Listen Labs 融资6900万美元：用AI驱动客户访谈重塑市场调研

阿尔弗雷德·瓦尔福斯（Alfred Wahlforss）已濒临无计可施的境地。他的初创公司，Listen Labs，需要招聘逾100名工程师，但与马克·扎克伯格（Mark Zuckerberg）开出的1亿美元薪酬报价竞争，似乎毫无胜算。于是，他投入5000美元——相当于其营销预算的五分之一——在旧金山（San Francisco）投放了一块广告牌，上面显示的看似胡言乱语：五串随机数字。

这些数字实为AI词元（tokens）。经解码后，它们引向一道编程挑战题：设计一种算法，充当柏林著名夜店贝格海恩（Berghain）的数字门卫——该夜店以几乎拒所有人于门外而闻名。数日内，数千人尝试破解这一谜题，其中430人成功解出。部分解题者获聘入职。最终获胜者更获全额资助飞赴柏林。

这种非传统方法如今已吸引6900万美元B轮融资，由Ribbit Capital领投，并有Evantic及现有投资者红杉资本（Sequoia Capital）、Conviction和Pear VC参与。本轮融资对Listen Labs的估值达5亿美元，使其累计融资额达到1亿美元。自九个月前推出以来，该公司年化收入增长15倍，已达八位数水平，并已开展逾100万场AI驱动的访谈。

“当你全神贯注于客户时，其余一切自然水到渠成，”瓦尔福斯在与VentureBeat的访谈中表示，“使用Listen的团队将客户纳入每一项决策之中——从市场营销到产品开发；当客户感到欣喜时，所有人皆大欢喜。”

为何传统市场调研已失灵，以及Listen Labs正构建何种方案予以修复

Listen的AI研究员可自动招募受访者、开展深度访谈，并在数小时内而非数周内交付可操作的洞察。该平台取代了传统市场调研中定量问卷调查与定性访谈之间的二选一困境：前者虽提供统计精确性，却遗漏细微差别；后者虽能深入挖掘，却难以规模化。

瓦尔福斯解释了现有方法的局限性：“本质上，问卷调查会给你一种虚假的精确感，因为人们最终回答的是同一个问题……你无法捕捉到异常值。事实上，人们在问卷调查中并不诚实。”而另一种方式——一对一人工访谈——“能提供大量深度信息。你可以追问后续问题，还能大致复核受访者是否真正了解自己所谈论的内容。问题在于，这种方式无法规模化。”

该平台分四步运作：用户借助AI辅助创建研究项目；Listen从其覆盖全球的3000万人网络中招募受访者；AI主持人开展深度访谈并提出追问；结果则被整合为高管即用型报告，包括核心主题、精华视频集锦及幻灯片演示文稿。

Listen方法的独特之处在于采用开放式视频对话，而非多项选择式表单。“在问卷调查中，你大概能猜出自己该作何回答，且仅有四个选项，”瓦尔福斯表示，“哦，他们大概希望我选择高收入选项。让我点选那个按钮，而非提交开放式回答。这恰恰能激发出远为坦诚的回应。”

价值1400亿美元的市场调研产业之肮脏秘密：欺诈泛滥

Listen在其覆盖全球的3000万人网络中寻找并甄别合适的受访者。但构建该样本库的过程，迫使公司直面瓦尔福斯所称的‘我们进入该行业后所了解到的最令人震惊的事实之一’——欺诈泛滥。

“本质上，其中涉及财务交易，这意味着必然会出现不良参与者，”他解释道，“我们实际上曾收到一些最大型公司的人员——其中一些公司年营收达数十亿美元——声称自己是企业买家，将其送至我们的平台；而我们的系统立即检测出：欺诈、欺诈、欺诈、欺诈、欺诈。”

该公司构建了其称之为‘质量守卫（quality guard）’的机制，通过交叉比对LinkedIn个人资料与视频回应来验证身份，核查受访者回答问题的一致性，并标记可疑行为模式。据瓦尔福斯称，其效果是：“人们的发言量增至三倍。他们在谈论政治与心理健康等敏感话题时，也远为坦诚。”

Emeritus是一家使用Listen的在线教育公司，报道称此前约20%的问卷答复属于欺诈或低质量类别；而采用Listen后，该比例已降至近乎零。“我们无需因欺诈或胡言乱语信息而替换任何答复，”Emeritus客户洞察助理经理加布里埃利·蒂布鲁（Gabrielli Tiburi）表示。

微软、Sweetgreen与Chubbies如何利用AI访谈打造更优产品

速度优势已被证明是Listen销售主张的核心。微软（Microsoft）传统的客户调研可能需耗时四至六周才能产出洞见。“等我们拿到结果时，相关决策往往早已作出，或者我们已错失实际影响该决策的机会，”微软高级研究经理罗玛尼·帕特尔（Romani Patel）表示。

借助Listen，微软如今可在数天内、甚至多数情况下仅需数小时即可获得洞见。

该平台已推动多项高调举措落地。微软曾利用Listen Labs为其成立50周年庆典收集全球客户故事。“我们希望用户分享Copilot如何赋能他们展现最佳自我，”帕特尔表示，“而我们能在一天之内便收集到这些用户视频故事。”传统方式完成此类工作通常需耗时六至八周。

Simple Modern是一家总部位于俄克拉荷马州的饮具公司，曾利用Listen测试一项新产品概念。整个流程耗时约一小时编写问题、一小时启动研究项目，再用两个半小时便收到来自全美各地120人的反馈。“我们的问题已从‘我们是否真该推出这款产品？’转变为‘我们该如何发布它？’”该公司首席营销官克里斯·霍伊尔（Chris Hoyle）表示。

Chubbies是主打短裤的品牌，通过使用Listen克服儿童焦点小组在日程安排上的固有难题，使其面向青少年的研究参与人数激增24倍——从5人增至120人。“孩子们要上学、参加体育运动、吃晚饭、写作业，”洞察与创新总监劳伦·内维尔（Lauren Neville）解释道，“我必须找到一种契合他们日程安排的方式来听取他们的声音。”

该公司还通过AI访谈发现了原本可能被忽视的产品问题。瓦尔福斯描述道，AI“通过对话意识到儿童短裤系列存在若干问题，遂决定采访数百名儿童。据受访者的说法，短裤内衬存在瑕疵，摸起来‘刺痒’。经重新设计后，该产品成为‘爆款热卖品’。”

杰文斯悖论解释了为何更廉价的研究反而催生更大需求，而非更小

Listen Labs正切入一个规模庞大却高度碎片化的市场。瓦尔福斯援引安德森·霍洛维茨（Andreessen Horowitz）的研究数据指出，市场调研行业的规模约为每年1400亿美元，由传统企业构成——其中一些企业的年收入超过10亿美元——他认为这些企业容易受到颠覆。

“我们正在替代的，是非常明确的现有预算条目，”瓦尔福斯（Wahlforss）表示，“我们之所以要替代它们，原因有二：第一，它们成本极高；第二，它们困在一种陈旧范式中，即只能在问卷调查或访谈之间做选择，而且开展工作往往需要数月时间。”

但更引人入胜的动态或许是：AI驱动的研究不仅替代现有支出，还创造了新需求。瓦尔福斯援引了杰文斯悖论（Jevons paradox）——一种经济原理，指技术进步使某种资源的使用效率提高，但效率提升反而导致该资源总体消耗量增加，而非减少。

“我注意到的是，当某样东西变得更便宜时，你并不会因此减少对其的需求，反而想要更多，”瓦尔福斯解释道，“对客户理解的需求是无限的。因此，团队中的研究人员可以开展数量级更高的研究，而此前并非研究人员的其他人员如今也能将此类工作纳入其日常职责。”

在建成可用厕所之前便打造出Listen Labs的精英工程团队

Listen Labs的起源可追溯至瓦尔福斯与其联合创始人在哈佛大学相识后共同开发的一款消费类应用。“我们开发了这款消费类应用，上线首日便获得2万次下载，”瓦尔福斯回忆道，“我们拥有大量用户，于是开始思考：我们该如何更好地了解他们？随后，我们构建了如今Listen产品的原型。”

创始团队背景非同寻常。瓦尔福斯的联合创始人“曾是德国竞技编程全国冠军，并曾在特斯拉Autopilot部门工作”。该公司声称，其工程团队中有30%的成员曾获国际信息学奥林匹克竞赛（International Olympiad in Informatics）奖牌——正是同一项赛事孕育了AI编程初创公司Cognition的创始人。

柏林贝格海恩（Berghain）广告牌营销事件据瓦尔福斯称，在社交媒体上累计获得约500万次浏览。此举折射出旧金山湾区激烈的人才争夺战。“我们必须做这些事，因为我们的部分早期员工是在公司尚无可用厕所时就加入的，”他说道，“但现在我们已解决了这个问题。”

该公司员工人数从2024年的5人增长至40人，并计划今年达到150人。它为市场营销、增长及运营等非工程岗位招聘工程师——这一举措押注于AI时代中，技术素养将在各领域变得至关重要。

合成客户与自动化决策：Listen Labs下一步的构建方向

瓦尔福斯勾勒了一条雄心勃勃的产品路线图，进一步迈向更具推测性的领域。该公司正在构建“模拟客户的能力，从而可利用我们已完成的所有访谈，据此外推并创建合成用户或模拟用户声音。”

除模拟之外，Listen旨在基于研究成果实现自动化行动。“我们能否不仅提供建议，还能生成代理（spawn agents），以直接修改代码或应对某些客户流失？能否向客户发放折扣以尝试挽回他们？”

瓦尔福斯承认其中存在伦理影响。“显然，正如您所指出的，这里确实存在某种伦理关切。总体而言，自动化决策可能带来负面影响，但我们将会设置大量防护措施，确保企业始终处于决策回路之中。”

该公司已谨慎处理敏感数据。“我们不会用任何客户数据训练模型，”瓦尔福斯表示，“我们还将自动清除所有敏感的个人身份信息（PII），以便模型能够识别并过滤此类信息。此外，在某些场景下——例如与投资者合作时——若你不慎提及可能构成重大非公开信息的内容，AI实际上能够识别并删除此类信息。”

AI如何重塑产品开发的未来

Listen模式最具争议性的影响，或许在于其如何重塑产品开发本身。瓦尔福斯描述了一家采用近乎持续反馈循环模式的客户——一家澳大利亚初创公司。

“该公司总部位于澳大利亚，白天编写代码，夜间则面向美国受众发布一项Listen调研。Listen验证其白天所构建的内容，并提供相应反馈。随后，他们可将该反馈直接输入Claude Code等编码工具并进行迭代。”

这一愿景将Y Combinator著名的信条——“写代码，与用户交流”——扩展为一个自动化循环。“写代码”如今正趋于自动化；而瓦尔福斯认为，“与用户交流”也将如此，由此形成一种近乎自主运行的无限循环，从而持续交付真正卓越的产品。

该愿景能否实现，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意愿，以及速度是否真正与更优产品呈正相关。一项2024年麻省理工学院（MIT）研究发现，95%的AI试点项目未能进入生产阶段；瓦尔福斯援引该统计数据，说明他为何强调质量重于演示。

“我必须不断强调：务必确保质量到位、细节准确，”他表示。

但公司的增长表明市场对该实验抱有浓厚兴趣。微软的帕特尔（Patel）称Listen已“消除了研究工作的枯燥感，让我的工作重新充满乐趣与喜悦”。Chubbies公司如今正敦促其创始人向公司全员发放登录权限。稳定币支付初创公司Sling Money可在十分钟内创建一项调研，并于当日获得结果。

“这完全是游戏规则的改变者，”Sling Money营销经理阿里·罗梅罗（Ali Romero）表示。

瓦尔福斯则用另一短语定义其所构建之物。当被问及速度与严谨性之间的张力——即长期以来人们坚信的“快速推进意味着走捷径”——他援引了前GitHub首席执行官、Listen投资人纳特·弗里德曼（Nat Friedman）在其网站上持续更新的一系列警句。

其中一句是：“慢即是假。”

对于一个建立在方法论审慎基础之上的行业而言，这是一个激进的主张。但Listen Labs正押注于AI时代中，倾听速度最快的企业将成为赢家。唯一的问题是：客户是否会回应。