继红杉美国大额押注后，这个AI赛道又迎来1700万美金大额融资

你有没有想过，那些每天花费数千美元、耗时数月的市场调研项目，竟然可以在几天内完成，成本还能降低81%？当我看到Outset这家仅有14名员工的旧金山创业公司刚刚完成1700万美元A轮融资时，我意识到一个存在了几十年的行业正在被彻底颠覆。

这家公司开发的AI主持人可以直接通过视频与调研参与者进行深度访谈，而雀巢、微软和WeightWatchers等财富500强企业已经开始用这种技术替代传统的市场调研方法。我在之前也分享过美国红杉2700万美金投资的一家公司，做的也是这个赛道，感兴趣的朋友可以看《红杉美国2700万美金，押注这一Agent垂直场景》。

更让我震惊的是创始人Aaron Cannon的一个观察：人们竟然更愿意向AI访谈员敞开心扉，分享的内容比对人类调研员还要多。在一个建立在人际连接和共情基础上的行业里，机器可能正在变得比人类更擅长理解人类。

这种反直觉的现象让我思考，我们是否正在见证市场调研行业的根本性转变，从依赖人力的传统模式向AI驱动的全新范式演进。当Outset的客户在短短四个月内营收翻倍，每客户使用量在过去一年增长了十倍时，我确信这不仅仅是一次技术升级，而是整个行业即将迎来的深刻变革，就像前几天a16z文章分享的《a16z最新洞察：AI正在颠覆1400亿美元的市场调研行业》。

传统市场调研的痛点与AI解决方案的突破

在深入了解Outset的技术创新之前，我想先谈谈传统市场调研存在的根本性问题。从我接触过的企业案例来看，传统市场调研就像是一个昂贵而缓慢的流水线：企业需要花费4-6周时间进行25次深度访谈，然后再用2-4周进行人工分析，每个参与者的成本动辄数千美元。更糟糕的是，这种方法的规模化能力极其有限，你很难在短时间内获得足够大样本的深度洞察。我经常看到企业因为调研成本太高、周期太长，最终只能基于有限的数据做出重要的产品决策，这种情况在快速变化的市场环境中尤其危险。

Outset的AI主持人彻底改变了这个游戏规则。这套系统可以使用合成语音、文本、图像和视频直接与调研参与者进行视频访谈，参与者可以通过视频、语音、文本回应，甚至可以共享他们的手机和桌面屏幕进行用户体验研究。AI随后会自动综合结果，提供即时报告和分析。这意味着企业现在可以在不到一周的时间内完成250次访谈并完成整个项目，而传统方法可能需要数月时间。更重要的是，这种方法不仅速度快8倍，成本低81%，覆盖范围还能达到传统人工调研的10倍。

我觉得这种转变的深层意义在于，它从根本上改变了市场调研的经济学模型。传统调研受限于人力成本和时间约束，企业往往只能做小样本的高质量调研或大样本的低质量调研，很少能兼得两者。而AI主持人打破了这种权衡，让大规模的深度调研成为可能。这不仅仅是效率的提升，更是调研能力的质的飞跃。企业现在可以为每个产品概念、每个设计迭代进行深度调研，而不需要担心成本和时间约束。

从技术角度看，Outset的成功很大程度上得益于大语言模型技术的突破。过去的AI缺乏进行自然对话的能力，无法根据参与者的回应灵活调整问题，也无法深入挖掘有价值的洞察。但现在的大语言模型已经能够理解上下文，进行有意义的对话，甚至能够根据研究目标智能地引导对话方向。正如Aaron Cannon解释的："Outset被设计为接收研究人员的需求、目标和指示，以部署最佳的AI主持人。然后AI主持人会深入了解或澄清参与者的体验、动机、偏好或反应。"

雀巢和微软的实践案例：AI调研的企业级应用

雀巢的案例特别能说明AI调研的威力。作为拥有超过2000个品牌的食品巨头，雀巢需要不断测试新产品概念，了解消费者在哪里以及如何消费这些食品、对价格点的反应、对成分和包装的看法，甚至它可能替代哪些其他品牌。传统方法下，这种复杂的概念测试既耗时又昂贵，严重影响了产品上市的速度。而在竞争激烈的市场环境中，速度往往决定成败。

使用Outset后，雀巢的消费者洞察团队能够在1-2天内对数百名参与者进行深度访谈来测试新产品概念。更令人印象深刻的是，雀巢的消费者洞察高级经理Michael Widenmeyer发现，"人们与AI主持人分享的深度内容是我们下一个最佳方法的两倍多，我们在创纪录的时间内完成了定量和定性概念验证，使我们能够快速优先考虑通过创新管道的内容。"这个观察特别有意思，因为它挑战了我们对人机交互的传统认知。

雀巢现在已经在超过100个不同概念、7个品牌和5个国家部署了Outset。这种规模化应用带来了三个关键好处：速度、规模和成本效益。速度让他们能够快速迭代产品概念，规模让他们能够获得统计学意义上的可靠数据，而成本效益则让他们能够为更多产品进行调研。Michael Widenmeyer总结说："Outset现在是我们团队完成更多、更好、最重要的是更快研究的关键工具，大大加速了我们的创新管道。"

微软的应用场景则展示了AI调研在技术产品领域的价值。作为AI产品的开发者，微软需要深入了解用户与AI产品的交互体验，这种研究本身就充满了复杂性和细微差别。微软AI研究主管Jess Holbrook表示："AI增强研究已经到来。我们与Outset合作，加速和扩大我们团队在AI agent帮助下从用户那里学习的能力。"这种自反性的应用——用AI来研究AI产品的用户体验——特别能说明这种技术的成熟度和实用性。

从这些案例中，我看到了一个重要趋势：大企业正在从谨慎试水转向大规模采用AI调研技术。这种转变不仅仅是因为技术上的优势，更是因为业务上的迫切需求。在快速变化的市场环境中，企业需要更快、更便宜、更大规模的客户洞察来支持决策。而AI调研恰好满足了这三个需求。

1700万美元融资背后的市场机会与投资逻辑

8VC领投Outset的1700万美元A轮融资并非偶然，而是基于对一个巨大市场机会的深刻理解。8VC合伙人Jack Moshkovich在接受采访时表示："用户体验研究软件预算、通用研究软件预算和人工主导的研究预算最终都是Outset的可寻址市场，给他们大约1400亿美元的总可寻址市场。"这个数字听起来夸张，但仔细想想就会发现其合理性：全球企业每年在市场调研、用户体验研究和相关软件上的支出确实达到了这个规模。

更重要的是，Moshkovich指出了四个驱动投资决策的关键因素：拥有强劲入站需求的大市场规模、没有明确领导者的早期市场定位、通过技术挑战和数据积累实现长期产品耐用性的潜力，以及对客户需求有深度理解的出色团队。这些因素结合起来，构成了一个完美的投资标的。特别是在当前AI技术快速发展的背景下，能够将先进的大语言模型应用到具体业务场景中的公司具有巨大的价值创造潜力。

从市场时机角度看，AI原生应用正在迎来爆发期。Moshkovich解释说："直接解决以前分配给人工劳动支出的AI原生应用一直是我们过去两年的核心主题。Outset是利用大语言模型进步提供以前必须手工完成的服务的企业的典型例子。"这种从人工服务向AI驱动服务的转变，不仅仅发生在市场调研领域，而是一个跨行业的大趋势。

Outset的财务表现也支撑了投资者的乐观预期。这家仅有14名员工的公司已经实现了数百万美元的年度经常性收入，拥有超过50家企业客户，过去四个月收入翻倍，月环比收入增长近20%，过去一年客户使用量增长了10倍。这些数字表明，AI调研不仅仅是一个概念，而是已经得到市场验证的实用解决方案。投资者预期Outset今年的收入将增长5倍以上，这种增长速度在企业软件领域是相当罕见的。

我认为这轮融资的更深层意义在于，它标志着AI正在从辅助工具转变为核心业务流程的驱动力。传统的企业软件投资往往关注于提高现有流程的效率，而像Outset这样的AI原生公司则是在创造全新的业务范式。这种范式转变的投资回报往往是指数级的，这也解释了为什么投资者愿意为这样的公司付出高估值。

AI主持人与人类调研员的对比：谁更擅长理解人类

最让我感到意外的是Aaron Cannon关于人们向AI开放程度的观察。他说："当我们展望AI在研究中的未来时，经常被问到AI是否使研究变得不那么人性化和个人化。在Outset，我们看到被访者以今天人类研究员所看不到的方式向我们的AI agent敞开心扉。"这个发现颠覆了我对人机交互的传统认知，也让我开始思考为什么会出现这种现象。

我认为这种现象背后有几个深层原因。AI访谈员不会疲倦，不会产生判断，永远有时间倾听。它们没有个人偏见，不会因为参与者的回答而表现出惊讶、失望或其他情绪反应。对于一些敏感话题，参与者可能更愿意向一个不会记住他们面孔、不会在现实生活中遇到他们的AI分享真实想法。这种匿名性和非判断性的环境可能确实有利于获得更诚实、更深入的回应。

从技术角度看，AI主持人还具备一些人类调研员难以匹敌的优势。它们可以在任何时区、用任何语言进行访谈，能够同时处理数百个访谈项目，并且能够保持一致的访谈质量。AI还能够根据参与者的回应实时调整问题策略，挖掘更深层的洞察。而且，AI访谈员永远不会忘记问某个重要问题，也不会因为个人情绪影响访谈质量。

但我也看到了AI调研的局限性。Cannon诚实地承认，当研究人员希望与参与者建立更深层关系时，比如面试潜在客户，或者当需要完全即兴发挥时，平台就不太适用。在这些情况下，他建议"进行一些人工主持的访谈，然后用AI主持扩大你的研究规模"。这种人机结合的方法可能是最佳实践，发挥各自的优势。

我觉得这个话题触及了一个更深层的哲学问题：在理解人类方面，机器是否能够超越人类？至少在某些特定情境下，答案似乎是肯定的。AI的一致性、客观性和永不疲倦的特质，可能确实有助于创造更好的研究环境。但这并不意味着人类调研员将完全被取代，而是说人类需要在这个新的生态系统中找到自己的位置，专注于那些需要深度情感连接、创造性思维和复杂判断的任务。

AI调研技术的适用边界与最佳实践

通过深入研究Outset的应用案例，我发现AI调研技术在三种情况下表现最佳：追求深度学习、重视规模和速度、拥有大致明确的学习目标。这种技术在概念测试、可用性研究、市场策略研究和追踪情感变化的纵向研究方面表现出色。但并非所有研究场景都适合AI主持，了解这些边界对于正确应用这种技术至关重要。

从我观察到的成功案例来看，AI调研特别适合那些需要大规模数据收集但又要求深度洞察的项目。比如雀巢测试新产品概念时，需要了解消费者的详细反馈，但同时也需要足够的样本量来确保结果的统计显著性。传统方法很难在保持深度的同时实现规模，而AI调研则完美解决了这个矛盾。另一个典型应用是多市场、多语言的研究项目，AI能够轻松跨越语言和时区障碍，以一致的质量进行调研。

但AI调研也有其明显的局限性。当研究需要建立长期关系、需要高度情感连接或需要处理非常复杂的情境时，人类调研员仍然具有不可替代的优势。比如，如果你要研究某个创伤性事件对人们的影响，或者需要深入了解某个亚文化群体的行为模式，人类的共情能力和文化敏感性就显得尤为重要。Cannon的建议是采用混合方法：先进行少量人工主持的访谈来探索和定义问题，然后用AI主持大规模扩展研究。

我认为成功应用AI调研的关键在于正确配置研究参数。Outset的AI被设计为接收研究人员的需求、目标和指示，然后部署相应的AI主持人。这意味着研究人员需要清楚地定义他们想要了解什么，以及如何衡量成功。AI擅长执行明确定义的任务，但如果研究目标模糊不清，AI可能无法提供有价值的洞察。

另一个重要考虑是数据质量和分析深度。Outset提供的不是简单的ChatGPT式输出，而是强大的分析套件，能够提供即时的、定制化的定量报告。这种分析能力是AI调研的核心竞争力之一。传统调研往往需要花费大量时间进行数据清理和分析，而AI能够实时处理和综合大量定性数据，提取关键洞察。但这也要求研究人员具备相应的数据解读能力，能够从AI生成的报告中识别真正有价值的信息。

竞争格局分析：挑战Qualtrics和UserTesting的新玩家

在市场调研软件领域，Qualtrics和UserTesting这样的传统巨头长期占据主导地位。但正如Cannon所指出的，这些公司仍然依赖于过时的方法论："他们仍然依赖静态调查来收集数据，他们的'AI分析'工具仍然停留在词云和基本情感分析的世界中。"这种技术债务为像Outset这样的AI原生公司创造了巨大的市场机会。

我认为传统调研公司面临的最大挑战是路径依赖。他们已经建立了庞大的业务模式和客户关系，基于现有的技术架构和服务模式。要从根本上转向AI驱动的方法，不仅需要技术重构，还需要重新培训销售团队、重新设计产品架构，甚至可能需要重新定义价值主张。这种转型的复杂性给了AI原生公司一个重要的时间窗口。

Outset的竞争优势不仅仅在于技术先进性，更在于其企业级平台的完整性。该平台包括安全认证、管理员权限、数据隔离工作空间和访谈员定制功能，这些都是大型企业所需要的。这种企业就绪性是很多AI初创公司所缺乏的，也是Outset能够快速获得财富500强客户的关键原因。

从产品策略角度看，Outset采用了一种全栈方法，从用户体验可用性工具到战略市场研究，提供最强大和灵活的企业解决方案。这种策略的优势在于能够满足企业客户的多样化需求，避免被局限在某个细分市场。同时，这也意味着Outset需要在多个产品线上保持技术领先，这对团队的执行能力提出了更高要求。

我特别关注的是AI调研市场的网络效应潜力。随着更多企业使用Outset进行调研，平台积累的数据和经验将帮助AI模型变得更加智能和有效。这种数据优势可能会形成一定的竞争壁垒，让后来者更难追赶。同时，成功的案例和客户推荐也会创造强大的口碑效应，这在企业软件市场中特别重要。

对市场调研行业未来的深度思考

Outset的成功让我思考市场调研行业的根本性转变。我们正在从一个以人力为中心的行业转向以AI为驱动的行业，这种转变的影响远不止于效率提升，而是整个行业价值链的重构。传统调研的高成本和长周期限制了其应用范围，很多企业只能在重大决策时才会进行深度调研。而AI调研的普及可能会让深度客户洞察成为日常业务操作的一部分。

我预见到几个重要趋势。调研将变得更加实时和持续，而不是项目式的一次性活动。企业可能会建立持续的客户洞察流程，定期进行小规模的深度调研来指导产品迭代和营销策略。调研的民主化也将发生，不再只有大企业才能负担得起高质量的市场调研，中小企业甚至个人创业者都可能使用AI调研来了解他们的目标客户。

从技术发展角度看，我认为AI调研还有巨大的发展空间。当前的技术主要聚焦于文本和语音交互，但未来可能会整合更多的数据源，比如生理反应、行为模式、环境因素等。多模态AI的发展可能会让调研能够捕捉到更微妙的用户反应和偏好。同时，AI的个性化能力也会不断提升，能够根据每个参与者的特点调整访谈风格和问题策略。

我也思考了这种转变对调研从业者的影响。传统的市场调研员可能需要从执行者转变为策略师和洞察解读者。他们的价值将更多体现在研究设计、结果解释和业务建议方面，而不是数据收集和基础分析。这种角色转变需要从业者提升自己的战略思维和业务理解能力。

最让我兴奋的是AI调研可能带来的创新应用。Cannon提到了一个愿景："想象一下，组织中的任何人都能够向AI提出一个简单问题，然后观看Outset的agent在几小时内设置、运行和分析真正的主要研究。"这种能力如果实现，将彻底改变企业的决策模式。每个产品经理、营销人员甚至销售代表都可能拥有直接获取客户洞察的能力，这将大大提高决策的质量和速度。

从更广阔的视角看，AI调研的发展反映了一个更大的趋势：AI正在从工具转变为合作伙伴。在市场调研领域，AI不仅仅是帮助我们更快地做同样的事情，而是让我们能够做以前无法做到的事情。这种转变的意义深远，它不仅会改变一个行业，更会影响我们理解和服务客户的根本方式。正如Cannon所说："AI不应该取代人类连接，而应该加深我们对人类的理解，这样我们就能构建比以往任何时候都更人性化的产品、服务和体验。"我相信这种理念将指引整个行业的未来发展方向。

结尾

最后交个朋友，我自己是一个连续创业者，并在过去两年担任了25+产品的海外增长顾问，现在准备全职All-In入场创业，我给自己定位是COO的角色，希望能够找到合适的CEO和CTO，感兴趣一块合作的朋友欢迎加我微信（公众号后台回复【微信】）一块交流！

文章来自于“深思圈”，作者“Leo”。