[營銷人工智能節目:第八集]HubSpot如何利用人工智能幫助企業更好地發展

在本周的節目中，節目主持人Paul Roetzer和HubSpot人工智能集團產品經理Kevin Walsh坐了下來。Kevin的團隊負責構建HubSpot的機器學習作為服務平台，並在HubSpot的產品線中集成機器學習模型，包括SEO、內容推薦等。

在談話中，沃爾什向我們深入介紹了HubSpot對人工智能的看法，以及客戶可以做些什麼來利用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AI的觀點，以及平台上的AI應用程序，客戶現在可以使用這些應用程序來讓他們的營銷更智能，並略微探討了該公司的AI解決方案的產品路線圖。

觀看視頻

閱讀完整的采訪抄寫

免責聲明:此轉錄是由AI編寫的，感謝深,．

保羅Roetzer:歡迎來到人工智能營銷展。今天和我一起的是Kevin Walsh, HubSpot人工智能部門的集團產品經理。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:好久不見了，夥計。我想大概四五個月前我們做了一個網絡研討會。所以HubSpot會有什麼新鮮和令人興奮的事情發生，這很有趣。這就是我們這一集的重點。我們今天要談談HubSpot對AI的觀點，以及平台上的AI應用。客戶可以利用這一點使他們的營銷更聰明，更有效地推動收入，並希望在公司的人工智能解決方案的產品路線圖中有所作為，正如凱文被允許告訴我們的那樣。

[00:00:41]嗯，首先讓我們談談凱文，還有一個在東北大學學習經濟學和音樂，並成為HubSpot人工智能實踐領域領導者的人，你在過去的七年裏一直在那裏工作。那麼你是如何從音樂和經濟領域轉向領導HubSpot的人工智能項目的呢?

(00:00:59)凱文·沃爾什:這是個好問題。本來就不是這麼計劃的，但經過了很多努力，好時機和好運氣。我已經做到了。降落在我所在的地方。我在大學裏主要學的是音樂，後來又學了經濟學，因為我有點喜歡提高畢業水平，我想，我可能需要一份工作。

[00:01:21]所以我可能想用一些更接近STEM的東西來補充一些藝術，這是如何展開的。當我大學畢業時，我很想在音樂科技行業工作，但我沒有得到麵試機會，嗯，沒有。因為我知道音樂方麵的工作，但我從來沒有做過軟件方麵的工作。因此，科技公司通常規模較小。

[00:01:41]一般來說，它們的生長速度不是特別快。所以得到麵試機會真的很難。但我去了波士頓的東北大學。這是。2012年,13伊什。HubSpot是一家非常熱門的公司，一個非常熱門的名字，非常瘋狂。我加入了支援小組。他們希望盡可能多地了解科技和互聯網。

[00:02:02]一路走來，我學到了很多關於市場銷售和服務的知識，以及人們如何經營他們的企業。HubSpot的發展就像一艘火箭飛船。我從支持團隊轉到HubSpot的工作Salesforce集成是我的第一個產品團隊。呃，在那之前，我是一個內部的支持專家，處理一些最棘手的客戶支持問題，也和工程團隊一起工作，幫助指導他們的路線圖，然後就接任了那個團隊的PM。

[00:02:34]所以我早期從事產品管理的時候，總是從事一些技術性很強的基礎設施項目。老實說，我花了很長時間才找到一個合適的設計師來設計一個需要很多，非常周到的用戶流程和設計元素的應用。

[00:02:53]所以我一直偏向於數據和基礎設施項目，嗯，在RDC工作或者開始在HubSpot工作。我們的福利之一就是學費報銷項目。所以當我在支持團隊時，作為早期的產品經理，我在東北大學的計算機科學研究生項目上數據科學和機器學習課程。

[00:03:17]我這樣做了兩個學期，然後開始研究，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。仍然是我們最古老的產品，有趣的是，當我接手break，領導評分的時候，它已經上市了，我們算是從頭開始了。

[00:03:39]我們最終做的是建造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把所有這些應用程序共享的核心服務提取出來，留給單個團隊。所以，嗯，今天我們把它們作為原色來討論，一個團隊負責報告平台，另一個團隊負責大部分的CRM平台，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，但是你的想法是這些三原色是非常重要的，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今天所有產品開發的工作方式，也是我們能夠快速發展的方式。我們花了很長時間才建立起這個基礎。

[00:04:25]但現在我們有了這樣一個強大的工具，可以快速地組合、組合並推出產品。我們會講到，我們是如何做到這一點的。一款對話智能在一點點的新產品。嗯，我提到這個是因為當我們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，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。我仍然是基礎設施部分的日常產品經理。現在，團隊中有一些人正在使用這個基礎設施來做一些與客戶更接近的應用程序。嗯，這是一種很長很曲折的表達方式，是的，我有點。

[00:05:15]對基礎設施數據項目感興趣。我開始參加一些課程，隻是因為這似乎是一種提高技能的有趣方式。然後，就像我說的，運氣好，時機正好。我能夠在正確的時間在正確的地點趕上第一波浪。從那以後，我們一直在成長，我們做了很多項目。

[00:05:36]機器學習本質上是實驗性的。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學到了很多我們總是會扔掉一些東西，我們對我們現在的建設過程感覺很好。

[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更加樂觀，談論，嗯，應用程序中的機器學習能力。嗯，因為我們已經學到了很多，我們對我們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運營著Marketing AI Institute，但我也擁有PR 20/20，這是HubSpot在2007年的第一個代理BETVlCTOR1946伟德合作夥伴。我個人為HubSpot工作了14年左右。

[00:06:28]所以我看著它成長。我早期的一個銷售電話，我不知道你們有沒有跟我說過這個。凱文·哈利根當時正在電話推銷。那是我們在HubSpot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過去賣給我的關鍵詞排名是平台的價值，當時CMS很糟糕。

[00:06:54]比如，你知道，那裏。當時的產品並不像現在這樣，但他們在這方麵一直很透明。他們對產品的位置總是非常現實。對於那些現在不熟悉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發生了一些變化關於你如何進入市場。所以，你知道，不同的樞紐是什麼?你談到了顏色，但是麵向客戶，構成這個平台的不同樞紐是什麼從公眾的角度來看，你們是如何看待這個平台的?

(00:07:35)凱文·沃爾什:當然。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，我們想要幫助中小型企業，基本上是那些10人到500人規模的公司，嗯，能夠。

[00:07:56]在不提供[00:08:00]糟糕的客戶體驗的情況下，從他們的客戶身上賺到同樣多的錢。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，我們有一些中心，基本上是圍繞著職業的。

[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。主要是我的市場經理、總監和副總裁。我們還有銷售中心，專注於銷售專業，服務中心，專注於客戶服務專業。

[00:08:36]去年我們推出了CMS係統，將網站產品從市場產品中分離出來，建立了一個完整的CMS係統。你可以期待，隨著時間的推移，我們將繼續推出新的樞紐，鬆散地，遵循這樣的軌跡，誰是購買這個產品的人，什麼是職業道路，因為我們發現這是一個非常有用的方式，嗯，產品的地麵。

[00:09:02]你知道，當你開發一個產品時，你總是想知道策略。非常重要的一點是，你要非常清楚地了解你的客戶是誰。你也希望能夠提供與客戶一起成長的產品。因此，圍繞著市場銷售服務的職業道路，以及公司內的所有其他職位，你可能會看到HubSpot，繼續推出新的中心。

[00:09:28]與此同時，就像在CRM平台層麵上的一層，我們仍在增加這一層麵的複雜性，這些複雜性可以用於並應用於現場的每一個關鍵角色。

(00:09:40)保羅Roetzer:那麼你如何看待公司內部的人工智能?所以你不會有一個AI團隊坐在營銷中心，一個AI團隊坐在銷售中心。

[00:09:47]如果我沒記錯的話，你的人力資源團隊更像是跨中心和組織的所有領域運作。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，嗯，我們正在進入棒球內部。我的團隊是有組織的。很可能我們會嚐試，呃，在我的人工智能團隊中，會有一個營銷角色團隊和一個銷售角色，法官角色來幫助我們做到這一點，直到今年。

[00:10:17]去年的策略是我們有一個集中的團隊，他們在小型的生產機器上運行在各個中心。這就是為什麼很多時候它是這樣的。你知道，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，我們選擇做的一些項目有某種組織現實，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任何這樣的東西，隻是因為服務中心的優先級還沒有達到。

[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適合的問題，這隻是一個優先級的問題

[00:11:16]。

(00:11:17)保羅Roetzer:讓我們快速回顧一下，你是如何定義人工智能和機器學習的?

[00:11:23]我的意思是，我們有很多用戶，50%的用戶認為他們是初學者，另外37%的用戶認為他們對人工智能術語和能力的理解是中級的。你如何定義它，HubSpot內部如何看待這兩個術語?

(00:11:38)凱文·沃爾什:當然。所以AI是一個更廣泛的術語，指的是你交付的產品或係統感覺很智能。

[00:11:46]這似乎需要一個人來做。這在實踐中意味著什麼，我們在工業和HubSpot中發現了什麼，並沒有一個技術定義。今天的人工智能[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]我喜歡用這種方式來解釋，你試圖模仿人類在某些特定任務上的決策。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，如果領先的生命周期階段等於MQL，然後將它們旋轉到，嗯，銷售。

[00:12:31]所以這種自動化。嗯，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，它需要閱讀電子郵件或閱讀支持票，嗯，這需要機器學習來幫助自動化的人工任務，比如，好吧，我必須閱讀這封電子郵件，並確定我是否應該移動交易階段，例如。

[00:12:53]所以當我們思考機器學習在今天的應用時。00:13:00 HubSpot的的產品。最容易實現的目標是自動化，所有的企業都應該有非常清晰的流程，他們應該評估流程中的每個子步驟，將其作為自動化的機會，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，比如發郵件發郵件有12個步驟，子任務或步驟你需要做。我們能幫你糾正這12個小步驟中的任何一個嗎，就像預約會議一樣。

[00:13:36]如果你是一個BDR，想要為客戶經理尋找一個線索，或者是完成一個支持工作。客戶服務角色案例。像現實世界的業務任務一樣，每一項任務都可以被分解成更小的組件部分，我們嚐試將這些組件自動化。

(00:13:51)保羅Roetzer:然後我，你知道，我們談論機器學習的另一件事是，它不是，你設定規則，然後每個季度你檢查，[00:14:00]可能會適應規則，機器學習的整個思想是從數據中學習，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，你得照顧這些項目或過程一旦它們出來了，它們並不像人們想的那樣能自我痊愈。通常情況下，你所做的，就像如果你在嚐試，做一些預測和客戶是否會流失的任務。

[00:14:36]你會發現，嗯，你知道，你有一個試圖預測流失的模型，但你會發現它遺漏了一大堆預測。這是機器學習模型的一個機會或者是挖掘模型錯誤的原因通常他們會發現模型缺少一些現實世界的因素。

[00:14:51]所以開發周期是這樣的，好吧，我們注意到我們實際上沒有合同的大小。這個過程是用來預測攪動與否的。我們知道，那些擁有更高合同的人更可能或更不可能因為現實世界的某些原因而離職。

[00:15:07]所以改進仍然在發生。但這就有點抽象了，你仍然需要所有的數據輸入和收集，這很有用，但你必須密切關注，什麼地方出錯了，並嚐試做一些事情

(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是一個神奇的開關，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，循環中的人類是一個非常真實的東西，需要不斷的輸入和訓練數據。

[00:15:45]為了讓這東西起作用我記得，我記得你曾經講過一個關於HubSpot早期領先評分的故事，以及它在內部的使用，以及市場營銷人員和銷售人員是如何期望的。你給了我一個機器學習的模型。它會從第一天起就起作用，我突然之間就能比以前找到更好的線索。

[00:16:08]當情況並非總是如此時，人類就會意識到，哦，我實際上必須幫助機器學習。就像，哦，算了吧。我還是回到我剛才做的吧。這對人工智能的應用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，這是教育人類，不，你仍然是其中的一部分。

[00:16:27]就像人類和機器之間的方程式。比如你們內部都做了什麼?因為我知道你，你知道，你從2016年開始就一直在那裏，那時你們可能有過。幾個機器學習工程師。這在1516年的HubSpot並不是什麼大事。我知道你們必須做一些內部教育，以供自己使用，因為HubSpot經常為內部使用構建一些東西，然後它就像，好吧，它在內部工作。

[00:16:54]我們也可以把這個帶到市場去。你是如何接受教育的?不僅是開發團隊，比如工程師，而且。HubSpot的用戶了解人工智能的實際功能，以及隨著時間的推移，你如何采用它。

(00:17:08)凱文·沃爾什:是的，這是個，這是個好問題。這是一個漫長的故事，嗯，嚐試了很多不同的方式來傳達這個信息和溝通，就像什麼是真正適合的機會。

[00:17:22]嗯，我能想到的最好的類比就是我們稱之為。10個實習生的問題是，如果你可以定義一個狹窄的任務，你可以教一個新人和實習生，在一天內，如何完成這個任務。然後你可以再教另外九個人做同樣的工作。

[00:17:41]如果他們都能對此達成共識，那麼它可能很適合機器學習。例如，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。我們用這個來幫助我們的HubSpot銷售團隊分成兩部分。我們有直接銷售給我們的客戶的人，也有銷售給我們的合作夥伴的人，因為這需要不同的技能，比如轉售HubSpot，了解我們的合作夥伴實際提供的所有不同的服務。

[00:18:18]嗯，為了幫助我們自己的銷售團隊組織起來，這就是為什麼我們有這個網絡爬蟲，當有人填寫hubspot.com表格時，我們試圖確定這個人可能應該與一個專業合作夥伴合作，或者他們可能隻是想為自己使用HubSpot。嗯，這就是最基本的，嗯，我們試圖建立的產品是把網站分成一個或另一個組。

[00:18:40]在和帕克團隊的領導一起工作的時候，用10個實習生的比喻是很有幫助的，比如，想象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，因為最初我們希望我們能夠掃描網站，並識別銷售合作夥伴是一種類型，CMS網站開發合作夥伴是另一種類型，以及營銷專家。

[00:19:09]作為另一種類型，在現實中，如何劃定這些界限是非常模糊的。所以想要清楚地說某人隻做銷售服務或者他們隻做客戶支持之類的操作是不現實的。這就是我們當時能做到的。找一組網站，和團隊坐在一起說，好吧，讓我們自己來分類。

[00:19:33]如果我們發現我們不能自己做決定。那麼這就不是我們能夠自動化的事情了。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:因為你不能不能，你使用一些NLP功能去他們的網站，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。

[00:19:57]然後讓機器[00:20:00]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。這就像機器學習中的訓練。因此，實際運作的方式是，而不是必須往下到段落級別，並設定規則，比如，哦，如果你看到網站設計服務，然後自動將整個網頁歸類為CMS合作夥伴。

[00:20:23]我們的想法是，你基本上應該能夠說，比如，給我看看整個網站。我根本沒有組織它，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進行所有的模糊匹配。

[00:20:38]所以你不需要去定義那些具體到詞語的規則。事實上，大多數類似的精確的機器學習模型我們用於圖像識別，自動駕駛汽車，語音檢測實際上是由這個龐大的軍隊驅動的。人類貼標簽機數據。

[00:20:57]有一整個行業的公關公司[00:21:00]出售數據標簽服務，並幫助像HubSpot這樣的公司通過互聯網連接大眾勞動力，而不是數據，這樣我們就可以將其用於自動化過程。嗯，這又回到了我認為現在對大多數企業來說最好的機會是過程自動化的想法。

[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。這需要深入的商業知識，你知道，所有關於機器人將很快從市場銷售、服務和運營專業人員那裏奪走我們的工作的討論，因為這些工作真的很難。

[00:21:40]我們需要市場營銷者和銷售代表把自己看作是這些真正重要的業務流程的係統架構師。一旦他們明白了，他們應該知道機器學習可以幫助他們自動化業務流程的一部分。所以繼續思考吧。

(00:21:57)保羅Roetzer:所以，從大局來看。所以我，你知道，Dharmesh是我的一個朋友，我遇到了Dharmesh，我有很多關於人工智能的對話，可以追溯到10年前。但我，你知道，從公眾的角度來看，哈米斯說過的話，他在入境學院做了一個演講。我想那是2018年關於人工智能的。它非常專注於AI元素。

[00:22:18]我想他當時是這麼說的，為了他和HubSpot。對空氣的看法是，它是平台的一個無縫元素，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討論人工智能和機器學習。

[00:22:42]所以，你知道，在與不同中心的總經理交談或聽他們在公共活動上發言後，我一直覺得HubSpot在人工智能方麵的工作非常低調，你知道，它不一定像哈利根的財報電話會議那樣。它沒有出現。

[00:22:57]就像我們沒有討論人工智能。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，嗯，你知道，越來越多的營銷人員在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，我認為在所有這些背後，關鍵的一點是HubSpot是首要的。我們的目標是幫助企業更好地發展。是的。我們的任務不是任意幫助人工智能。現在我們也是一家現代科技公司。因此，我們將使用現代技術，包括機器學習，來幫助實現我們的使命，幫助企業更好地發展。

[00:23:48]但這絕不能淩駕於我的核心使命之上，這讓我個人處於一個有趣的位置，試圖把這兩者結合在一起。但是，嗯，我堅信這點。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立足於它們向市場和銷售代表提供的價值的優點。

[00:24:13]如果有人好奇，想知道它是怎麼運作的，那當然可以。當我們很樂意去挖掘它背後的機器學習過程時，我們會發現這真的很能引起共鳴。它是HubSpot的品牌，自從HubSpot成立以來，我們一直在銷售方法論和軟件，就像HubSpot早期一樣，領導層對軟件的現狀非常坦誠。

[00:24:37]人們仍然願意和我們一起工作，因為他們相信我們推銷給他的方法。好的。我了解市場營銷，這些工具將幫助我實現它，但將會有一些差距。我認為人們、我們的顧客和我們的品牌會與之產生共鳴。所以HubSpot AI的核心信息是HubSpot AI是實用的。

[00:24:57]它是有價值的，是平易近人的。這是你能理解的。它不是。這就像所有人都知道，雖然沒有你聰明，但它會接管你的業務或流程。這是一個工具，你應該有一個概念上的理解。我們認為我們有一些地方真的會對你的業務有幫助，但最重要的是，作為一個營銷經理，你應該像一個銷售團隊一樣創造流量。

[00:25:22]它應該是把這些流量轉化為客戶的服務團隊，也就是讓這些客戶滿意。這應該總是正確的。我想我們將會看到HubSpot變得更加前進。我在想，嗯，在哪裏。人工智能在中心地帶。嗯，我們將要談論，我想關於對話智能在周一剛剛推出，但這是我們真正向前發展的第一個例子，比如人工智能信息。

[00:25:52]但我認為你也會看到這個領域的其他公司可能會有一些合作。我認為人工智能應用於商業軟件的今天的狀態有點像最近的雲。在九十年代，雲是一個賣點，但現在它隻是桌麵賭注，人們期望有雲軟件。

[00:26:13]我認為人工智能技術也會是這樣。如果不使用現代技術，就不可能實現您所承諾的某些價值。喜歡的。是的,我認為

(00:26:23)保羅Roetzer:這個觀點很好。整體上，成長得更好。我的想法是，你不能，沒有它，就像，你知道，它會在不久的將來，可能是3年，5年，如果你在這個領域製造產品，它沒有機器學習的能力，很可能，它是過時的。

[00:26:42]就像它會嵌入任何東西一樣因此，至少從網站的角度來看，HubSpot在三個主要領域進行了真正的投資:人工智能數據、清潔、內容優化和對話智能成為新領域。讓我們花幾分鍾談談這些[00:27:00]領域，如果我今天是HubSpot的用戶，我聽到這些內容，會想，哦，我不知道，我不知道。

[00:27:04]他們在平台上植入了人工智能。我可以在哪裏使用它?我今天怎麼開始?你想談談HubSpot建立的客戶可以使用的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類型自動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，我們稱這個項目為Ned，因為從不輸入數據。

[00:27:29]我以前從沒聽說過。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]我們使用設備上的光學字符識別將圖像轉換成字符串，文本。然後我們有一個HubSpot建立的機器學習模型，它試圖匹配正確的。作為我們手機應用的[00:28:00]一部分，商務名片圖片上的文本信息會被發送到正確的CRM屬性上。所以這是每個人都可以使用的免費手機應用的一部分。

[00:28:03]我現在正在裝修房子所以，每當我與行業人士會麵，他們給我他們的名片時，我覺得繞過名片掃描器是一件很棒的事情。它很好。如果你有不尋常的名片格式，比如不太常見的垂直名片，它可能會出錯，但是。

[00:28:20]來看看你知道，如果你現在正在聽這個，你手邊有HubSpot移動應用程序和一張名片，掃描它，看看它是如何處理像這樣的數據輸入問題的。我們還有另一個功能，我們稱之為收件箱自動化，但如果你有一個連接的收件箱，我們試圖從電子郵件正文掃描，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尋找的屬性之一。

[00:28:46]重點是我們。坦率地說，這是我最喜歡的產品之一，因為我認為它濃縮了很多我們為什麼選擇我們所做的產品的哲學。和。[00:29:00]你知道，你的團隊和你的客戶之間通過電子郵件交換了很多重要的信息，但要確保這些信息在你的客戶關係管理中被捕獲並組織起來，以便用於更有效的事情，還需要做很多工作。

[00:29:16]例如，如果你知道某人的工作頭銜，你就能知道他的資曆。對於那些和你的銷售渠道有關的人，或者如果你有職位頭銜，你可以把你的背景，你的背景列表劃分為新工作的資曆，而不是有針對性的晉升之類的。還有一點我很喜歡。

[00:29:34]這就像，有些公司會賣給你聯係信息，但我們認為這充其量是一種模糊。而不是試圖提供給人們，你知道，個人信息，如姓名和電話號碼，它在電子郵件中。所以我們使用機器學習的目的就像一種白帽子的方式，就像幫助。

[00:29:53]你的團隊跟蹤你的客戶自己願意提供給你的信息。就像我們說的，它有很多，嗯，更多的HubSpot。名片掃描儀，電子郵件解析器，還有HubSpot洞察力數據庫，你知道，我們提供公司信息。去年我想是去年到兩年前。

[00:30:13]嗯，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。那也是我們的一個終極項目。CRM複製工具的真正強大之處在於，它能夠發揮作用。數據庫crm是數百萬條記錄。我認為市場上沒有其他任何東西能夠複製，你知道，除了精確的匹配，呃，非常大的數據庫。

[00:30:37]在計算機科學中，將一個物體與其他物體進行比較是一個非常困難的問題。隨著你的成長，你知道，幾十萬個聯係記錄可能要花上幾十年的時間來計算。所以我們不得不這麼做。做一些非常聰明的事情來實現它。

[00:30:54]嗯，這個信息真的，真的能引起共鳴。我記得最近有一份Gartner的調查，我可以挑出來，但是市場經理們自己報告說，數據質量和數據衛生問題是他們麵臨的最大問題。我認為在MarTech領域應用人工智能的早期嚐試，更廣泛地說，大約在2013年，14年，15年的時候有很多類似於預測類型的東西，我們的概念是，我們在CRM中有所有這些數據，所以我們可以用這些數據做更有趣的事情，比如智能路由或個性化或評分，等等。

[00:31:30]但我認為隨著時間的推移，很多。產品團隊。包括HubSpot在內的研究人員發現，CRM中的數據確實存在噪聲。真的很亂。這是它永遠的問題。你聽Salesforce說過，他們不喜歡輸入數據和運營團隊。管理人員沒有可見性來幫助糾正數據。

[00:31:45]所以他們實施了所有這些規則，試圖讓數據變得更好。然後銷售團隊討厭這樣做。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，這實際上將使一些，像更多明顯的用例，像更好的個性化、細分或評分。

[00:32:04]嗯，我們發現這方麵有很多成功案例。所以

(00:32:06)保羅Roetzer:這就是我們要走的路。我能把它寫成產品要求嗎?我剛剛想到，正如你所說的，我想要LinkedIn銷售導航整合。當我告訴HubSpot有一個匹配。當那個人換工作時，我想要得到提醒。

[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%的員工離職。如果他們給你一個公司域名，這是每個B2B營銷人員想要的，我們想要的是公司域名，而不是Gmail，我的折紙，給我Gmail。因為你會永遠留在我們的數據庫裏。

[00:32:41]如果你給我你的Gmail但如果你給我你的公司域名，它將在平均兩年內。是無關緊要的。所以我希望有這樣的提示，這個人現在在這家公司。如果能畫在路線圖上就好了。

(00:32:56)凱文·沃爾什:但point指出，在這個方向上，我們還沒有什麼計劃。

[00:33:3]他們沒逼我這麼做。但與此相關，比如解析人們回複你的電子郵件內容，得到自動回複並不罕見。這就像是，嘿，我不在辦公室了，或者，嘿，我換公司了。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，我沒有這個計劃。目前還沒有具體的計劃，但這對我們未來的工作很有幫助。

(00:33:30)保羅Roetzer:好吧，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最重要的事情，最熱門的發布會。告訴我們，這是什麼，對於那些可能不熟悉的人來說是一個類別。HubSpot在這個領域的作用是什麼。

(00:33:46)凱文·沃爾什:是的。所以對話智能的範疇不是對話智能，這個空間有點，呃，名字太接近了，但重點是它應該是關於你[00:34:00]對話的智能。

[00:34:00]所以，無論這些發生在哪裏，現在主要針對的是銷售工具或銷售團隊，我們首先提供一套工具來幫助指導和分析。所以在實踐中，對話智能的真正含義是一種功能的集合，就像高級通話分析一樣。

[00:34:21] HubSpot產品於3月15日發布，也就是幾天前，在今天的發布會上，你可以。用HubSpot的本機通話錄音。我們有一個縮放集成也在測試中。所以像這樣的對話基本上可以從縮放到HubSpot。

(00:34:42)是的。然後接電話，錄音。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術語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][00:35:00]在今天的產品中，我們有一個完整的，漂亮的，全屏的指導用戶界麵，讓你分享特定的，你知道，對話中的觀點。剛才提到的一個關鍵短語，你想要分享，向你的經理尋求幫助，或者如果你是經理，你想指出，你的團隊的行為真的很好或不太好，你可以分享，你可以評論，用戶界麵，嗯，所有這些都與教練經驗有關。

[00:35:26]因為這對營銷人員有幫助我們現在還在測試階段。即將向所有人推出的是關鍵詞報告的想法，這樣你就可以用可能被提及的特定關鍵詞或主題來標記個人銷售對話，嗯，因為HubSpot平台很快就會有強大的功能，你可以預期你將能夠根據誰有特定類型的對話來細分聯係人。

[00:35:51]你可以根據談話內容來實現自動化。嗯，對話情報任務真的，再次，它誕生於，從不[00:36:00]輸入數據主題。我們所做的是幫助人們獲取你的團隊和你的客戶之間交換的信息和潛在客戶通過報告，轉錄，搜索在CRM中組織數據，然後允許你通過路由分割，自動化等等來實際操作這些數據。

[00:36:18]所以我們很高興看到這個產品的推出。這是在。企業銷售與企業服務。今天有一些，我們在任何可能的地方。我們試圖在產品層上提供一些旗艦產品的功能。是的。有哪些東西你可以查看調用，比如免費產品，但如果你想記錄和轉錄信息，那是在企業層。

(00:36:45)保羅Roetzer:我還沒有檢查出來，但我很著急做演示。嗯，你在某種程度上暗示了這一點，但隻是在播客的這一部分結束，在產品路線圖中，你再次，你在過程自動化中暗示，不要輸入[00:37:00]數據。我的意思是，你是否認為這些是目前HubSpot在AI功能開發方麵的產品路線圖?

(00:37:10)凱文·沃爾什:現在是的。我的意思是，我們也一直在做一些真正的實驗性的東西，你知道，現在在人工智能領域有很多炒作，比如大型語言模型，比如不斷出現的兩三個。還有，嗯，寫作的想法，我們嚐試寫電子郵件，主題欄，或者根據博客文章寫推文，或者開始寫整個博客文章。

[00:37:34]這還隻是實驗性的就像，它真的就像在邊緣。在研究上有應用價值，但我們一直在削弱它。與此同時，還有很多很多。價值取決於一些不那麼引人注目的應用程序，它們更植根於數據衛生和過程自動化等方麵。

[00:37:53]所以你可能會繼續看到我們在整個產品中添加一些這樣的小細節。你也很可能會看到我們，你知道，在接下來的幾年裏，還有一兩個類似旗艦AI的產品，比如對話智能。

(00:38:08)保羅Roetzer:很好。好的。

[00:38:11]。我們將以快速射擊結束。這是給凱文的特別禮物。我總是試著想出一個。我不會問別人。考慮到你的音樂背景，你以前玩過的最喜歡的樂器，比如，你今天要玩什麼?

(00:38:26)凱文·沃爾什:嗯，現在我最喜歡的樂器是，呃，最後續的25合成器，它對我來說是一個隔離玩具。這是。雙音合成器。這是後來的經典作品的弟弟。

(00:38:45)保羅Roetzer:我不知道你現在在說什麼，但我要去穀歌一下。不，我喜歡。

[00:38:50]但它能做什麼我是說，你在用什麼?

(00:38:53)凱文·沃爾什:上麵說這是一個合成器，用於，呃，不再是電子音樂了。更像是低音的聲音。我是玩耍長大的。我小時候參加過一個車庫樂隊。所以我經曆了一個吉他階段，然後我經曆了一個鋼琴階段，我不像一個技術專家那樣經曆。

[00:39:10]我喜歡做的是深入研究事物是如何運作的，嗯，了解。音頻合成是這些東西的頂點。一旦你掌握了音樂和基本樂器的基本原理，你就可以在完全不同的維度上創造性地演奏。這是一種有趣的罌粟花。

(00:39:29)保羅Roetzer:所以你還停留在音樂領域。我的意思是，這仍然是你的愛好，你可以在空閑時間融入其中。

(00:39:34)凱文·沃爾什:是的。比如追求它或者把什麼都放出來。但我有幾個很要好的朋友在唱片公司工作還在巡演什麼的，最近沒拖著走，不過沒錯。

(00:39:43)是的。如果你參加過東北大學的音樂項目，我結交了一些終生的朋友他們仍然很投入。太棒了。

(00:39:50)保羅Roetzer:好的。我之前在你為研究所做的一個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。我來看看你的答案是否有變化。

[00:39:57][00:40:00]有多少比例的營銷任務會在某種程度上被智能自動化，這意味著其中會有一些人工智能。這有助於未來五年的過程自動化，選擇一個百分比或範圍。

(00:40:11)凱文·沃爾什:大部分，75%加上，是的，75%加上，我認為這取決於你如何看待一項任務就像選舉領導者一樣。

[00:40:22]一個任務是寫博客，一個任務是提出想法的任務。但我覺得我們會找到越來越多的方法來幫助人們做他們該做的事，但是。我很懷疑機器學習是否能夠從毫無意義的工作中做出真正有創造性的工作。嗯，我認為它可以做衍生工作，你可以看到很多類似於機器學習藝術的應用，就像，去看500幅畫，然後嚐試畫畫。

[00:40:52]但是我認為對於一些最原始的作品來說，人們總是需要的，我們有一套工具可以幫助人們在這方麵做得更好。

(00:41:01)保羅Roetzer:好的。嗯，以下哪一種市場類別將在未來五年受到智能自動化的最大衝擊。

[00:41:09]所以選一個你認為最大的我給你們講幾個廣告傳播，內容營銷。我本來想說對話式的，但現在我不知道是否應該說對話式的，但我們會繼續說對話式的客戶服務或電子郵件營銷或其他，有沒有一個會跳出來像這樣，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。我認為客戶服務自動化的時機已經成熟，因為它現在是過程驅動的。這就是為什麼它是如此的適合，因為過程中的步驟是如此的清晰，他們是如此的可測量。

[00:41:47]你可以想象，那10個實習生，在那裏的情景非常清晰。我認為交流方麵的東西是最合適的，因為這些大型語言模型在生成文本方麵做得更好，就像現在仍然是模型在說話，但他們說話的時候聽起來有點醉了。

(00:42:08)保羅Roetzer:尤其是放的時間越長，就像再喝幾杯啤酒之後，它就會退化

(00:42:13)凱文·沃爾什:吐出來。是的。我們有相同的東西。我們有一個實驗項目，想要做其中的一個。就像在Gmail中，當你想要完成你的句子時，我們在HubSpot CRM通信器中嚐試這樣做，然後像支持單一樣，你試圖微調生成模型以適應特定的環境。

[00:42:31]我們喜歡讓它說話然後就像是在說胡話，我們花了一段時間才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，但正如你提到的，語言生成現在有點像聖杯。我的意思是，在資金方麵存在著一場大規模的軍備競賽。

[00:42:50]我知道很多公司現在都在做這個，我認為在接下來的24個月裏，你會看到語言生成的飛躍。

[00:43:00] [00:42:59]凱文·沃爾什:是的，我想你是對的。我覺得就像有那麼一刻。大概是10年前或者更短的時間。

[00:43:06]就好像電腦突然間就能看了，每一張圖片都是自動加上去的。他們想讓你說，嘿，這像你的朋友嗎?還是說這就是你?你會說，是的，那就是我。你實際上所做的就像提供

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

[00:43:23]這是你女兒嗎?就像它會顯示，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:這是完全一樣的。我們擁有的用戶流，比如D重複的應用，或者你進入那裏，我們認為這些是重複的。當你答應的時候，我們就會說，好吧，酷。

[00:43:37]我們知道了。正確的。隨著時間的推移，我們會變得更好。嗯，就像，有這樣一個分水嶺的時刻，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，比如，計算機將能夠說話。它們對我們的反應越來越好。

[00:43:52]如果你使用穀歌home或Alexa或Siri，我總是覺得測試這些服務很有趣。我確實發現他們變得更好了。所以我認為我們正在接近一個類似的突破點與生成的東西工作。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。你用的最多。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，有聲納係統，很方便。這裏大部分的燈都亮了。她好像真的要走了，她要走了。

[00:44:37]嗯嗯他是Alexa我也有iPhone所以我確實偶爾會用Siri，但說實話，我大部分時候也在用它。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，我沒有太多使用其他設備的經驗。

(00:44:55)保羅Roetzer:好吧,男人。

[00:44:55]這真是太棒了我真的很感謝你能抽出時間。我們很快會再來的，希望如此。再次感謝你參與其中。

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

(00:45:07)保羅Roetzer:當你有機會看的時候，看啊，夥計。好的。這是人工智能營銷秀。感謝收看，我們下期節目再見。謝謝你能參與其中。說話很快。