云享智慧完成超千万元Pre-A轮融资

AI科技公司「云享智慧」于近日完成超千万元Pre-A轮融资，投资方为沣扬资本。资金主要用于技术和市场团队扩充、市场拓展等。

云享智慧面向B端品牌商，开发线上线下AI导购方案，通过自动推荐、找寻、结账等功能促成交易，交互方式以语音对话的方式为主。

优衣库是云享智慧的首个项目，今年3月，深圳南山优衣库旗舰店正式启用了云享智慧的AI导购方案，优衣库的公众号也于今年5月上线了该方案。

谈及AI导购对优衣库的实际成效，云享智慧CEO告诉36氪，线上AI导购目前每月可带来数百万元销售额，线下AI导购每月服务人次已上万。总体来看，每十次交互会带来一次下单（一次语音/触控计一次交互）。

除了直接的销量提升价值，AI导购也会为客户塑造一种科技、前卫的品牌形象。

目前，云享智慧已有1000万元的落地合同，今年预期营收可达1500万元。

投资逻辑上，沣扬资本创始合伙人杨希表示：

头部品牌希望在用户特征数据、消费行为数据、产品研发、营销和运营环节之间形成闭环。语音作为最自然、直接的交互方式，在引导消费者选购商品、收集消费过程中的反馈信息上具备天然优势。

线下头部品牌厂商缺乏人工智能相关技术能力，而百度、科大讯飞、阿里等平台因为通用性在特定行业场景下难以满足商业化要求，这为聚焦垂直领域的AI厂商创造机遇。

以下是36氪18年5月对云享智慧的报道原文：

AI导购开始逐渐出现在商场中，为消费者提供导购咨询、位置引导、主动营销、娱乐互动等服务。此类AI导购的逻辑是在满足用户需求，提供新型交互方式的基础上，为B端商家获取用户行为数据，以优化销售策略和推广方案。

但受限于NLP技术的发展，以及没有真正满足消费者的需求，这些AI导购的表现大多差强人意。消费节奏越来越快，消费者需要哪些必要的服务呢？总结下来大致分为以下三种――根据自己的需求推荐相应的产品；查询其他码数或是否有库存；结账服务。

云享智慧CEO Tao Sha告诉36氪，人工导购毕竟受到人脑容量限制，不可能记住每个SKU的特性、码数和库存，因此需要一定时间去后台查询或是在店内寻找。这种情况尤其出现在快时尚品牌店中，此类品牌的SKU多且更新换代速度非常快，因此我们经常看到导购忙不过来、人手不够的情况。另外，由于消费者的产品选择和购买渠道越来越多，服务时间越长意味着客户流失率越高。因此需要在最短时间内满足客户需求，降低其决策时长。

云享智慧旨在面向B端品牌商开发线上线下AI导购，通过自动推荐、找寻、结账等功能促成交易。Tao Sha表示，虽然使用的是语言交互方式，但AI导购的主要目的并不是娱乐交流，而是快速解决客户需求。

AI导购除了可以帮助B端商户节约部分人力资源，提升成单率，更为重要的是数据，尤其是线下数据的获取。线下数据的获取和分析本质上是想知道消费者想要什么，以往线下消费者的行为数据属于黑洞领域，而AI导购可以天然记录下每个使用它的消费者的每句话。这些数据可以作为产品、库存调整，以及广告效果评判等维度的依据。

云享智慧开发的AI导购机器人是通过语音的方式和消费者进行交互的，因此离不开底层自然语言技术的积累。Tao Sha告诉36氪，他们用到的是NSLP技术，即销售行业的自然语言处理技术。相比于NLP自然语言处理技术，NSLP主要关注产品销售场景。而且由于应用场景不会如NLP遇到的场景那么随机和发散，因此在技术开发难度和识别精准度的要求上也远低于NLP技术。

Tao Sha告诉36氪，他们拥有一个针对服装行业的知识图谱，可以提供1000多个多维度的、带逻辑关系的服装相关的标签，比如标签上“氨纶>3%”的数据就意味着服装有“弹性”。而且基于NSLP技术，这个知识图谱也在不断更新完善中。在此知识图谱基础上，云享智慧会加入品牌专有的名词库，生成针对品牌更加适用的知识图谱。在B端商户提供了销售和客户评价历史数据后，云享智慧会对品牌特定的知识图谱和消费者购买决策模型进行训练，生成品牌专有的AI导购。

据悉，云享智慧已经完成了完成了首个项目――为优衣库开发线上和线下AI导购，整个项目耗时4个月，并已验证了可用性。云享智慧为优衣库开发的线上导购主要在公众号和官网进行服务，上线首日已服务众多消费者。深圳南山优衣库旗舰店使用了线下AI导购，据悉6个AI导购一天共服务了9000人次，主要还是使用找寻功能。

Tao Sha表示，由于团队体量有限，每个行业他们都会优先服务头部客户项目。除了服装行业中的快时尚品牌，云享智慧也在尝试进入教育和护肤品行业，并和韦博教育、自然堂进行合作（教育属于低频高客单价行业，因此云享智慧更多是加强前期和消费者的感情培养，以促成订单）。

云享智慧的盈利模式是项目开发费用+后期产品更新和系统维护费用。Tao Sha表示，在为优衣库上线了AI导购，验证了可用性后，他们正在寻求1000-1500万元的Pre-A轮融资，旨在扩张团队，一方面服务更多头部客户，另一方面将服务做深。

公司目前有20人左右，90%均为技术人员，希望今年可以扩张至30-40人。CEO Tao Sha，TNT(荷兰邮政)，大数据专家，网格选址模型的发明者；澳大利亚邮政(墨尔本总部)首席算法科学家，In-depth人口统计模型发明者；英孚教育亚洲总部算法和模型专家，Leads scoring预测系统的发明者；语音内容递归识别专利发明者。