Listen Labs 在病毒式招聘廣告牌成功後融資6900萬美元，以擴大AI客戶訪談規模

Listen Labs 是一家利用人工智慧進行客戶訪談的初創公司，近日宣佈完成 6900 萬美元的 B 輪融資，公司估值達到 5 億美元。本輪融資由 Ribbit Capital 領投，Evantic 以及現有投資者 Sequoia Capital、Conviction 和 Pear VC 跟投。至此，公司總融資額達到 1 億美元。在推出後的九個月內，Listen Labs 的年化收入增長了 15 倍，達到八位數，並完成了超過 100 萬次 AI 驅動的訪談。

該公司由 Alfred Wahlforss 創立，此前曾因一則病毒式傳播的招聘廣告牌而引發關注。當時，Wahlforss 面臨招聘 100 多名工程師的挑戰，卻難與馬克·扎克伯格提供的 1 億美元薪酬相抗衡。於是，他花費 5000 美元在舊金山立起一塊看似亂碼的廣告牌，上面顯示五串隨機數字。這些數字實際上是 AI 令牌，解碼後指向一個程式設計挑戰：編寫演算法模擬柏林 Berghain 夜店的門衛，該夜店以嚴苛的入場政策著稱。幾天內，數千人嘗試解題，430 人成功破解，其中部分人被錄用，獲勝者還獲得了一次全額付費的柏林之旅。

Wahlforss 在接受 VentureBeat 採訪時表示：“當你痴迷於客戶時，其他一切都會隨之而來。使用 Listen 的團隊將客戶帶入每一個決策，從營銷到產品，當客戶滿意時，每個人都會滿意。”

傳統市場調研的缺陷與 Listen 的解決方案

Listen 的 AI 研究員能夠快速找到參與者，進行深度訪談，並在數小時內提供可操作的洞察，而非數週。該平臺取代了傳統上在定量調查（提供統計精度但缺乏深度）與定性訪談（有深度但無法規模化）之間的選擇。Wahlforss 解釋說：“調查本質上會帶來虛假的精確性，因為人們最終會回答相同的問題……你無法獲得異常值。人們在調查中實際上並不誠實。”而一對一的人類訪談“提供了大量深度，你可以追問，可以核實他們是否真的瞭解自己在說什麼，但問題在於無法規模化。”

平臺的工作流程分為四步：使用者藉助 AI 建立研究；Listen 從其全球 3000 萬人的網路中招募參與者；AI 主持人進行深度訪談並追問；結果被打包成面向高管的報告，包括關鍵主題、精彩片段和幻燈片。

Listen 的獨特之處在於使用開放式影片對話而非選擇題形式。Wahlforss 說：“在調查中，你大概能猜到應該回答什麼，而且有四個選項。哦，他們可能希望我選高收入，讓我點那個按鈕。而開放式回應則能引發更多的誠實。”

1400 億美元市場調研行業的骯髒秘密：猖獗的欺詐

Listen 在其全球 3000 萬人的網路中尋找並篩選合適的參與者。但構建這一群體需要面對 Wahlforss 所說的“進入這個行業以來了解到的最令人震驚的事情之一”——猖獗的欺詐。他解釋說：“本質上，這涉及財務交易，因此必然會有不良參與者。我們遇到過一些大型公司，其中一些收入數十億，向我們提供聲稱是企業買家的人，而我們的系統立即檢測到欺詐、欺詐、欺詐。”

該公司建立了所謂的“質量衛士”，透過將 LinkedIn 資料與影片回應交叉引用以驗證身份，檢查參與者回答的一致性，並標記可疑模式。結果如何？Wahlforss 說：“人們說話的時間增加了三倍。在談論政治和心理健康等敏感話題時，他們更加誠實。”

線上教育公司 Emeritus 使用 Listen 後報告稱，此前約 20% 的調查回應屬於欺詐或低質量類別，而使用 Listen 後，這一比例幾乎降為零。Emeritus 客戶洞察助理經理 Gabrielli Tiburi 表示：“我們無需因欺詐或胡言亂語而替換任何回應。”

微軟、Sweetgreen 和 Chubbies 如何使用 AI 訪談打造更好的產品

速度優勢是 Listen 的核心賣點。微軟傳統的客戶研究需要四到六週才能生成洞察。微軟高階研究經理 Romani Patel 說：“等我們拿到結果時，決策已經做出，或者我們失去了影響決策的機會。”而使用 Listen 後，微軟現在可以在幾天內（許多情況下是幾小時內）獲得洞察。微軟利用 Listen 收集其 50 週年慶典的全球客戶故事，Patel 表示：“我們希望使用者分享 Copilot 如何賦能他們展現最佳自我，我們在一天內就收集到了這些使用者影片故事。”傳統上，這類工作需要六到八週。

俄克拉荷馬州的飲具公司 Simple Modern 使用 Listen 測試新概念。從撰寫問題到釋出研究再到收集全國 120 人的反饋，整個過程僅用了約四小時。首席營銷官 Chris Hoyle 說：“我們從‘我們是否應該推出這個產品？’迅速轉變為‘我們該如何推出它？’”

短褲品牌 Chubbies 透過使用 Listen 克服了傳統焦點小組與兒童協調時間的挑戰，青少年研究參與度增長了 24 倍，從 5 人增至 120 人。洞察與創新總監 Lauren Neville 解釋說：“他們有學校、體育、晚餐和家庭作業。我必須以適合他們時間表的方式傾聽他們的意見。”此外，AI 訪談還發現了產品問題——例如 AI 透過對話意識到兒童短褲系列存在襯裡刺癢的問題，隨後訪談了數百名兒童並確認了這一點。重新設計的產品成為“爆款”。

傑文斯悖論：更便宜的研究如何創造更多需求

Listen Labs 進入的是一個龐大但碎片化的市場。Wahlforss 引用 Andreessen Horowitz 的研究，估計市場調研行業每年約 1400 億美元，由傳統巨頭主導，其中一些收入超過十億美元。他認為這些公司容易被顛覆。他說：“我們正在替換現有的預算線。原因是它們成本高昂，陷入調查或訪談的舊正規化，而且合作需要數月。”

但更有趣的動態是，AI 驅動的研究不僅取代現有支出，還會創造新需求。Wahlforss 引用傑文斯悖論——當技術進步使資源使用更高效時，效率提高反而導致總體消費增加而非減少。他說：“我注意到，隨著某些東西變得更便宜，你不會需要更少，而是想要更多。對客戶理解的需求是無限的。因此，研究團隊可以完成數量級更多的研究，而以前不是研究員的人現在也可以將其作為工作的一部分。”

精英工程團隊：在擁有正常廁所之前就建立的 Listen Labs

Listen Labs 起源於 Wahlforss 與聯合創始人在哈佛相識後打造的一款消費者應用。Wahlforss 回憶道：“我們建立了一個消費者應用，一天內獲得了 2 萬次下載。我們擁有這些使用者，想著如何更好地瞭解他們，於是構建了今天 Listen 的原型。”聯合創始人是“德國程式設計競賽全國冠軍，曾在特斯拉 Autopilot 工作”。公司聲稱其工程團隊中 30% 是國際資訊學奧林匹克獎牌得主，這與 AI 編碼初創公司 Cognition 的創始人背景相同。

Berghain 廣告牌在社交媒體上獲得了約 500 萬次觀看，反映了灣區人才爭奪戰的激烈程度。Wahlforss 說：“我們必須這樣做，因為一些早期員工加入時，公司連一個能用的廁所都沒有。不過現在這個問題已經解決了。”公司員工從 2024 年的 5 人增至 40 人，今年計劃達到 150 人。它還會為營銷、增長和運營等非工程崗位招聘工程師——這是對 AI 時代技術素養無處不在的押注。

合成客戶與自動化決策：Listen Labs 的下一步

Wahlforss 勾勒了一份雄心勃勃的產品路線圖，涉足更具推測性的領域。公司正在構建“模擬客戶的能力，即利用所有訪談資料外推，建立合成使用者或模擬使用者聲音”。除了模擬，Listen 還旨在實現基於研究發現自動採取行動。“不僅提出建議，還能生成代理去修改程式碼或應對客戶流失？能否給他們折扣試圖挽回？”

Wahlforss 承認了倫理問題：“顯然，自動化決策整體上可能帶來壞處，但我們會設定足夠的護欄，確保公司始終在決策迴路中。”公司已經謹慎處理敏感資料：“我們不會用任何資料進行訓練。我們會自動清除任何敏感的個人身份資訊。例如，當與投資者合作時，如果意外提及可能構成重大非公開資訊的內容，AI 可以檢測並刪除。”

AI 如何重塑產品開發的未來

Listen 模型最引人深思的含義或許在於它將如何重塑產品開發本身。Wahlforss 描述了一位澳大利亞客戶，他們採用了持續的反饋迴圈：“他們在白天編碼，夜晚面向美國受眾釋出 Listen 研究。Listen 驗證他們白天構建的內容，他們獲得反饋，然後將反饋直接接入 Claude Code 等編碼工具進行迭代。”這一願景將 Y Combinator 的著名格言“寫程式碼，與使用者交談”擴充套件為自動化迴圈：“寫程式碼正在自動化，我認為與使用者交談也會如此。你將擁有這種無限迴圈，幾乎可以自主地開始交付真正出色的產品。”

這一願景能否實現取決於 Listen 無法控制的因素——AI 模型的持續改進、企業對自動化研究的信任程度，以及速度是否真正與更好的產品相關。2024 年麻省理工學院的一項研究發現，95% 的 AI 試點未能進入生產階段，Wahlforss 引用這一資料來說明他為何強調質量重於演示：“我必須不斷強調確保質量和細節正確。”

然而，公司的增長表明人們願意嘗試。微軟的 Patel 表示 Listen“消除了研究中的苦差事，將樂趣和喜悅帶回我的工作中”。Chubbies 正在推動創始人讓公司每個人都擁有登入許可權。穩定幣支付初創公司 Sling Money 可以在十分鐘內建立調查並在當天獲得結果。其營銷經理 Ali Romero 說：“這完全改變了遊戲規則。”

當被問及速度與嚴謹性之間的緊張關係時，Wahlforss 引用了前 GitHub CEO、Listen 投資者 Nat Friedman 的一句話：“慢就是假。”對於一個建立在方法論謹慎之上的行業來說，這是一個激進的宣告。但 Listen Labs 押注，在 AI 時代，最快傾聽的公司將獲勝。唯一的問題是客戶是否會回應。