死磕 100+ 销售，靠信息差赚钱，拿到 YC 背书
2025-03-26 21:30
访谈 ｜Xuushan、伊凡 作者｜Xuushan 编辑｜伊凡在一间会议室中，Kathryn 向我们展示了密密麻麻的日程安排和纪要——那是她与上百位客户聊过之后整理的需求与痛点，这是她工作的日常。五年前，她和朋友合伙创办了一家奶茶品牌。她希望能够与当地的礼品店与杂货店取得联系，销售奶茶，但分散的零售商信息以及分散的地点，让这样的销售模式变得尤为困难。“很多小商铺在一些平台甚至没有信息，可能要到论坛或者社交媒体上找。”这场副业由于分散的市场，宣告失败。这样的创业经历，使得其在三年后创办 Openmart 变得顺理成章，而参加 Uphonest Scout 的社群，并认识了创业伙伴 Richard He，便让 Kathryn 的第二次创业成立——成立一家接触本地企业主的 GTM（企业市场进入策略）平台，帮助销售专业人员一键查询数百万个来自于本地政府文件、网站、评论和社交媒体等公开信息，提供一些销售线索。我们在上海新天地附近的 Wework 里见到了 Richard He，中心城区同样也是小商铺的聚集地，未来这些在互联网上默默无闻的商家，或将会成为 Openmart 数据库中一个个跳动的标签。Openmart 成立的时间点与其成长期，恰与生成式人工智能大模型推向市场的时间线重叠。因此这家企业也带有了大模型时代生长出的公司的色彩——拥抱各种形态的大模型、基于 AI 工具落地产品、更加快速的迭代、在最初就选择了垂直行业并深入积累 know-how 数据。96 年的 Richard He，开朗健谈，为了了解销售人员的真实痛点，他说自己“厚着脸皮”，跟着销售人员一天，看他们如何销售产品，从中获取销售人员的痛点和需求，再按照这个方向收集和整合数据库。他推崇马斯克，赞扬其把不可能变成可能的行动力以及精简团队。目前 Openmart 主要有四大业务：AI 线索查找器、商业搜索引擎、连接型客户管理系统，以及商业数据库。Richard 介绍，Openmart 的 AI 主要分两部分，一个是信息提取，有一个很庞大的本地企业数据库，他们会从 Linkedin、news、各类公开信息中提取企业的关键信息，例如负责人的联系方式、企业成立时间等等；另一部分，用 AI 将各类信息整合到一起。现在，Openmart 的数据库拥有超过 2000 万条美国本地化信息数据。Openmart 客户的销售团队可以在几分钟内将信息上传到 Openmart 后获得高度精准的潜在客户，其 BPO（Business Process Outsourcing）也就是企业把一些非核心业务部分的流程外包出去的成本削减了 80%，每年可节省 3 万美元。Onelocal 销售主管 Dana Bally 表示，通过Openmart，2 个月内可实现 12 倍的投资回报。Alibaba 也提到 Openmart 的数据丰富功能对于完善其外展活动起到了重要作用。2024 年年初， 这家面向销售群体的 AI 数据成功拿到了硅谷最顶尖孵化器的背书，从 YC W24 孵化器成功毕业。以下是硅兔君与 Openmart 创始人、CEO Richard He、联创 Kathryn 对话的详细对话：硅兔君：Openmart 是你创办的第一家公司吗？从大公司工程师的身份中走出来，转换成创企 CEO，两种截然不同的业务形态，你的思维方式发生了什么变化？Richard He: 在最开始的时候，我们其实想过用 AI 去做网页测试。当时，自己好像还是陷在一个工程师的视角——从技术角度出发去解决难题。但从技术角度出发的话，思维就会很发散，你会觉得有很多东西都能用技术解决，都可以做，后来，我觉得非常重要一点就是你要意识到自己是要去卖一个产品，要从解决实际问题出发。最好先找几个有这类问题的客户之后再去做，不要一开始就埋头苦干，因为有可能一开始的方向就是错的。Kathryn：还有心态上的转变，要学会从完美主义走出来，不要一开始就追求做一个 100% 的产品。硅兔君：你花了多久完成了工程师思维到 CEO 思维到转变？Richard He:可能有几个月时间，我们也是比较幸运进了 YC，然后 YC 上来教会了我们很多。硅兔君：当初选择创业伙伴的时候，你比较看重哪些能力？Richard He: 我和 Kathryn（联合创始人）之前就认识，后来在 Scout 社群活动上经常遇到。我觉得创业伙伴可以找互补型的，但大家还要能保持一个同频的思考，在关键性问题上能够达成一致。像是 Kathryn 做市场，她比较勇往直前，不惧怕任何事情，也很有闯劲儿，非常适合市场运营。我比较喜欢去细致地思考，我认为我们就很互补，但是我们同样在关键性问题或者决策上，基本都能达成一致。硅兔君：我们现在团队会有多少人？你作为 CEO 去管理他们的时候会有什么策略吗？Richard He: 我们现在总共不到 10 个。国内团队成员大概都是 95 后，美国团队成员都是 00 后。现在看来，刚大学毕业的 00 后门冲劲儿更更猛一些，每天不睡觉也没啥事儿，特别喜欢去探索一些新鲜的事物，然后非常很拼。90 后的成员们会更成熟一点，思考方式也会更全面一点。硅兔君：在创业风格上，你会有自己推崇的偶像吗？比如说，乔布斯或者马斯克？Richard He: 马斯克，我从大一的时候，Model S 刚出来的时候，就觉得他很不简单。他总能把不可能的事情把它变成可能，我希望我也能成为这样的人。像是马斯克最近也在做一些冗员的事情，我们也一直保持精简的团队结构。最近，有报道说 ARR 在 1000 万美元，团队成员在 50 人以下的创业团队有 50 家。我其实非常佩服这些人，Richard He: YC 每周都会审查你挣多少钱，这非常好，也非常实际。有些东西不是你吹就能吹出来的，很多东西一吹别人都知道。Kathryn：不要太着急融钱，要看自己公司所处的阶段。融太多的钱反而会让一些创业者早期养出大手笔花钱的习惯，像是广告投放和过度扩张，都是行业早期创业者不应该做的事情。在没有 PMF 的时候就不应该招那么多，就不要着急招人进来。当招人可以给公司带来增益的时候，再选择扩张。硅兔君：你们从 YC 孵化器毕业之后，YC 还会给你们哪些帮助？Richard He: 围绕着 YC 生态的话，会形成一个 network，这里面也成长出不少千人规模的大公司。他们看到 YC 背景时，天然在心底比较信任你，你遇到的人也会更加温暖一点。从客户角度来看，和你同一批毕业的 YC 公司会和你有非常紧密地联系。我们当初一起被 YC 孵化的公司大家现在还经常交流，在共性问题上，大家都会有一些困惑。比如说，招人，招什么样岗位、什么样的人；签合同，和大公司签合同需要避开哪些问题；大家在同一时期起步，在阶段性上遇到的问题也很类似。硅兔君：参加 YC 之后，你们当时融资是如何推进的？Richard He: 入选 YC 之后，基本提前 DemoDay 两周就会有投资人来联系你，我们也会和对方见面聊。但是，其实一开始有 100 位投资人找你，最后可能也只有个位数的投资者明确表达了意向。Richard He :当我们选择的时候，我们会选择那些真正认可你的投资者。说实话，早期投资都是投人，真正信任你的人会给你很多帮助，会帮助你实现梦想，而不是一直质疑你，或者要一些很漂亮的数据。UpHonest 早期也会给我们很多资源介绍，让我感受到了真诚。如果一开始就在想着投资回报或者退出的话，可能不是特别适合种子轮期间的投资人选择。硅兔君：创业初期，你们怎么面对一些客户的“闭门羹”或者是质疑？如何让客户相信我们的产品，接受服务的？Kathryn：早期测试阶段，其实有人骂也没关系，你至少知道自己是哪里做错了。最怕是中间某一步走错了，但是也没有客户用、没有企业说导致大量时间精力浪费。质疑没关系，重点在不断进步。Richard He: 我们一开始会让对方给我们一些具体的理由。因为我们产品主要围绕着数据，所以拒绝的理由大概也就分为几类：如果是数据的数量不够，或者数据找得不够精准，我们就会说那你再给我几周的时间，我给你找最精准的数据，然后做一些人工的调整与训练，把数据的质量提高。数据产品的好处就是它非黑即白，没有特别多争议的空间。硅兔君：你现在感觉华人在 AI 创业还是一个好机会吗？Richard He: 我觉得华人创业的肯定是有机会的，尤其现在会比以前可能会更好一些。但是并不是说华人创业更好，而是在 AI 变革之下，很多投资人乐于去听你的想法，而不是上来就质疑为什么别人没做，或者别人放弃的情况。硅兔君：在硅谷创业，华人社交网络会带来哪些有效加持？你在 Scout 活动中，接触不同创业者的时候，会发现华人创业群体有些不一样的特质吗？Richard He: 我感觉在 2015、2016 年的时候，华人创业圈的影响力可能并不是很大，尤其是你英文说的不好的话，可能会有很多阻力。但现在，硅谷有了一些支持华人创业的孵化器或者社群出来，像是 Scout 活动、Beta University 活动，搭建华人社交网络，也会让华人创业的阻力少了很多。硅兔君：Openmart 从诞生之初，就带有强烈的大模型时代创业公司的色彩，我们如何选择接入的 AI 大模型？Richard He: 我们有一套自己的评价体系，有合适的模型都会直接跑一遍我们的 benchmark（基准），合适的话，我们大概在 1 个多小时间内就能换上新模型。我们会选择一些适合我们不同需求模块的模型，例如我们需要处理上千万或者上亿个不同小商户的网站，需要（容量）比较大的模型，但是在输入字符，我们搜索的关键词不会太长，所以我们需要从产品出发，根据不同模块的需要，权衡性价比，再去接入合适的大模型。硅兔君：所以还是要去寻找细分的垂直市场，在上面扎根。尤其是在 AI 搜索领域，可能初创公司需要去寻找一个更为细分的锚点和市场。不过在 AI 搜索的销售领域，也有不少公司，例如做了很多年的商业搜索引擎公司——Zoominfor，Openmart 作为一家创业企业优势在哪里？Richard He: 我感觉现在其实和 2000 年的互联网泡沫比较像，很多公司都声称自己能做这个，能做那个，但我觉得做实事是比较重要的，要保持着 first principle thinking 原则（第一性原则），不要幻想一个需求，幻想一个市场。有竞争对手实际上本身并不可怕，可怕的是没有需求，也就是你可能没有竞争对手，这也可能说明你这个产品根本没有人想去用，是一个伪需求。硅兔君：从确定这是一个痛点，到确定这个痛点是可以通过技术解决的，这个过程持续了多久，不同销售行业或许这些痛点并不同？Richard He: 我们企业从创业的第一天就选择先去找用户痛点，然后我们再去解决用户痛点。我们先看有没有真正的痛点，再思考为什么过去 20 多年没有人解决这个痛点？这背后无非就是两个情况，一个是痛点不够大，另一个是痛点不好解决。那现在 AI 能不能解决这个问题，如果 AI 能够解决，也就会带来新的启发。一开始是因为 Kathryn 的亲身经历，她因为卖奶茶，发现有这些问题。等我们进入了 YC，发现软件公司这方面的需求更大。对于奶茶店来说，只要进入几家头部的品牌商就可以了，但是 SaaS 软件需要广撒网，需要找到全美类似健身房、快餐店、小超市这样小商户，然后拿到这些联系人的联系方式。这类信息很分散，之前销售都是人工像一个侦探一样去寻找。另外，美国因为人工成本很贵，每一个销售自己并不想做这件事的，因为他跟他的绩效没有关系。所以我们就帮助这些销售去减少他们最痛苦的一件事情，就是就是这种手工脏活累活。我们一开始会去拜访很多销售公司，然后在他们公司一坐就是一整天，专门观察他们的销售人员每天在实际工作时会遇到哪些问题，思考这些问题能不能通过 AI 解决。我们大概做了十几家的实地调查，然后又在一个多月内与上百家的一线商家沟通，得出结论这是真正能够解决销售人员痛点的问题，是他们所需要的。硅兔君：这个故事很有意思，销售愿意让你们跟着一起做实地调查吗？你们聊了几个人最终形成这样的需求画像？Richard He：得稍微不要脸一点，耗着，观察他们这一天在做什么？但是积累越多信息就对你越有用。总之我们最后聊了 100 多个客户。硅兔君：在聊的过程中你们会带着什么问题，快速了解销售的需求？Richard He: 首先要先收集他的痛点，然后每一个痛点你去看他的付费意愿大概是多少、谁会去为这个痛点买账。比如说我刚刚说的，既然跟他的销售绩效没有太大关系，那应该卖的是他销售的头。因为销售管理者是想让整个团队的效率更高的，所以你就要去卖给他了，而不是卖给真正的销售人员。硅兔君：接入大模型，有利有弊，这也是大模型时代生长出来的创业公司都面临的挑战——理论上，通用模型公司能做一切，确实也有一些公司因为 OpenAI 等进入了这个领域而宣告倒闭。Openmart 怎么能做到不被“吃掉”？Richard He: 尽管理论上来说，通用大模型 can do anything（能做一切），但实际上，做得好不好是另一回事。OpenAI 这样的大公司不会切入到中小层商企如此细致赛道里。在数据层，他们也没有高质量的训练数据。我们的优势在于我们可以处理大量长尾的信息，然后将其整合成一个本地化信息的数据库，数据库本身的价值可能能达到百亿级别，但对 OpenAI 等大公司来说，就是一个小蛋糕。硅兔君：小商家有很多分散的信息，这些数据怎么收集？Richard He: 这就是我们在最初就决定使用生成式 AI 的原因。我们的最初想法是，解决一些用户想找一家超市的信息——这家超市什么时候开的，谁是老板以及老板的联系方式。这些信息很多会来自于评论区或者报道中，并非结构化的数据，过去都是需要人工获取，成本较高，现在 AI 就很适合处理分析这些长尾信息。硅兔君：看起来都是一些非结构化的数据，AI 会怎么处理？Richard He: 我们主要通过 2 到 3 层 AI agent 去做一个不同信源的交叉确认。同时，我们也会随机抽查做一部分人工确认，包括我们的客户也会及时反馈我们的信息是不是准确的。这也是 data mode（的好处）之一，用户使用越多，我们的数据反而就会越来越准确。硅兔君：在收集数据的过程中，如何解决隐私保护的问题？Richard He:我们来源主要是 GDPR compliance（再确认），它是在公开网络可以被访问到数据信息。我们的获取方式一直是以保护隐私用户角度出发的。而且我们也有一些选项提交给用户，用户可以说不想平台保留数据，可以勾选相应的选项。硅兔君：小客户对价格更加敏感，你们如何定价，并确定他们会买单？Richard He: 我们现在认为定价实际上跟跟大模型成本不是特别挂钩，主要是跟客户的价值挂钩。因为我们发现对于销售们来说，他们其实不管产品的成本是多少，他们只在乎自己想要的信息有没有拿到，以及拿到后能够带来多大的机会。我们现在认为产品的价值其实是和使用的人数有关，主要按席位收取费用，越多的人使用我们的平台，用户从平台中获取的价值越高，我们的产品价格也对应增长。硅兔君：你们现在主要服务的对象是谁？他们对产品每月 999 美元的定价是否敏感？Richard He: 我们服务的是基本上都是融完 C 轮、D 轮的公司。他们更关注的是客户的增长速度与规模。比如说，现在有一家融资 C 轮的公司，他想要能够顺利的进行下一轮的融资，可能需要从 1000 个理发店的客户数增长值有 20000 万个，那他们就非常需要一个能找到全美 20000+ 理发店联系方式的平台。对他们来说，数据库能够覆盖的范围是第一要素，其次是数据的质量，以及数据的数量，价格不是最重要的。不过，我们现在也是在测试客户的心理价位区间，也和根据市场情况有所调整。我们还会根据客户的需求做一些定制化服务，收取一些服务费。目前，盈利一半来自于订阅用户，一半来自于大公司的定制服务。生存还是毁灭，
不如先看准行业需求
硅兔君：从人工黄页，到电话簿，再到 AI。未来人们获得销售线索的方式将会有哪些不同，会被 AI 完全取代吗？Richard He: 我觉得这个得分情况，现在从产品的角度来看，销售在卖产品的时候，AI 仍然还是一个辅助工具，销售本身还是一个行为。如果是个机器人跟我在那儿讲述产品，推货，我会觉得是一个非常大的减分项。但如果单指信息检索，我想知道你这个人之前干了什么事儿，这些背景调查我觉得是 AI 完全能取代，而且会取代得非常全面，我甚至可以把你过去的全部用 AI 检索出来。我觉得未来 AI 可能会参与到更多的销售工作流程中，比如说，在电话推销时，AI 会告诉你如何和这类人推销更合适；在邮件营销时，AI 会自动帮你起草文件等等。Richard He: 我感觉要有底层的数据，以及信息搜集的工具，是比较重要的。就比如说，如果一个 AI 搜索引擎，它依赖的就是一个谷歌搜索作为唯一信息源的话，那我觉得它有一天总会被谷歌取代。现在垂类的 AI 搜索工具也比较多，如果是 To C 的话，通用搜索工具可能还是会在谷歌、微软 Bing 手里，但后续垂类应用出来，大家可能也会主要尝试更多的新玩法。硅兔君：现在的商业社会的新陈代谢也很快，创企成立的多，倒闭的也快，你觉得 Openmart 能活过明年吗？Richard He: 我们肯定可以，因为我们就是拿到痛点、解决痛点，只要客户的痛点一直存在，我们就能一直活下去，我们完成了 idea 的验证，也走上了稳定运营的道路。2025 年，生成式 AI 将颠覆搜索的形态，垂直领域的 AI 搜索正在爆发出新的创新，而 AI Agent 将先在销售领域爆发价值，而在销售的工作流程中，销前 GTM 以及客户服务的流程中能够最先体现 AI Agent 的价值，Openmart 站在了这样的交汇点。在生成式 AI 的生态中，AI 搜索领域越来越垂直和细分，在这些毛细血管中，正在涌现出越来越多具有潜力的初创公司。硅兔君将会持续发现并关注他们的成长。
UpHonest Scout Program 介绍：
UpHonest Scout Program（USP） 是由硅谷知名早期风险投资机构 UpHonest Capital 发起的精英人才培养计划，旨在汇聚北美科技企业核心员工、金融领域资深职场人士以及高校 MBA 精英，为有志于早期投资的个人提供全方位的实践指导与资源支持。USP 将助力参与者从资深职场人士成功转型为专业的早期投资人，通过系统的培训与实战机会，包括撰写首张风险投资支票，深度参与项目挖掘、尽职调查、估值建模等全流程环节，加速个人成长。参与者将融入硅谷顶尖的投资与创业生态，拓展高端人脉资源，开启多元化的职业发展路径，共同推动科技创新与早期投资领域的发展。
【免责声明】市场有风险，投资需谨慎。本文不构成投资建议，用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
