Listen Labs 靠著一場病毒式廣告看板招聘活動，成功募得 6900 萬美元，以 AI 規模化客戶訪談
Alfred Wahlforss 當時已別無選擇。他的新創公司 Listen Labs 需要招聘超過 100 名工程師，但在 Mark Zuckerberg 開出 1 億美元的條件下競爭，似乎是不可能的任務。於是他花了 5,000 美元，佔其行銷預算的五分之一，在舊金山架設了一塊廣告看板，上面顯示著看似亂碼的內容：五串隨機數字。
這些數字實際上是 AI 權杖。解碼後，它們引導至一項程式設計挑戰：建立一個演算法，作為柏林知名夜店 Berghain 的數位保鑣，該夜店以幾乎拒絕所有人入場而聞名。幾天之內，數千人嘗試了這個謎題，其中 430 人成功破解。有些人被錄用，而獲勝者則獲得全額贊助飛往柏林。
這種非傳統的招聘方式，如今為 Listen Labs 吸引了 6900 萬美元的 B 輪募資，由 Ribbit Capital 領投，Evantic 以及現有投資者 Sequoia Capital、Conviction 和 Pear VC 參與。
此輪募資使 Listen Labs 的估值達到 5 億美元，總募資額達到 1 億美元。自推出九個月以來，該公司的年化營收增長了 15 倍，達到八位數，並進行了超過一百萬次由 AI 驅動的訪談。
Wahlforss 在接受 VentureBeat 採訪時表示：「當你以客戶為中心時，其他一切都會隨之而來。使用 Listen 的團隊將客戶納入從行銷到產品的每一個決策中，當客戶感到滿意時，每個人都會滿意。」
為什麼傳統市場研究已失效，以及 Listen Labs 如何修復它
Listen 的 AI 研究員能夠在數小時而非數週內，找到參與者、進行深度訪談並提供可執行的洞察。該平台取代了傳統上在量化問卷調查（提供統計精確度但缺乏細微差異）和質化訪談（提供深度但無法規模化）之間做選擇的困境。
Wahlforss 解釋了現有方法的局限性：「本質上，問卷調查會給你錯誤的精確度，因為人們最終會回答相同的問題……你無法獲得異常值。人們在問卷調查中實際上並不誠實。」而另一種選擇，一對一的人工訪談，「能給你很多深度。你可以提出追蹤問題。你可以某種程度上再次確認他們是否真的知道自己在說什麼。問題是，你無法規模化這種方式。」
該平台分四個步驟運作：使用者在 AI 協助下建立研究、Listen 從其全球 3000 萬人的網絡中招募參與者、AI 主持人進行帶有追蹤問題的深度訪談，最後將結果打包成高階主管報告，包括關鍵主題、精華片段和簡報。
Listen 方法的獨特之處在於它採用開放式視訊對話，而非選擇題形式。Wahlforss 說：「在問卷調查中，你可以猜測應該回答什麼，你有四個選項。哦，他們可能希望我選擇高收入。讓我點擊那個按鈕，而不是開放式回答。這會產生更多的誠實。」
1400 億美元市場研究產業的骯髒秘密：猖獗的詐欺行為
Listen 從其全球 3000 萬人的網絡中找到並篩選合適的參與者。但建立這個小組需要面對 Wahlforss 所謂「我們進入這個行業時學到的最令人震驚的事情之一」，猖獗的詐欺行為。
他解釋說：「本質上，這涉及金融交易，這意味著會有不良分子。我們實際上有一些最大的公司，其中一些擁有數十億美元的營收，他們向我們的平台發送聲稱是企業採購者的人，而我們的系統立即檢測到：詐欺、詐欺、詐欺、詐欺、詐欺。」
該公司建立了一個名為「品質守衛」的系統，它會交叉比對 LinkedIn 個人資料與視訊回答以驗證身份，檢查參與者回答問題的一致性，並標記可疑模式。根據 Wahlforss 的說法，結果是：「人們說話的時間多了三倍。當他們談論政治和心理健康等敏感話題時，他們更加誠實。」
使用 Listen 的線上教育公司 Emeritus 報告稱，之前約有 20% 的問卷回答屬於詐欺或低品質類別。透過 Listen，他們將這個比例降至幾乎為零。Emeritus 客戶洞察助理經理 Gabrielli Tiburi 表示：「我們無需因詐欺或亂碼資訊而替換任何回答。」
Microsoft、Sweetgreen 和 Chubbies 如何利用 AI 訪談來打造更好的產品
速度優勢已被證明是 Listen 提案的核心。Microsoft 的傳統客戶研究可能需要四到六週才能產生洞察。Microsoft 資深研究經理 Romani Patel 表示：「等到我們獲得洞察時，決策可能已經做出，或者我們失去了實際影響決策的機會。」
透過 Listen，Microsoft 現在可以在數天內，甚至在許多情況下在數小時內獲得洞察。
該平台已為多項備受矚目的計畫提供支援。Microsoft 使用 Listen Labs 收集全球客戶故事，以慶祝其 50 週年。Patel 說：「我們希望使用者分享 Copilot 如何賦予他們展現最佳自我，我們能夠在一天之內收集到這些使用者視訊故事。」傳統上，這類工作需要六到八週。
總部位於奧克拉荷馬州的飲具公司 Simple Modern 使用 Listen 來測試一個新產品概念。整個過程大約花了一小時撰寫問題，一小時啟動研究，以及 2.5 小時收到來自全國 120 人的回饋。該公司行銷長 Chris Hoyle 表示：「我們從『我們是否應該擁有這個產品？』轉變為『我們應該如何推出它？』」
短褲品牌 Chubbies 透過使用 Listen 克服了與兒童進行傳統焦點小組的排程挑戰，使青少年研究參與度增加了 24 倍，從 5 人增長到 120 人。洞察與創新總監 Lauren Neville 解釋說：「有學校、運動、晚餐和家庭作業。我必須找到一種適合他們日程的方式來聽取他們的意見。」
該公司還透過 AI 訪談發現了產品問題，這些問題在其他情況下可能不會被發現。Wahlforss 描述了 AI 如何「透過對話，意識到兒童短褲系列存在問題，並決定訪談數百名兒童。我了解到短褲內襯有問題，根據受訪者的說法，它們『會刮傷』。」重新設計的產品成為「暢銷產品」。
傑逢斯悖論解釋了為什麼更便宜的研究會創造更多需求，而不是更少
Listen Labs 正在進入一個龐大但分散的市場。Wahlforss 引用 Andreessen Horowitz 的研究，估計市場研究產業每年約有 1400 億美元的規模，其中充斥著傳統業者，有些營收超過十億美元，他認為這些業者容易受到顛覆。
Wahlforss 說：「我們正在取代現有的許多預算項目。我們取代它們的原因是，第一，它們成本高昂。第二，它們陷入了在問卷調查或訪談之間做選擇的舊範式，而且它們需要數月才能完成。」
但更引人入勝的動態可能是，由 AI 驅動的研究不僅取代了現有支出，它還創造了新的需求。Wahlforss 援引了傑逢斯悖論，這是一個經濟學原理，當技術進步使資源使用效率更高時，效率的提高反而會導致總體消耗增加，而不是減少。
Wahlforss 解釋說：「我注意到，當某樣東西變得更便宜時，你並不需要更少，你反而會想要更多。對客戶理解的需求是無限的。因此，團隊中的研究人員可以進行數量級更多的研究，而以前不是研究人員的其他人現在也可以將其作為工作的一部分。」
在 Listen Labs 尚未有可用廁所之前，打造出它的精英工程團隊
Listen Labs 的起源可以追溯到 Wahlforss 和他的共同創辦人在哈佛大學相遇後，共同開發的一個消費者應用程式。Wahlforss 回憶說：「我們建立的這個消費者應用程式在一天內獲得了 20,000 次下載。我們有這麼多使用者，我們當時在想，好吧，我們能做些什麼來更好地了解他們？於是我們建立了 Listen 今天的原型。」
創始團隊擁有不尋常的背景。Wahlforss 的共同創辦人「是德國程式設計競賽的全國冠軍，他曾在 Tesla Autopilot 工作。」該公司聲稱其工程團隊中有 30% 是國際資訊奧林匹亞競賽的獎牌得主，這項競賽也培養了 AI 程式設計新創公司 Cognition 的創辦人。
根據 Wahlforss 的說法，Berghain 廣告看板噱頭在社群媒體上產生了約 500 萬次瀏覽。這反映了灣區人才戰的激烈程度。
他說：「我們必須做這些事情，因為我們的一些早期員工在公司還沒有可用廁所之前就加入了。但現在我們已經解決了這個問題。」
該公司在 2024 年從 5 名員工增長到 40 名，並計畫今年達到 150 名。它為行銷、增長和營運等非工程職位招聘工程師，這是一個在 AI 時代，技術流利度無處不在的賭注。
合成客戶和自動化決策：Listen Labs 的下一步發展
Wahlforss 概述了一個雄心勃勃的產品藍圖，該藍圖進入了更具推測性的領域。該公司正在建立「模擬客戶的能力，這樣你就可以利用我們所做的所有訪談，然後在此基礎上進行推斷並創建合成客戶」。
