【營銷AI秀:第8集】HubSpot如何利用AI幫助企業更好地發展

在本周的節目中，節目主持人Paul Roetzer與HubSpot人工智能集團產品經理Kevin Walsh進行了對話。Kevin的團隊負責將HubSpot的機器學習構建為一個服務平台，並在HubSpot的產品線中集成機器學習模型，包括SEO、內容推薦等。

在對話中，沃爾什向我們介紹了HubSpot對人工智能的看法，以及客戶如何利用CRM平台內的人工智能功能。節目主持人保羅Roetzer還深入探討了HubSpot對人工智能的觀點，以及該平台上的人工智能應用程序，客戶可以使用這些應用程序使他們的營銷更智能，並略微介紹了該公司的人工智能解決方案產品路線圖。

觀看視頻

閱讀完整的采訪記錄

免責聲明:本轉錄是由人工智能寫的，感謝深,．

保羅Roetzer:歡迎來到營銷AI展。今天和我一起的是Kevin Walsh, HubSpot公司人工智能部門的產品經理。歡迎凱文。

(00:00:11)凱文·沃爾什:非常感謝你們邀請我。

(00:00:13)保羅Roetzer:有一段時間了，夥計。我想大概四五個月前我們辦了一個網絡研討會。所以看看HubSpot有沒有什麼新奇有趣的東西會很有趣。這也是我們這一集的重點。今天我們將談談HubSpot對AI的觀點，AI在平台上的應用。客戶可以利用它來讓他們的營銷更聰明，更有效地推動收入，並希望能了解公司的AI解決方案的產品路線圖，就像凱文允許告訴我們的那樣。

[00:00:41]首先讓我們談談凱文，他在東北大學學習經濟學和音樂，後來成為HubSpot人工智能業務的領導者，你在過去的七年裏一直在這個領域工作。那麼你是如何從音樂和經濟發展到HubSpot的人工智能項目的領導者呢?

(00:00:59)凱文·沃爾什:是的，這是個好問題。這並不是我們的計劃，但這是，通過大量的努力，好的時機和愚蠢的運氣。我已經做到了。降落在我所在的地方。嗯，我在大學主要學的是音樂，後來又學了經濟學，因為我有點喜歡改進的畢業，我想，嗯，媽的，我可能需要一份工作。

[00:01:21]所以我想在藝術的基礎上再加上一些，呃，更接近STEM的東西，就是這樣展開的。當我大學畢業時，我真的很想在音樂技術行業工作，但我哪兒都沒得到麵試的機會。因為我懂音樂，但從沒做過軟件。因此，科技公司通常規模較小。

[00:01:41]總的來說，它們長得不是特別快。所以要得到麵試機會真的很難。但我上的是波士頓的東北大學。這是。2012年,13伊什。HubSpot是一家非常炙手可熱的公司，一個非常炙手可熱的名字。我加入了支持團隊。他們希望盡可能多地了解技術和互聯網。

[00:02:02]在這個過程中，我學到了很多關於市場營銷、銷售和服務以及人們如何經營他們的企業的知識。HubSpot就像一艘火箭飛船。我從支持團隊轉到HubSpot Salesforce集成是我的第一個產品團隊。呃，在那之前，我就像一個內部的支持專家，處理最棘手的客戶支持問題，也像和工程團隊一起工作，幫助指導他們的路線圖，然後就接管了這個團隊的PM。

[00:02:34]所以我在產品管理方麵的早期根基總是在一些技術性很強的基礎設施項目上。說實話，我花了很長時間才和一個合適的設計師合作開發一個應用程序，這個應用程序需要很多考慮周到的東西，比如用戶流，嗯，還有設計元素。

[00:02:53]所以我總是偏向於更多的數據和基礎設施項目，嗯，[00:03:00]在RDC工作或開始在HubSpot工作。我們的福利之一就是學費報銷計劃。所以，當我還在支持團隊的時候，作為一名早期的產品經理，我在東北大學的計算機科學研究生項目上了數據科學和機器學習的課程。

[00:03:17]我做了大約兩個學期，然後開始工作，最後我接手了預測領先評分，這是HubSpot的第一個機器學習產品。仍然是我們最老的產品，有趣的是，當我接手break帶領得分時，它已經出來了，我們差不多是從頭開始。

[00:03:39]我們最後做的就是建造。HubSpot工程當時正在經曆一個非常固執己見的平台階段，我們所做的一切都是試圖將所有這些應用共享的核心服務提取到單個團隊中。所以，嗯，今天我們把它們作為原色來討論，其中一個團隊負責[00:04:00]報告平台，另一個團隊負責CRM平台的大部分工作，另一個團隊負責消息平台，另一個團隊負責內容。

[00:04:09]它可能還有一個，但這樣你就有了這些非常重要的原色你可以把它們串在一起來創建這些真正完整的應用程序。這就是HubSpot今天所有產品開發工作的方式也是我們能夠真正快速行動的方式。我們花了很長時間來建立這個基礎。

[00:04:25]但現在我們有了這樣一個非常強大的工具，可以很快地組合、組合並推出產品。我們會講到，我們是怎麼做到的。一個新產品的對話智能在一點。我之所以提到這個是因為當我們要建立第二個版本的預測領先評分時，我們也在幕後建立機器學習平台那個機器學習平台是我們所有生產機器學習的動力。

[00:04:52]在今天的產品中。我還是基礎設施部分的日常產品經理。[00:05:00]現在團隊中有一些人正在使用這個基礎設施來做應用，嗯，更接近客戶一點。嗯，這是一種冗長的方式來表達，是的，它是，我有點。

[00:05:15]對更多基礎設施數據項目感興趣。我開始參加一些課程，因為這似乎是一種有趣的提高技能的方式。然後，就像我說的，隻是一些愚蠢的運氣和好時機。我能在正確的時間出現在正確的地點，抓住第一波高潮。從那以後，我們一直在發展，我們做了很多項目。

[00:05:36]機器學習本質上是實驗性的所以我們做過的很多事情，或者我們做過的很多事情，都沒有成功，但是我們從項目失敗的原因中吸取了教訓，我們總是把東西扔掉，我們現在對我們的建築過程感覺很好。

[00:05:52]嗯，成功的機器學習產品，你可以期待看到我們對我們的定位和談論，嗯，應用中的機器學習能力更樂觀一些。嗯，這是我們學到了很多東西的結果，我們對自己的執行能力非常有信心。

(00:06:09)保羅Roetzer:這對我來說很有趣。所以人們不知道我的背景。我知道聽這個播客的人可能知道我擁有並經營著營銷AI研究所，但我也擁有PR 20/20，這是HubSpot在2007年的第一個代理合作夥伴。BETVlCTOR1946伟德我個人與HubSpot合作了14年左右。

[00:06:28]我見證了它的成長。呃，我早期的一個銷售電話，我不知道你們有沒有談過這個。凱文·哈利根也參加了其中一個銷售電話。這是我們在HubSpot成立的早期Dan tire是我的代表他們試圖向我推銷克利夫蘭的公關公司的排名，就像HubSpot過去銷售關鍵字排名是平台的價值那是CMS失敗的時候。

[00:06:54]就像，你知道，那裏。[00:07:00]但他們在這方麵一直非常透明。就像他們，他們總是對產品的位置非常現實。對於那些不熟悉HubSpot的人來說，它是一家市值220億美元的公司。市場營銷領域的大多數人都很熟悉，但是。

[00:07:15] HubSpot是什麼?因為我甚至知道它的定位在最近幾個月有了一些變化關於如何進入市場。所以，你知道，不同的中心是什麼?你談到了顏色，但是麵對客戶，構成平台的不同樞紐是什麼，你們是如何從公眾的角度考慮這個平台的?

(00:07:35)凱文·沃爾什:當然。所以HubSpot的使命就是幫助企業更好地發展。這意味著通過可持續增長實現增長，我們希望幫助中小型企業，基本上是那種10人到500人左右規模的公司，嗯，能夠。

[00:07:56]從顧客身上賺到錢，卻不提供[00:08:00]差的顧客體驗這有點像可持續增長。從產品方麵來說，這意味著什麼?我們有一個非常強大的免費客戶關係管理係統是所有這些產品線的基礎。最重要的是，我們有一些主要關注職業的中心。

[00:08:18]所以我們有一個營銷中心，或者我們正在努力找出他們麵臨的問題和挑戰。主要是我的營銷經理，主管和副總裁。嗯，我們還有銷售中心，它專注於銷售專業，服務中心，它專注於客戶服務專業。

[00:08:36]去年我們推出了CMS中心，把網站產品從營銷產品中分離出來，有了一個完整的CMS。隨著時間的推移，你可以期待看到，我們將繼續推出新的中心，大致遵循這樣的軌跡，誰是購買者，職業道路是什麼，因為我們發現這是一個非常有用的方法，[00:09:00]開始，嗯，產品。

[00:09:02]戰略，你知道，當你在開發一個產品時，你總是想知道。非常重要的是，你要非常清楚地了解你的客戶是誰。同時，你也希望能夠提供一種與客戶一起成長的產品。因此，通過圍繞營銷銷售服務的職業道路，以及公司內的所有其他角色，你可能會期望看到HubSpot繼續推出新的中心。

[00:09:28]與此同時，就像在客戶關係管理平台層麵上的一層，我們仍然在該層麵上增加複雜性，然後可以用於和應用到現場的每個關鍵角色。

(00:09:40)保羅Roetzer:那麼你如何看待公司內部的人工智能呢?所以，你不會讓一個AI團隊坐在營銷中心，也不會讓一個AI團隊坐在銷售中心。

[00:09:47]如果我沒弄錯的話，你的人力資源團隊更像是跨所有中心和組織的所有領域運作的。這是準確的嗎?

(00:09:55)凱文·沃爾什:這就是我們今天的工作方式。雖然，呃，我們已經進入了[00:10:00]棒球的內部。我的團隊是有組織的。很有可能我們會嚐試，呃，在我的人工智能團隊中，會有一個市場角色團隊和一個銷售角色，評委幫助我們一直到今年。

[00:10:17]去年，我們的策略是我們有一個集中的團隊，他們在小型生產機器上跨中心運行。這就是為什麼很多時候都是這樣的。你知道，在被窩裏，我們的策略是在我們認為可以幫助所有客戶的地方做機器學習，嗯，有一些組織現實，我們選擇做一些項目，或者因為我們認為這些項目可以完成。

[00:10:47]因此，雖然在某些方麵可能真的很適合，例如，我們知道，在服務角色中，機器學習有很強的客戶支持自動化機會。嗯，我們今天的產品中沒有這些，隻是因為服務中心的優先級還沒有到位。

[00:11:05]但與此同時我們已經做了很多HubSpot Spelman支持團隊內部的客戶服務自動化項目。所以我們知道這裏有一個很好的匹配問題，這隻是一個優先級的問題

[00:11:16]。

(00:11:17)保羅Roetzer:那麼，讓我們回顧一下，你如何定義人工智能和機器學習?

[00:11:23]我的意思是，我們有很多用戶，我們的用戶有50%是初學者，另有37%的用戶說他們對人工智能術語和能力的理解是中級的。那麼你是如何定義它的? HubSpot內部是如何看待這兩個術語的?

(00:11:38)凱文·沃爾什:當然。所以人工智能是一個更寬泛的術語，你提供的產品或係統讓人感覺很智能。

[00:11:46]這似乎是需要人去做的事。在實踐中，我們在工業中發現的HubSpot並沒有一個技術定義。今天所謂的人工智能[00:12:00]通常在係統的某個地方有一些機器學習模型。機器學習是統計學中的一個特殊領域。

[00:12:08]我想解釋的是，你是在用一些非常具體的任務來模仿人類的決策。所以在這方麵，機器學習可以被認為是更智能的自動化，在快速的情況下，你可能會說，就像，你知道，如果一個線索的生命周期階段等於MQL，然後把他們旋轉到，嗯，銷售。

[00:12:31]這就是自動化。它非常棒，非常強大，企業應該采用它，但對於更複雜的自動化，它需要像閱讀電子郵件或閱讀支持票這樣的東西，嗯，這需要機器學習來幫助實現人工任務的自動化，比如，我必須閱讀這封郵件，並確定我是否應該為某件事轉移交易階段。

[00:12:53]嗯，所以當我們思考今天應用機器學習的合適機會時。00:13:00 HubSpot的的產品。呃，最容易實現的是自動化，所有的企業都應該有非常明確的流程，他們應該評估流程中的每一個子步驟，將其視為自動化的機會，無論是有規則的自動化還是需要機器學習的自動化。

[00:13:18]嗯，我認為這是最平易近人的思考方式，你知道，如果你想。任務，比如發送電子郵件發送電子郵件有12個步驟，你需要完成子任務或步驟。我們能不能幫忙重新證明這12個小步驟中的任何一個，就像預約會議一樣。

[00:13:36]如果你是一名BDR，正在為客戶主管尋找線索，或者正在完成一項支持工作。客戶服務角色的案例。每一個像現實世界的業務任務都可以被分解成更小的組成部分，我們試圖將它們自動化。

(00:13:51)保羅Roetzer:然後我，你知道，我們經常談論機器學習的另一件事是，它不是，你設置規則，然後每季度檢查一下，可能會稍微適應規則，機器學習的整個思想是，機器從數據中學習，理論上可以改進它的建議或決策。

[00:14:09]所以我認為這是值得思考的一個關鍵方麵。

(00:14:14)凱文·沃爾什:是的，絕對是。我確實發現，一旦這些項目或這些過程出現了，你就必須照顧好它們，它們並不像人們想象的那樣能自我修複。通常你在做的事情，比如，如果你想做一些預測和賬目之類的工作，會不會流失。

[00:14:36]你會發現，嗯，你知道，你有一個試圖預測流失率的模型，但你發現它缺少一大堆的預測。這是機器學習模型的一個機會或者是深入研究為什麼模型是錯誤的通常情況下，他們會發現模型缺少了一些現實世界的因素。

[00:14:51]所以它的開發周期就像，好吧，我們注意到我們實際上沒有合同大小。這個過程是[00:15:00]用來預測流失與否的。我們知道，合同高的人更可能或更不可能因為一些現實世界的原因而變動。

[00:15:07]所以進步仍在發生。嗯，但這是更抽象的一點，你仍然需要所有的數據進入和收集，這是有用的，但你必須保持某種程度上的關注，在哪裏事情失敗了，並嚐試做些什麼

(00:15:22)探索性分析。是的，我認為這是一個很大的誤解。

(00:15:26)保羅Roetzer:我知道你和我之前討論過這個問題，有些人認為人工智能隻是一個神奇的開關，哦，這聽起來很神奇。我要去找一個有機器學習功能的工具幫我寫郵件。現在我很好。我可以繼續做其他事情。這就像，不，人在循環中是一個非常真實的東西，不斷需要輸入和訓練數據。

[00:15:45]為了讓這東西起作用我記得，我記得你曾經講過HubSpot早期領先評分的故事以及它在內部的使用以及市場營銷者和銷售人員是如何期望的。你給了我一個[00:16:00]機器學習驅動的模型。這從第一天起就會起作用，我突然之間就會比以前有更好的線索。

[00:16:08]當情況並非總是如此時，人類意識到，哦，我實際上必須幫助機器學習。就像，哦，算了吧。我回到我剛才做的。這對人工智能的應用來說是一個非常現實的挑戰。思考。在更廣泛的市場營銷和服務層麵上，這是在教育人類，不，你仍然是其中的一部分。

[00:16:27]就像一個人加機器的等式你在內部做了什麼?因為我知道你，你知道，你從2016年開始就一直在那裏，而你們可能已經。幾個機器學習工程師。這在1516年的HubSpot還不是什麼大事。我知道你們必須為自己的使用做一些內部教育因為HubSpot經常為內部使用做一些東西然後它就像，好吧，這在內部工作。

[00:16:54]我們也可以把這個拿到市場去。你是如何接受教育的?不僅是開發團隊，如[00:17:00]工程師，而且。HubSpot的用戶了解了人工智能實際上實現了什麼，以及隨著時間的推移你如何實際采用它。

(00:17:08)凱文·沃爾什:是的，這是個好問題。這是一個漫長的傳奇，嚐試了很多不同的方式來傳達這個信息，以及溝通什麼是最適合的機會。

[00:17:22]嗯，我能想到的最好的類比就是我們叫它什麼。10個實習生的問題是，如果你可以定義一個狹窄的任務，你可以教一個新手和實習生，在一天內，如何完成這個任務。然後你可以教另外9個人如何完成同樣的任務。

[00:17:41]如果他們都能達成共識，那麼它很可能適合機器學習。舉個例子，在HubSpot我們有一個與合作夥伴項目相關的內部係統我們有一個網絡爬蟲。它試圖識別一個網站是否屬於一個可能出售市場營銷和銷售服務的企業。

(00:18:01)好。實際上，我們用它來幫助我們的HubSpot銷售團隊分成兩部分。我們有向直接客戶銷售產品的人，也有向合作夥伴銷售產品的人，因為這需要不同的技能，比如轉售HubSpot，了解我們合作夥伴實際提供的所有不同服務。

[00:18:18]為了幫助我們自己的銷售團隊更有組織，這就是為什麼我們有這個網絡爬蟲，當有人填寫HubSpot。com的表格時，我們試著在幕後識別這個人可能需要與專業合作夥伴合作，或者他們可能隻是想自己使用HubSpot。嗯，這是最基本的，嗯，我們想要建立的產品是把網站分成一類或另一類。

[00:18:40]在和帕克團隊的領導們一起工作時，用10個實習生的比喻是很有幫助的，想象一下，你要向一個剛從街上走進來的人展示一個網站，你必須向他們描述如何將這些網站分類。嗯，這是一個非常有用的工具，因為最初我們[00:19:00]希望我們能夠掃描網站，識別銷售合作夥伴作為一種類型，CMS網站開發合作夥伴作為另一種類型和營銷專家。

[00:19:09]作為另一種類型的人，在現實生活中，如何劃清這些界限是非常模糊的。因此，認為你能夠清楚地說某人隻賣銷售服務或他們隻做客戶支持之類的操作是不現實的。這就是我們當時能夠。找一組網站和團隊坐在一起說，好吧，讓我們自己來排序。

[00:19:33]如果我們發現我們不能自己做決定那它就不是我們能夠自動化的東西了。嗯，這是我們可以自己分類的東西，這是機器自動化的一個很好的機會，

(00:19:44)保羅Roetzer:因為你不能去不能去，你使用一些NLP函數去他們的網站，抓取數據，然後看看他們所謂的解決方案，或者基本上建立一個服務定義的分類法。

[00:19:57]然後讓機器提取他們提供的服務，就像這樣。

(00:20:04)凱文·沃爾什:你必須從一組未知的答案開始。這就像機器學習的訓練。所以在實踐中，它的工作方式是，而不是向下到像段落那樣的級別，設置規則，說，哦，如果你看到網站設計服務，然後自動分類，像這整個網頁作為CMS合作夥伴。

[00:20:23]這個想法是，你基本上應該能夠說，比如，給我展示整個網站。我根本不負責組織，但我要告訴你們整個網站都與。銷售夥伴。明白了。機器學習的神奇之處在於它能夠完成所有的模糊匹配。

[00:20:38]所以你不需要去定義那些非常細的規則。事實是，大多數我們用於圖像識別，自動駕駛汽車，語音檢測的真正精確的機器學習模型都是由這個龐大的。人類貼標簽機數據。

[00:20:57]有一整個行業的公關公司出售數據標簽服務，幫助像HubSpot這樣的公司通過互聯網連接大量勞動力，收集數據，以便我們可以將其用於自動化流程。嗯，這又回到了我的想法，我認為現在對大多數企業來說，機會最好的方式是過程自動化。

[00:21:19]我發現這對人們思考這個問題也很有幫助，因為。定義流程仍然是一個非常困難的問題。這需要深厚的商業知識，大家都說機器人很快就會從市場銷售、服務和運營專業人員那裏搶走我們的工作，因為這些工作真的很辛苦。

[00:21:40]我們需要市場營銷人員和銷售代表把自己想象成這些非常重要的業務流程的係統架構師。然後他們就可以了，一旦他們明白了他們應該知道機器學習可以幫助他們把商業過程的一部分自動化。所以大家可以思考一下。

(00:21:57)保羅Roetzer:所以，從大局來看。我，你知道，Dharmesh是我的一個朋友，我見過他，我有很多關於人工智能的談話，可以追溯到十年前。但是我，你知道，從公眾的角度來看德哈米什說過的話，他在Inbound做過演講。我想那是2018年的人工智能。它非常專注於AI元素。

[00:22:18]我記得他當時是這麼說的，你知道，為了他和HubSpot。關於空氣的遊戲，關於空氣的觀點是它是平台的無縫元素，你知道，它真的應該是。它應該隻是在幕後，為它提供動力，我們不需要在前麵廣泛地談論人工智能和機器學習。

[00:22:42]因此，你知道，在與不同中心的總經理交談或聽過他們在公開活動上的講話後，我一直覺得HubSpot在人工智能方麵的工作非常低調，你知道，你可以看看Halligan的收益電話會議。它沒有出現。

[00:22:57]就像我們沒有一樣討論人工智能。我們不會公開談論機器學習。HubSpot對人工智能的公開立場是什麼?就像如何，如何思考它，如何談論它，正如你所知，越來越多的營銷人員理論上開始要求更智能的技術。你是否看到HubSpot開始更多地談論它，或者有一個更公開的觀點，它經常談論?

(00:23:25)凱文·沃爾什:我想是的。我的意思是，我認為在這一切背後，關鍵的一點是HubSpot是首要的。我們的使命是幫助企業更好地發展。是的。我們的任務不是隨意幫助人工智能。現在我們也是一家現代科技公司。所以我們將使用現代技術，包括機器學習，來幫助我們實現幫助企業更好發展的使命。

[00:23:48]但這絕不應該優先於核心任務，這讓我個人覺得有點有趣，就像試圖把這兩件事結合在一起。但[00:24:00]我堅信這一點。這是我個人在HubSpot一直在激勵的事情，我們需要軟件和產品的價值，首先要建立在它們為市場和銷售代表提供的價值的價值上。

[00:24:13]如果有人好奇，想知道它是怎麼運作的，當然可以。當我們樂於深入研究它背後的機器學習過程時，我們發現這真的很有共鳴。這是HubSpot的品牌，自從HubSpot存在以來，我們就向你們出售方法和軟件，就像HubSpot的早期，你知道，領導層對軟件的狀態相當坦誠。

[00:24:37]人們仍然願意和我們合作，因為他們相信我們推銷他的方法。好的。我了解入站營銷，這些工具將幫助我實施它，但會有一些差距。我認為人們、我們的客戶和我們的品牌都能對此產生共鳴。所以HubSpot AI的核心信息是HubSpot AI是實用的。

[00:24:57]這是寶貴的，也是平易近人的。這是[00:25:00]你能理解的東西。它不是。這就像所有人都知道，沒有你聰明，它會從你那裏接管你的業務或流程。你應該對這個工具有一個概念上的理解。我們認為我們有一些地方可以真正幫助你的業務，但作為一個營銷經理，你最應該做的是作為一個銷售團隊創造流量。

[00:25:22]它應該把這些流量轉化為客戶作為一個服務團隊，這將是為了取悅這些客戶。這應該是正確的。我想我們會看到，HubSpot會變得更加先進。我在想，嗯，在哪裏。人工智能就在這些中心內。嗯，我想我們會談論一下對話智能，它在周一剛剛推出，但這是我們真正向前邁進的第一個例子，比如AI信息傳遞。

[00:25:52]嗯，但我想你也會看到這個領域的其他公司可能會有一些合作。嗯，我認為現在人工智能應用於商業軟件的狀態有點像雲技術的最新發展。在90年代，雲是一個賣點，但現在，它隻是桌上賭注，就像雲軟件一樣。

[00:26:13]我認為人工智能技術也是如此。如果不使用現代技術，就不可能實現你所承諾的某些價值。喜歡的。是的,我認為

(00:26:23)保羅Roetzer:這是一個很好的觀點。這個，整個，長得更好。我的想法是，你不能，沒有它，就像，你知道，在不久的將來，無論是三年還是五年，就像如果你在這個領域製造產品，它沒有機器學習的一些能力，很有可能，它是過時的。

[00:26:42]就像它會嵌入到所有東西裏一樣。因此，至少從網站的角度來看，HubSpot在AI數據、清潔、內容優化和對話智能等三個主要領域進行了真正的投資。所以讓我們花幾分鍾談談這些領域，如果，如果我是HubSpot的客戶，我現在聽到這個，就會覺得，哦，我不知道，我不知道。

[00:27:04]他們的平台內置了人工智能我可以在哪裏使用它?我今天該如何開始呢?您想談談HubSpot為客戶提供解決方案的幾個實際例子嗎?

(00:27:16)凱文·沃爾什:當然。是的。我們目前最大的工作是自動地與數據衛生和數據質量相關。

[00:27:23]就像你提到的，嗯，在幕後，我們把這個項目稱為Ned，用於從不輸入數據。

[00:27:29]我以前沒聽說過。這個主題衍生出了一些東西，但是。嗯，其中一些產品包括，你知道，我們在那裏做的第一件事是名片掃描儀，它可以給名片拍照。

[00:27:42]我們用設備上的光學字符識別把圖像轉換成字符串，文本。然後我們有一個HubSpot建立的機器學習模型試圖匹配正確的。從名片圖片到正確的CRM屬性的文本塊作為[00:28:00]我們的移動應用程序的一部分。所以這是任何人都可以使用的免費移動應用程序的一部分。

[00:28:03]嗯，隻要有人我正在裝修房子。所以每當我和商人見麵，他們給我名片的時候，我就會試著去刷名片掃描儀。它很好。如果你有一種不尋常的名片格式，比如不太常見的垂直格式，可能會出錯，但是。

[00:28:20]看看這個你知道，如果你現在正在聽這個並且你有HubSpot移動應用程序和一張名片，掃描它，看看它是如何處理數據輸入問題的。嗯，我們有另一個功能，嗯，我們稱之為收件箱自動化，但如果你有一個連接的收件箱，我們試著從郵件正文掃描，嗯，重要的聯係信息，如姓名、工作、頭銜、電話號碼，我想地址也是我們要找的屬性之一。

[00:28:46]重點是我們。這是我最喜歡的產品之一，坦白說，因為我認為它濃縮了很多我們選擇產品的理念。和。[00:29:00]在你的團隊和你的客戶之間，有很多重要的信息在電子郵件中交換，但要確保這些信息在你的客戶關係管理中被捕獲和組織起來，從而可以用來做更有效的事情，需要做很多工作。

[00:29:16]例如，如果你知道某人的職稱，你就能知道他的資曆。你的銷售渠道中與交易相關的人，或者如果你有工作頭銜，你可以把你的背景，你的背景列表按資曆劃分來做新的，而不是有針對性的促銷或類似的事情。我喜歡的另一點是。

[00:29:34]就像，有些公司會賣給你聯係方式，但我們認為這充其量是模糊的。所以不要試圖向人們提供個人信息，比如姓名和電話號碼，而是在電子郵件中。所以我們使用機器學習的目的就像一個真正的白帽子方式，就像幫助。

[00:29:53]你的團隊要記下客戶願意提供給你們的信息。就像我們說的，它更像HubSpot。名片掃描儀，電子郵件解析器，還有HubSpot洞察數據庫，你知道，我們提供公司信息。嗯，去年，我想應該是從去年到兩年前。

[00:30:13]我們為我們的聯係人和公司推出了客戶關係管理重複數據刪除。嗯，這也是我們的一個終極計劃。CRM複製工具的真正力量在於它能夠工作。包含數百萬條記錄的數據庫crm。我認為市場上除了精確匹配之外，沒有其他任何東西能夠進行複製，呃，非常大的數據庫。

[00:30:37]在計算機科學中，比較一個對象和其他對象是一個非常困難的問題。當你，當你超過，你知道，幾十萬的聯係記錄，可能會開始花幾十年的時間來進行計算。所以我們必須這麼做。做一些非常聰明的事情來實現它。

[00:30:54]這個信息真的引起了很大的共鳴我想有一個高德納最近的調查，我可以挑選[00:31:00]，但市場營銷經理，自我報告數據質量和數據衛生問題是他們麵臨的最大問題。我認為應用AI在MarTech領域的早期嚐試，更廣泛地說，大約在2013年、14年和15年左右，有很多類似預測類型的東西，其中的概念是，我們在客戶關係管理中擁有所有這些數據，所以我們可以使用這些數據做更有趣的事情，如更智能的路由或個性化或評分，等等。

[00:31:30]但我想，隨著時間的推移，會有很多。產品團隊。HubSpot發現CRM中的數據噪聲很大。真的很亂。這一直都是個問題。你從Salesforce那裏聽說過，他們不喜歡進入數據和運營團隊。管理人員沒有幫助糾正數據的可見性。

[00:31:45]所以他們執行了所有這些規則，試圖讓數據變得更好。銷售團隊不喜歡這樣做。解決這個問題，這個問題。我們能否幫助確保數據和客戶關係管理是幹淨和準確的，這實際上將實現其中一些，如更多[00:32:00]明顯的用例，如更好的個性化、細分或評分。

[00:32:04]嗯，我們發現這種方法很成功。所以

(00:32:06)保羅Roetzer:這就是我們要走的路。我能不能寫個產品要求?我剛剛想到，正如你所說，我想要LinkedIn銷售導航集成。當我告訴HubSpot有匹配的時候。我想在那個人換工作的時候得到提醒。

[00:32:22]因為如果你想想你的客戶關係管理數據庫，平均每年有20%的人離職。如果他們給你一個公司域名，這是每個B2B營銷人員都想要的，比如我們想要公司域名，而不是Gmail，我的折紙，比如給我Gmail。因為你將永遠留在我們的數據庫中。

[00:32:41]如果你把你的Gmail給我但如果你把你的公司域名給我，平均兩年就能賣完。是無關緊要的。所以我希望有一個提示說，這個人現在在這家公司。這在你的路線圖上一定很酷。

(00:32:56)凱文·沃爾什:但我要指出的是，我們並沒有[00:33:00]計劃。

[00:33:00]他們不要求我這麼做。但類似的，比如解析人們回複你的郵件內容，得到自動回複並不罕見。這就像，嘿，我不在辦公室，或者，嘿，我實際上換了公司。所以對於這類事情，我們希望能更好地幫助人們組織。

[00:33:16]當別人告訴你我要換工作或者我要換角色什麼的時候。這是我的新地址，就像自動攝入一樣，但是，哦，沒有這個計劃。還沒有具體的計劃，但這對我們將來的工作來說是個不錯的選擇。

(00:33:30)保羅Roetzer:好吧，讓我們再花幾分鍾來談談對話智能。

[00:33:35]因為我知道這是現在的大事，熱門的發射。告訴我們，這是什麼，對於不熟悉的人來說這是一個類別。HubSpot在這個領域的表現。

(00:33:46)凱文·沃爾什:是的。因此，對話智能的範疇，而不是對話智能，這些空間有點，呃，名字太近了，但重點是它應該是關於你的[00:34:00]對話的智能。

[00:34:00]所以，無論這些事情發生在哪裏，現在主要針對的是銷售工具或銷售團隊，我們提供了一套工具，首先是幫助指導和分析。所以在實踐中，對話智能真正的意思是一個功能的集合，就像高級呼叫分析。

[00:34:21] HubSpot產品於3月15日推出，就在幾天前，今天在發布會上，嗯，這讓你可以。錄下HubSpot的本地電話。我們的縮放積分也在測試階段。像這樣的對話可能會從zoom變成HubSpot。

(00:34:42)是的。然後接了電話，把聲音錄下來。音頻。你從中得到的第一件事就是搜索能力。你可以進入HubSpot搜索欄和頂部的NAB搜索與價格相關的關鍵詞或者你的競爭對手的名字，幫助識別這些東西在哪裏。

[00:34:59]嗯，在今天的產品中，我們有一個完整的、漂亮的、全屏的指導UI，你可以在對話中分享特定的觀點。一個關鍵的短語被提到了，如果你想向你的經理尋求幫助，或者如果你是經理，你想指出，你的團隊中，非常好的或不太好的行為，你可以分享，你可以發表評論，UI，嗯，所有這些都與教練的經驗有關。

[00:35:26]嗯，因為它會幫助營銷人員。我們現在也在測試階段。即將向所有人推出的是關鍵字報告的想法，這樣你就可以用特定的關鍵字或可能被提及的主題標記單個銷售對話，因為HubSpot平台的強大功能即將到來，你可以預期，你將能夠根據誰進行了特定類型的對話來劃分聯係人。

[00:35:51]你可以根據談話內容來確定自動化的基礎。對話智能任務真的，再一次，它誕生於此，從來沒有[00:36:00]輸入數據主題。我們所做的是幫助人們捕捉在你的團隊和你的客戶和潛在客戶之間交換的信息通過報告、轉錄、搜索在CRM中組織這些數據，然後允許你通過路由分割、自動化等實際操作這些數據。

[00:36:18]所以我們非常期待看到這個產品的推出。這是在。企業的銷售，企業的服務。今天有一些，我們在可能的地方。我們嚐試提供一些旗艦產品上下產品層的功能。是的。你可以在免費產品中查看呼叫，但如果你想記錄和轉錄信息，那是在企業層。

(00:36:45)保羅Roetzer:我還沒有檢查它，但我急於做演示。嗯，你提到了這一點，但隻是在播客的這一部分以產品路線圖結束，再一次，你提到了通過過程自動化，永遠不要輸入[00:37:00]數據。我的意思是，你認為這些是HubSpot目前在AI功能開發方麵的產品路線圖的指導嗎?

(00:37:10)凱文·沃爾什:現在是的。我的意思是，我們通常也做一些真正實驗性的東西，你知道，現在在人工智能領域有很多炒作，像大型語言模型，像兩個，三個不斷出現。還有，嗯，關於寫作，我們試過寫電子郵件，主題行，或者在博客文章的基礎上寫推文，或者開始寫整個博客文章。

[00:37:34]這些都還處於實驗階段就像，它真的還處在某種邊緣。在研究上的應用價值，但我們總是在不斷地削減它。與此同時，還有很多事情。價值驅動在一些不那麼吸引人的應用程序上，這些應用程序更植根於數據衛生和流程自動化。

[00:37:53]所以你可能會繼續看到我們在整個產品中添加這樣的小元素。[00:38:00]你也可能看到我們，你知道，在接下來的幾年裏，還會有一到兩個類似於旗艦AI，電力啟動，比如對話智能的項目。

(00:38:08)保羅Roetzer:很好。好的。

[00:38:11]。我們將以速射結束。這是給凱文的特別禮物。我總是試著想出一個類似的。我不會問別人。考慮到你的音樂背景，你以前演奏過的最喜歡的樂器，你今天演奏什麼?

(00:38:26)凱文·沃爾什:現在我最喜歡的樂器是，25號合成器，它對我來說就像檢疫玩具。這是。雙音合成器。這是經典的弟弟，隨後的37。

(00:38:45)保羅Roetzer:我不知道你在說什麼，但我有東西要穀歌。不，我喜歡。

[00:38:50]但它有什麼作用呢?我是說，你用的是什麼?

(00:38:53)凱文·沃爾什:上麵說這是一個合成器，用在，呃，不再像電子音樂[00:39:00]。更像是低音的東西。我是玩遊戲長大的。我小時候參加過車庫樂隊。所以我經曆了吉他階段，然後我又經曆了鋼琴階段，我並沒有像一個技術人員那樣經曆。

[00:39:10]我喜歡做的是深入研究事物是如何運作的，嗯，理解。音頻合成是，是這些東西的頂點。一旦你掌握了音樂和基本樂器的基本原理，這就像一個完全不同的維度，嗯，創造性地彎曲。這是，這是一種有趣的罌粟花。

(00:39:29)保羅Roetzer:所以你仍然停留在音樂中。我的意思是，這仍然是你的激情所在，你知道，在空閑時間裏，把它融入其中。

(00:39:34)凱文·沃爾什:是的。比如追求它或者撲滅什麼。但我有一些非常要好的朋友，他們在唱片公司，還在巡演，這些天沒去巡演了，不過是的。

(00:39:43)是的。如果你參加過東北大學的音樂課程，我認識了一些終生的朋友，他們仍然非常喜歡這個課程。太棒了。

(00:39:50)保羅Roetzer:好的。我之前在你為研究所做的聚光燈下問過你這個問題。所以我要，你可能不記得你的答案了。我要看看你的答案有沒有變。

[00:39:57][00:40:00]有多少比例的營銷任務將在某種程度上實現智能自動化，這意味著其中將會有一些人工智能。這將有助於未來五年的過程自動化，選擇一個百分比或一個範圍。

(00:40:11)凱文·沃爾什:嗯，大部分，75%加上對，75%加上，我認為這取決於你怎麼看待一項任務，比如選舉一個領導。

[00:40:22]一個任務是寫博客，一個任務是想出點子。但我認為我們會找到越來越多的方法來幫助人們完成工作，但是。我很懷疑機器學習是否能做真正有創造性的工作，真正從無到有。嗯，我認為它可以做衍生工作，你可以看到很多像機器學習藝術的應用，它就像，去看大約500幅畫，然後試著畫。

[00:40:52]但我認為，對於一些最原始的工作來說，這是永遠需要人的地方，我們隻需要一套工具來幫助人們在這方麵做得更好。

(00:41:01)保羅Roetzer:好的。下麵哪個營銷類別將在未來五年受到智能自動化的最大衝擊?

[00:41:09]所以挑一個你認為最大的我會給你們講一些廣告傳播，內容營銷。我剛想說對話，但現在我不知道我是否應該說對話，但我們會繼續說對話客戶服務或電子郵件營銷或其他，有沒有一個讓你想到，是的，這個。

[00:41:29] 99%的空間將在某種程度上實現智能自動化。

(00:41:33)凱文·沃爾什:這個問題有兩個答案。我認為像客戶服務之類的東西已經成熟到可以自動化了，因為它現在是流程驅動型的。這就是為什麼它如此適合，因為過程中的步驟是如此清晰，它們是如此可衡量。

[00:41:47]就像，你可以想象，那10個實習生，就像背景被很清楚地應用在那裏。我認為溝通的東西是最適合的，就像網絡新破壞，因為這些大型語言模型更好地生成文本，就像現在仍然是模型說話，但他們說話的時候聽起來有點醉。

(00:42:08)保羅Roetzer:尤其是時間越長，就像喝了幾瓶啤酒之後，它就會變得越來越淡

(00:42:13)凱文·沃爾什:吐出來。是的。結果是一樣的。我們有一個實驗項目試圖做其中之一。就像在Gmail中，當你輸入試圖完成你的句子時，我們嚐試在HubSpot CRM通信器中這樣做，然後像支持票，你試圖微調生成模型以適應特定的環境。

[00:42:31]我們讓它說話然後，就像，就像吐出一些胡言亂語然後我們花了一段時間，讓它聽起來不那麼瘋狂。

(00:42:39)保羅Roetzer:這是一個困難的問題，但它確實是，就像你提到的，語言生成現在有點像聖杯。我的意思是，就資金而言，這是一場大規模的軍備競賽。

[00:42:50]我知道有很多公司正在研究這方麵的東西，我想，在接下來的24個月裏，你會看到語言生成技術的飛躍。

[00:43:00] [00:42:59]凱文·沃爾什:是的，我認為你是對的。我覺得就好像有那麼一瞬間。大概10年前或者更短的時間。

[00:43:06]好像電腦突然就能看到了，好像所有的圖片都自動加了標簽。他們想讓你說，嘿，這是你的朋友嗎?這是你嗎?你會說，是的，那就是我。你實際上做的是提供

(00:43:19)保羅Roetzer:蘋果。如果你進去，它會說，這是你嗎?

[00:43:23]這是你的女兒嗎?就像它會顯示出來，是的，你在訓練。你不知道你在做什麼，但你在訓練。這是一樣的。

(00:43:29)凱文·沃爾什:完全一樣。我們擁有的用戶流，就像D副本應用，或者你進入那裏，我們認為這些是副本。當你同意的時候，我們就會說，好吧，很好。

[00:43:37]我們明白了正確的。隨著時間的推移，我們會變得更好。嗯，就像，有一個轉折點突然間電腦可以看到所有的東西，所有的東西都被標記了。我認為我們正在接近一個類似的分水嶺時刻，計算機將能夠說話。他們對我們的回應越來越好。

[00:43:52]就像如果你用穀歌home或Alexa或Siri，嗯，我總是覺得測試這些服務很有趣。[00:44:00]我確實發現他們的表現越來越好。嗯，我認為我們正在接近一個類似的斷點，生成的東西起作用了。這些東西能夠生成的語言實際上是合法和可用的。

(00:44:11)保羅Roetzer:那就好了。我同意。好的。最後一個，很好的過渡語音助手。你用得最多。Alexa，穀歌助手Siri Cortana。不要使用它們。她就在那兒。

(00:44:26)凱文·沃爾什:我家裏有Alexa，聲納係統，很方便。現在這裏大部分的燈都是。她真的要走了，她要走了。

[00:44:37]嗯，是的，他是Alexa，我也有iPhone。我偶爾也會用Siri，不過說實話，我大部分時間也用Siri。比如設置計時器和提醒之類的。我家裏不用穀歌。我想我的電視有這個選項，但是，我對其他選項沒有太多經驗。

(00:44:55)保羅Roetzer:好吧,男人。

[00:44:55]這真是太棒了我一如既往地感謝你給我的時間。希望我們能盡快再做一次。再次感謝你的參與。

(00:45:03)凱文·沃爾什:是的,謝謝你。我很期待你對對話智能的反饋。

(00:45:07)保羅Roetzer:當你有機會去看的時候，就去看，夥計。好的。這就是營銷AI秀。感謝大家收看我們的節目。感謝你的參與。說話很快。