调研 | 李喆 彭晨
撰写 | 彭晨
客服由于应用边界清晰，而且有明确盈利模式，已经成为AI商业化最前沿的领域。小i机器人从AI起步，位列国内智能客服企业第一方阵。
小i机器人成立于2001年，最初定位于C端聊天机器人（国际上通用的说法为VPA，即个人虚拟助理），在2004年与MSN合作，巅峰时个人用户曾达到8000万人次。
由于2C属性明显的VPA一直没有明确商业模式，2006年，小i机器人开始为政府部门提供了第一个在线的智能客服机器人，2009年，小i机器人进行全面重大战略转型，在原有技术以及产品基础上转向2B业务，为政府、企业提供智能客服产品。
值得注意的是，自2010年起，苹果Siri、微软Cortana、亚马逊Echo相继进入需要大量资源投入的VPA领域，更加使得该领域成为巨头的战场，创业公司难以立足。
转型之后，小i机器人实现了业务上的巨大突破。截至今日，已经为国内近千家企业及政府提供智能客服机器人，客户包括交通银行、招商银行、建设银行、浦发银行等大型金融机构，三大电信运营商，以及华为、小米、东方航空、通用汽车等。
小i机器人CEO朱频频在访谈中表示，在财报公布前，数据还不能透露，但非常乐观。
而随着AI技术的完善以及在各领域应用的加深，小i机器人业务也在进行调整，在智能客服之外，将目光放到更广阔领域，定位于提供“AI+行业”解决方案，进入到智慧城市、智慧医疗、智慧金融、智能办公、智慧生活、智能制造等领域，在AI商业化上走的更远。
以智能客服为起点，深入不同场景，提供AI+行业解决方案
小i机器人在2006年开始提供智能客服产品，主要面向金融机构及运营商客户，提供定制化的服务。
随着市场对AI接受度不断提高，以及小i机器人自身能力加强， 2015年开始输出智能客服解决方案，通过将产品体系打造成松耦合的模块，小i的产品能够适应不同领域客户需求，客群扩大到IT能力有限的企业。
在此之后，小i机器人又开始将AI能力输出到其他行业，已有实践包括“AI+智能客服”、“AI+智慧城市”、“AI+智慧金融”、“AI+智能生活”、“AI+智能办公”、“AI+智慧医疗”、“AI+智能制造”。
当前，“AI+智能客服”仍然是小i机器人主要收入来源，同时未来也仍是重点发展业务，并作为进入其他智能行业的入口。
面向中大型客户，客单价有望逐步提升
中大型客户是小i机器人的核心客群。在三大重点业务中，面向中大型企业客户的企业级智能服务机器人收入占比持续提升， 2016年上升为93%，是营收增长的核心动力。
而2013年推出面向中小企业客户的云服务平台，营收占比从去年的12%下跌为2%，并出现绝对值的下降，由此可见，中小企业类客户不再是小i重点服务对象。
对大中型客户，小i机器人有两种销售方式。
第一种，既销售产品又提供服务，两者分别收取费用。这种方式主要面向有强大IT能力的企业，在交付完产品后，小i机器人还提供实施部署、二次开发、知识模型建设在内的服务，并按照服务量收费。
第二种，不销售产品只提供服务，最终收取服务费。这种方式主要面向缺乏IT能力的企业，收费方式灵活，可以按周期性付费，按交互量付费，按解决问题数量付费，按效果付费。
其中，服务的价格取决于客户需要的场景，客户需要的场景越多，结构越复杂，收取的服务费用越多。
随着小i机器人能够提供的场景越来越多，客户客单价也不断提升。
2016年，小i前5大客户中，除了贵阳政府贡献2800万大单之外，第2大客户贡献260万，占营收3.1%。而据朱频频在访谈中表示，2017年，客户中单价过千万的有好几家。
未来小i机器人客单价水平有望持续提高。
以数据能力为依托，争取行业竞争有利位置
AI进入不同行业的核心是解决应用场景问题，找到既能产品化，又有价值的场景，而这个过程需要大量客户经验和时间投入。
小i机器人在各个行业的AI服务架构与其智能客服架构一脉相承，都是基于底层的知识模型和自然语言处理引擎，竞争对手难以模仿。
而在数据积累上，小i已经服务过大量企业客户，尤其是在智能客服领域，已经形成一套工具和系统，可以快速进入全新领域。
此外，虽然原始数据留在客户手里，但与每家客户合作后，小i都能获得业务知识与行业知识的积累，无形中也加快了小i在行业内发展速度，处在行业竞争有利位置。
通过合作伙伴，快速切入新兴行业
销售方式上，小i机器人过去以直销为主，近两年开始主推开放式合作，通过合作伙伴进入行业客户。
小i机器人合作伙伴主要是行业综合解决方案提供商，这类服务商深耕政府、医院、制造业等领域，有完整解决方案和强大客户资源，但大多缺乏AI能力，小i机器人为其提供AI能力，双方存在巨大的合作空间。
此外，目前小i机器人已服务近千家客户，能适应客户内部各种操作系统、客服系统、数据库、中间件，拥有与合作伙伴快速对接能力。
未来营收增速仍有较大成长空间
2014年、2016年，小i机器人营收实现高速增长，其中，2014年200%以上增速来自于大型企业客户智能客服订单量快速增长；而2016年90%增速很大一部分来自贵阳政府大数据平台项目2800万大单。
快速增长源于客户对AI接受度不断提高，而小i机器人开放式合作战略也推动其在新行业的拓展。
随着 “AI+行业”战略不断推进，小i机器人将面对一个持续增长的市场，未来仍有较大成长空间。
评价模型：未来行业地位稳固，在客群和获客上有较大优势
根据爱分析SaaS行业评价模型，小i机器人在客群和获客方面都占据优势，不存在明显短板。
技术上（决定公司在未来竞争中所处位置）：自2001年，小i就开始提供智能对话服务，目前在语音识别、图像识别、自然语言理解、机器学习上有较强技术积累，同时已经服务大量大型银行、运营商、政府客户，客单价最高达数千万，行业地位稳固。
产品上（决定产品规模化复制能力）：由于以项目制方式提供服务，难以实现规模化复制，但公司在服务大量客户过程中积累起一套客户IT系统对接、知识库搭建解决方案，中大型企业客户实施周期大概1-2月，属于较快水平。
客群上（决定客单价）：公司面向中大型客户，客单价在百万级别，随着公司服务行业及应用场景不断完善，未来客群将不断扩大，单价有望持续提升。
获客上（决定获客成本）：公司有较强AI能力，而传统的解决方案服务商有大量优质客户资源，双方存在巨大合作空间，公司借助这类合作伙伴，能够迅速进入新客户。
场景上（决定持续收费能力）：公司以项目制方式为客户提供服务，在项目完成后，后续收费主要来自对客户的持续服务，随着公司业务场景的丰富以及客户服务需求的持续存在，公司有持续收费能力。
近期，爱分析对小i机器人创始人、CEO朱频频进行访谈，他阐述了小i业务模式、客群定位以及未来战略，现将部分内容进行分享。
爱分析：小i机器人内部如何对产品线进行划分？
朱频频：一些公开资料会将我们的业务描述为三个方面：面向大型企业客户的企业级智能服务机器人，面向中小型客户的智能机器人云服务平台，还有智能硬件机器人。这是按照智能客服面向的不同领域来划分。
但随着小i机器人业务发展，我们的解决方案不再只是面向客服，还可以应用在更广阔的商业领域。
所以，小i机器人的业务划分是按照AI在不同行业应用，除了最核心的AI+客服，还有AI+智慧医疗、AI+智慧城市、AI+智慧金融、AI+智慧生活、AI+智能办公、AI+智能制造等。
爱分析：小i会提供在线客服系统吗？
朱频频：在线客服系统概念比较宽泛，提供在线客服的人也很多，准确的说我们只提供智能机器人产品。
大中型客户内部IT都有自己的规划，60-70%的情况是只采购我们的核心产品和服务，我们只需要做好部署、二次开发。
因为我们的产品已经相当称成熟，对于任何系统都可以快速对接起来，包括现在的任何一种在线人工客服系统，我们现在有大几百家客户，他们内部的系统包括众多操作系统、客服系统、数据库、中间件我们都能适应。
如果部分客户希望整套在线客服解决方案，我们可以和我们的合作伙伴共同做这件事情。
爱分析：大型客户的实施周期需要多长时间？
朱频频：我们最早的银行项目，从开始到上线大概是一个半月，这个过程一是收集已有常见问题，二是从他们的文档中抽取新问题，上线之后再经过大概两个月测试才正式对外发布，一共是三个半月时间。
现在做一家客户，基本都是做到一定程度先上，然后在过程当中根据用户需求不断改进，一般1-2个月可以上线。当然不同客户对场景要求，具体时间也不相同。
这1-2个月是针对大中型客户，其中一般牵涉到部署、实施过程，但是用标准云平台的话，全部基于FAQ，一般几天时间就可以搞定。
爱分析：中大型客户是如何收费？
朱频频：大概两种类型，一种类型是卖产品和服务，更多的适合大型银行这样的客户，根据他的需要提供产品，比如负载、引擎数、渠道数量、知识数量，并制定产品价格。
销售产品后，接下来就是提供服务，我们会帮它实施部署、二次开发，包括知识的建设，把整个产品部署到他们系统内部去，后续还有一些维保费用。也有些客户会要求购买我们的运营服务。
第二类就是不卖产品了，只卖服务。因为这类客户其实没有非常强的IT整合的能力，甚至他们可以接受云服务模式。这种时候我们收费方式就比较灵活了，周期性的付费，按交互量付费，甚至还有些情况是按解决问题的数量付费，还有一两家是按照最后的效果付费。
爱分析：银行客户客单价一般是多少？
朱频频：大概是200-500万。一般产品报价200万左右，服务费另算，这取决于客户需要的场景。
如果是需要定制的FAQ（常见问题解答），我们是一般按照FAQ条数收费。另一种是按照场景收费，一个交互式场景大概几万块钱。
而在我们提供的云服务平台里，客户可以自主建设这种FAQ，我们只提供工具，条数简单的可以直接免费做，但是要做商业用途的话就必须购买服务才能做的好。
爱分析：AI+产业的模式下，同一行业内的不同客户之间的场景能通用吗？
朱频频：产品本身不通用，但场景的模型在一定程度上可以复用，比如有些场景是关于营销的，有些场景是关于售后的，具体为客户服务时每个场景里都还需要做定制的东西。
爱分析：会面临客户的哪些Upsell需求？
朱频频：在智能客服之外，我们还提供智能知识库解决方案，不仅能方便客户服务人员搜索想要的知识，还可以和企业内部的培训、考核等业务打通。
另外，我们还在推出一个学习和分析类产品，在我们开拓一个客户以后，会持续提供更多的服务。
还有一点非常重要，我们主要针对大中型客户，他们有持续服务的需求，随着人工智能能力不断往企业内部深化，我们从智能客服入手，也在不断深入其他行业。
比如银行向智慧银行转变，我们现在为银行提供的服务包括AI+营销，AI+客服，AI+网点，AI+展示，AI+投顾，AI+风控，这些我们都开始在逐步深化，例如风控中有一个非常重要的部分来自于相关信息查询以及深入分析，这个过程需要自然语言处理，过去都是靠人工，现在可以自动将里面重要的特征提取出来，取代人力劳动。
爱分析：在向其他行业拓展过程中，是否会原有供应商的挑战？
朱频频：我们并不是要去替代原有的供应商，大多数情况下，我们都是合作伙伴，因为他们想去做，但是并不是每家都有这个魄力和能力，所以有巨大的协作空间。
一般AI+产业的发展过程中，我们都不是自己建立这个系统，而是和合作伙伴合作。
当然也不排除供应商自己做AI，这个不可避免，每个领域都不容易，有很多坑要去踩。
爱分析：还进入到哪些新的场景？
朱频频：房地产，航空、养老、政府等等，行业非常的泛。
爱分析：从数据里学习知识，需要客户提供哪些数据？
朱频频：有两类，一类是原始的非结构化数据，比如内部的文档、文件等，将这部分原始文档变成结构化的知识总结，这个是非常核心的一个数据来源。
第二类是来自于在线人工客服过程中积累的问答知识，也包括机器人的问答知识。这类数据价值相对比较低，但是数量会非常大，反应了用户可能会对哪些问题有兴趣，是迭代学习的过程。
爱分析：一般智能客服公司主要做语义部分,语音部分外包或者就不提供，小i两块都做是出于什么考虑？
朱频频：我们的语音识别引擎有我们自身的特点，主要在三个方面。
第一，是私有化，我们只提供私有化的语音互动，因为公有云的语音识别引擎，科大讯飞、百度、甚至阿里、腾讯都有，准确率也相差无几。
第二，语音识别引擎跟后面的自然语言处理引擎深度整合，可以实现语义库与语音识别引擎同步训练，大大提高识别准确率。
我们现在就是说的开放式语音云系统95%以上准确率，一般都是在手机里面测试的结果，手机声音采样一般是16K Hz以上，双麦克风采集，语音质量相当不错，所以可以到95%以上普通话识别准确率，但是在Call Center里面语音是8K Hz的，语音质量差一半，准确率就急剧下降。
如果先做语音识别转文字，再做语义理解，准确率经过逐级传递最后会非常差。这时候如果在语音上就进行适应和纠错，正确了就会高很多。
所以做呼叫中心语音机器人和做手机上的语音助手在技术理念上似乎差不多，但是在工程层面上的差别很大，最大的问题就是电话质量差，必须要将语音和语义深度整合在一起才能达到更高的准确率。
第三，高并发，我们现在可以做到一个CPU 10并发，每个并发在一秒钟之内可以得到回复，双CPU共32核的话，极限大概可以做到500个并发。但是现在市面上包括讯飞做到的是大概一个核两三个并发，这在私有部署是特别有用。
但是我们不排斥客户在前端用其他语音识别引擎，我们整个产品和设计架构中一个非常重要的理念就是松散耦合，包括前段全渠道处理，后面引擎部分都是这种方式，可以非常灵活，效率适应性高很多。
爱分析：AI在应用领域的延伸的难点主要在哪？
朱频频：重新开始做的话难点很多，大概有三个方面，第一是技术积累；第二是通过对应用场景的理解找到可以复制且有价值的产品；最后是数据的积累。
爱分析：智能客服这个行业核心是算法和数据，您觉得哪一块最重要？
朱频频：两者都重要，但数据更重要。
并不是说算法不重要，算法当然重要，但是门槛在逐渐的降低，更重要的是数据，我们说的数据是一个广泛的数据，包括知识体系，知识结构，知识模型这一整套的东西。同样重要的是去获取数据，再用数据不断优化算法，能够把这个沉淀下去。
爱分析：公司产品化率大概能达到多少？
朱频频：最高的时候可以达到95%，平均一般是在百分之六七十。
爱分析：产品上线后运营这部分客单价大概是多少？
朱频频：正常维保是20%左右，但如果纯卖服务的客户，运营服务是50%左右，这一般是非银行、非运营商、非航空类客户，本身IT能力不是特别强。
爱分析：如何看待不同行业内同样提供AI服务的公司？
朱频频：竞争肯定会遇到，但是如果需要用到之前建立好的知识库，基于这个知识库做自然语言延伸的话，这是我们主要做的事情。
爱分析：今年上半年小i收入是去年同期的四倍，大幅增长背后有哪些原因？
朱频频：首先，是外界需求变大，AI变火热，但不管怎么说，现在还是AI发展的初期，对一家专做AI的公司来说，能够赚钱是着实不易。
其次，我觉得能够盈利的核心在于我们是基于产品在做AI，智能客服是我们收入最大的来源，以这个为中心向产业去延伸，机会巨大。
第三是底层的东西到外面有一个承接的过程，我要把能力输出，得有大量的合作伙伴，我们以前主要是直销，最近两年主要是大量开放式合作，更能把市场做大。
爱分析：现在主要有几类合作伙伴？
朱频频：主要就是行业的综合解决方案提供商，比如说专门提供政法、政府、税务行业解决方案的服务商，他们的客户关系维护的非常好，行业内客户以前的基础系统都是他们建设。
和客服软件公司也有合作，但是规模不大。
爱分析：智能客服可能会取代哪些简单重复的工作？
朱频频：举个例子，电话客服大概分成三类，电话咨询服务，查询服务，业务办理服务（比如开通信用卡）。 咨询可以解决大部分问题，查询也可以完成大部分，办理类完成部分。
另外，电话还有不少外呼模式，网络催收，信息确认还有营销工作，部分也在自动化完成。现在已经有很多外呼机器人在出现。
在物联网领域主要通过Web的形式，这部分用户大部分问题都可以自助解决。
还有一个产品更吓人，电话领域虽然说现在有部分是在被机器所取代的，但是电话取代进行的还是比较缓慢，我们还没有看见大量的员工下岗；互联网领域不但没减少反而会增多，因为互联网是电话的一个延伸，价钱也比电话便宜，分流了不少电话客服的量。但是线下客服市场，大家会感到很恐慌。
我举个例子，一个全国排名前三的股份制银行，他们全国是一共40家分行，每个分行大概有40个网点，然后每个网点计划分流5个柜员，然后用机器来取代，叫STM机，它可以办理开户、销户、理财一些更复杂的业务。这样的话，大概能够取代一万人左右的工作。
爱分析：在国内智能客服实际使用情况如何？
朱频频：智能客服最好的情况应该是先由机器人接待，机器人回答不了再转人工。
但因为电话智能客服在国内还处于早期，所以一般不大敢用，现在很多的做法是在特定范围、特定的时间、特定客户才会采用。
新龙榜
新金融
企业服务
其它
Adobe | VMware | Salesforce