至顶网软件频道消息: "人工智能无法进行销售电话沟通或者完成交易,但它可以大大优化人类的这项任务。" 这就是Gong.io提出的主张。
今天,Gong.io宣布获得2000融资,将用于强化机器学习以获得更多客户。这家创建了2年时间的初创公司提供的服务是可以聆听销售电话,生成录音并分析录音内容以识别出有用的信息模式。然后,这些信息会显示在可视化的仪表板中,让用户能够借此寻找提高转化率的方法。
例如,一位正在寻求提高团队生产力的销售经理,可以利用Gong.io来找出顶级销售与客户电话沟通过程中的共同点。如果该平台显示,他们通常要比其他销售更频繁地提出问题,那么就可以指导销售团队进行调整,更加强调双向的互动。
Gong.io提供了对通话内容的类似洞察力。用户可以使用对成功下单带来重要影响的单词或者短语(例如竞争对手公司的名字)搜索通话内容,来检查出现的频率。Gong.io表示,这个平台提供的信息不仅对那些试图连接高层次趋势的管理人员们有用,而且还适用于那些希望从客户对话中吸取更多经验教训的销售人员。
这也是Chorus.ai公司正在致力于商业化的基本概念。据悉,这家初创公司最近获得了1600万美元投资,并提供了一个竞争性的电话分析平台,旨在帮助销售团队从客户对话中吸取更多的经验教训。
此次Gong.io宣布的融资旨在Gong.io能够更快的发展。这一轮融资由Nowwest Venture Partners和Shlomo Kramer(网络安全巨头Check Point的共同创始人)。Gong.io还计划利用这笔资金雇用数十名新员工以加速增长计划。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。