反馈，整个过程仅用了约四小时。首席营销官 Chris Hoyle 说：“我们从‘我们是否应该推出这个产品？’迅速转变为‘我们该如何推出它？’”

短裤品牌 Chubbies 通过使用 Listen 克服了传统焦点小组与儿童协调时间的挑战，青少年研究参与度增长了 24 倍，从 5 人增至 120 人。洞察与创新总监 Lauren Neville 解释说：“他们有学校、体育、晚餐和家庭作业。我必须以适合他们时间表的方式倾听他们的意见。”此外，AI 访谈还发现了产品问题——例如 AI 通过对话意识到儿童短裤系列存在衬里刺痒的问题，随后访谈了数百名儿童并确认了这一点。重新设计的产品成为“爆款”。

杰文斯悖论：更便宜的研究如何创造更多需求

Listen Labs 进入的是一个庞大但碎片化的市场。Wahlforss 引用 Andreessen Horowitz 的研究，估计市场调研行业每年约 1400 亿美元，由传统巨头主导，其中一些收入超过十亿美元。他认为这些公司容易被颠覆。他说：“我们正在替换现有的预算线。原因是它们成本高昂，陷入调查或访谈的旧范式，而且合作需要数月。”

但更有趣的动态是，AI 驱动的研究不仅取代现有支出，还会创造新需求。Wahlforss 引用杰文斯悖论——当技术进步使资源使用更高效时，效率提高反而导致总体消费增加而非减少。他说：“我注意到，随着某些东西变得更便宜，你不会需要更少，而是想要更多。对客户理解的需求是无限的。因此，研究团队可以完成数量级更多的研究，而以前不是研究员的人现在也可以将其作为工作的一部分。”

精英工程团队：在拥有正常厕所之前就建立的 Listen Labs

Listen Labs 起源于 Wahlforss 与联合创始人在哈佛相识后打造的一款消费者应用。Wahlforss 回忆道：“我们建立了一个消费者应用，一天内获得了 2 万次下载。我们拥有这些用户，想着如何更好地了解他们，于是构建了今天 Listen 的原型。”联合创始人是“德国编程竞赛全国冠军，曾在特斯拉 Autopilot 工作”。公司声称其工程团队中 30% 是国际信息学奥林匹克奖牌得主，这与 AI 编码初创公司 Cognition 的创始人背景相同。

Berghain 广告牌在社交媒体上获得了约 500 万次观看，反映了湾区人才争夺战的激烈程度。Wahlforss 说：“我们必须这样做，因为一些早期员工加入时，公司连一个能用的厕所都没有。不过现在这个问题已经解决了。”公司员工从 2024 年的 5 人增至 40 人，今年计划达到 150 人。它还会为营销、增长和运营等非工程岗位招聘工程师——这是对 AI 时代技术素养无处不在的押注。

合成客户与自动化决策：Listen Labs 的下一步

Wahlforss 勾勒了一份雄心勃勃的产品路线图，涉足更具推测性的领域。公司正在构建“模拟客户的能力，即利用所有访谈数据外推，创建合成用户或模拟用户声音”。除了模拟，Listen 还旨在实现基于研究发现自动采取行动。“不仅提出建议，还能生成代理去修改代码或应对客户流失？能否给他们折扣试图挽回？”

Wahlforss 承认了伦理问题：“显然，自动化决策整体上可能带来坏处，但我们会设置足够的护栏，确保公司始终在决策回路中。”公司已经谨慎处理敏感数据：“我们不会用任何数据进行训练。我们会自动清除任何敏感的个人身份信息。例如，当与投资者合作时，如果意外提及可能构成重大非公开信息的内容，AI 可以检测并删除。”

AI 如何重塑产品开发的未来

Listen 模型最引人深思的含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客户，他们采用了持续的反馈循环：“他们在白天编码，夜晚面向美国受众发布 Listen 研究。Listen 验证他们白天构建的内容，他们获得反馈，然后将反馈直接接入 Claude Code 等编码工具进行迭代。”这一愿景将 Y Combinator 的著名格言“写代码，与用户交谈”扩展为自动化循环：“写代码正在自动化，我认为与用户交谈也会如此。你将拥有这种无限循环，几乎可以自主地开始交付真正出色的产品。”

这一愿景能否实现取决于 Listen 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好的产品相关。2024 年麻省理工学院的一项研究发现，95% 的 AI 试点未能进入生产阶段，Wahlforss 引用这一数据来说明他为何强调质量重于演示：“我必须不断强调确保质量和细节正确。”

然而，公司的增长表明人们愿意尝试。微软的 Patel 表示 Listen“消除了研究中的苦差事，将乐趣和喜悦带回我的工作中”。Chubbies 正在推动创始人让公司每个人都拥有登录权限。稳定币支付初创公司 Sling Money 可以在十分钟内创建调查并在当天获得结果。其营销经理 Ali Romero 说：“这完全改变了游戏规则。”

当被问及速度与严谨性之间的紧张关系时，Wahlforss 引用了前 GitHub CEO、Listen 投资者 Nat Friedman 的一句话：“慢就是假。”对于一个建立在方法论谨慎之上的行业来说，这是一个激进的声明。但 Listen Labs 押注，在 AI 时代，最快倾听的公司将获胜。唯一的问题是客户是否会回应。