為優衣庫提供AI導購機器人，「雲享智慧」完成超千萬元Pre-A輪融資

36氪獲悉，AI科技公司「雲享智慧」於近日完成超千萬元Pre-A輪融資，投資方為灃揚資本。資金主要用於技術和市場團隊擴充、市場拓展等。

雲享智慧面向B端品牌商，開發線上線下AI導購方案，通過自動推薦、找尋、結賬等功能促成交易，交互方式以語音對話的方式為主。

優衣庫是雲享智慧的首個項目，今年3月，深圳南山優衣庫旗艦店正式啟用了雲享智慧的AI導購方案，優衣庫的公眾號也於今年5月上線了該方案。

談及AI導購對優衣庫的實際成效，雲享智慧CEO告訴36氪，線上AI導購目前每月可帶來數百萬元銷售額，線下AI導購每月服務人次已上萬。總體來看，每十次交互會帶來一次下單（一次語音/觸控計一次交互）。

除了直接的銷量提升價值，AI導購也會為客戶塑造一種科技、前衛的品牌形象。

目前，雲享智慧已有1000萬元的落地合同，今年預期營收可達1500萬元。

投資邏輯上，灃揚資本創始合伙人楊希表示：

頭部品牌希望在用戶特徵數據、消費行為數據、產品研發、營銷和運營環節之間形成閉環。語音作為最自然、直接的交互方式，在引導消費者選購商品、收集消費過程中的反饋信息上具備天然優勢。

線下頭部品牌廠商缺乏人工智慧相關技術能力，而百度、科大訊飛、阿里等平台因為通用性在特定行業場景下難以滿足商業化要求，這為聚焦垂直領域的AI廠商創造機遇。

AI導購開始逐漸出現在商場中，為消費者提供導購諮詢、位置引導、主動營銷、娛樂互動等服務。此類AI導購的邏輯是在滿足用戶需求，提供新型交互方式的基礎上，為B端商家獲取用戶行為數據，以優化銷售策略和推廣方案。

但受限於NLP技術的發展，以及沒有真正滿足消費者的需求，這些AI導購的表現大多差強人意。消費節奏越來越快，消費者需要哪些必要的服務呢？總結下來大致分為以下三種——根據自己的需求推薦相應的產品；查詢其他碼數或是否有庫存；結賬服務。

雲享智慧CEO Tao Sha告訴36氪，人工導購畢竟受到人腦容量限制，不可能記住每個SKU的特性、碼數和庫存，因此需要一定時間去後台查詢或是在店內尋找。這種情況尤其出現在快時尚品牌店中，此類品牌的SKU多且更新換代速度非常快，因此我們經常看到導購忙不過來、人手不夠的情況。另外，由於消費者的產品選擇和購買渠道越來越多，服務時間越長意味著客戶流失率越高。因此需要在最短時間內滿足客戶需求，降低其決策時長。

雲享智慧旨在面向B端品牌商開發線上線下AI導購，通過自動推薦、找尋、結賬等功能促成交易。Tao Sha表示，雖然使用的是語言交互方式，但AI導購的主要目的並不是娛樂交流，而是快速解決客戶需求。

AI導購除了可以幫助B端商戶節約部分人力資源，提升成單率，更為重要的是數據，尤其是線下數據的獲取。線下數據的獲取和分析本質上是想知道消費者想要什麼，以往線下消費者的行為數據屬於黑洞領域，而AI導購可以天然記錄下每個使用它的消費者的每句話。這些數據可以作為產品、庫存調整，以及廣告效果評判等維度的依據。

雲享智慧開發的AI導購機器人是通過語音的方式和消費者進行交互的，因此離不開底層自然語言技術的積累。Tao Sha告訴36氪，他們用到的是NSLP技術，即銷售行業的自然語言處理技術。相比於NLP自然語言處理技術，NSLP主要關注產品銷售場景。而且由於應用場景不會如NLP遇到的場景那麼隨機和發散，因此在技術開發難度和識別精準度的要求上也遠低於NLP技術。

Tao Sha告訴36氪，他們擁有一個針對服裝行業的知識圖譜，可以提供1000多個多維度的、帶邏輯關係的服裝相關的標籤，比如標籤上「氨綸>3%」的數據就意味著服裝有「彈性」。而且基於NSLP技術，這個知識圖譜也在不斷更新完善中。在此知識圖譜基礎上，雲享智慧會加入品牌專有的名詞庫，生成針對品牌更加適用的知識圖譜。在B端商戶提供了銷售和客戶評價歷史數據後，雲享智慧會對品牌特定的知識圖譜和消費者購買決策模型進行訓練，生成品牌專有的AI導購。

據悉，雲享智慧已經完成了完成了首個項目——為優衣庫開發線上和線下AI導購，整個項目耗時4個月，並已驗證了可用性。雲享智慧為優衣庫開發的線上導購主要在公眾號和官網進行服務，上線首日已服務眾多消費者。深圳南山優衣庫旗艦店使用了線下AI導購，據悉6個AI導購一天共服務了9000人次，主要還是使用找尋功能。

Tao Sha表示，由於團隊體量有限，每個行業他們都會優先服務頭部客戶項目。除了服裝行業中的快時尚品牌，雲享智慧也在嘗試進入教育和護膚品行業，並和韋博教育、自然堂進行合作（教育屬於低頻高客單價行業，因此雲享智慧更多是加強前期和消費者的感情培養，以促成訂單）。

雲享智慧的盈利模式是項目開發費用+後期產品更新和系統維護費用。Tao Sha表示，在為優衣庫上線了AI導購，驗證了可用性後，他們正在尋求1000-1500萬元的Pre-A輪融資，旨在擴張團隊，一方面服務更多頭部客戶，另一方面將服務做深。

公司目前有20人左右，90%均為技術人員，希望今年可以擴張至30-40人。CEO Tao Sha，TNT(荷蘭郵政)，大數據專家，網格選址模型的發明者；澳大利亞郵政(墨爾本總部)首席演算法科學家，In-depth 人口統計模型發明者；英孚教育亞洲總部演算法和模型專家，Leads scoring 預測系統的發明者；語音內容遞歸識別專利發明者。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！