Yamini Rangan（首席客户官）
Ryan McWilliams
我本来想把门开着，因为我们总是说要进行炉边谈话，但这更像是海边谈话。所以，这还不错，尤其是在会议的第二天。不过，对于那些不认识我的人，我是Ryan McWilliams，富国银行的中型股软件分析师，出席第九届富国银行TMT年度会议。今天和我一起参加会议的是HubSpot的首席执行官Yamini Rangan。
谢谢你，Ryan。感谢你们的邀请。
不客气。
这个地点很棒。
第一天有人抱怨说今天下雨了。我说，我现在已经习惯了纽约市的冬天，这里已经很棒了。
我们在加利福尼亚会接受这种天气。
我很羡慕。你知道，现在的软件行业正处于一个有趣的时期。在我休假回来开始报道后，感觉软件行业现在有点像雨天，但这也意味着很多机会，我很想听听HubSpot在人工智能方面的举措。所以，对于在场的投资者，我们将首先主要讨论产品，最后可能会涉及一些收益问题。如果你有问题，请告诉我。但我们不会直接接受现场提问。
请通过电子邮件联系我，邮箱是Ryan.McWilliams@WellsFargo.com。不过，Yamini，首先谈谈你的投资者日，HubSpot目前推出了很多新产品。你认为HubSpot的人工智能产品有哪些差异化优势？
是的，几个月前的9月，我们刚刚举行了年度会议，在人工智能方面推出了很多产品。这是一个激动人心的行业时刻。尽管感觉像是雨天，但现在确实是行业的激动人心时刻。简单介绍一下背景，我们的人工智能战略是将超级强大的技术应用于我们所服务的细分市场，即中小企业，我们希望以帮助他们增长的方式应用人工智能。这就是我们的战略。
为了实现这一目标，我们将人工智能嵌入到所有产品中。所以你看到了很多功能发布。我们正在构建可以帮助完成工作的代理。在会议上，我们推出了三款特色代理：客户代理、 prospecting代理和数据代理。我们还有世界一流的Breeze助手，它就像每个市场销售人员的副驾驶。这就是我们推出的众多产品所推动的战略。市场反应非常积极。我的意思是，我们可以广泛谈论人工智能的采用，以及在哪些方面看到了持续使用的积极迹象。
退一步说，你问了一个问题：我们的人工智能战略有什么差异化优势？首先，我们了解中小企业，我们采取的方法是将超级复杂的技术变得对中小企业非常容易获取。这一直是HubSpot的业务，我们现在在人工智能方面也正是这样做的。这是首要的差异化优势，因为我们了解中小企业，我们知道他们的日常工作和日常挑战。这是第一点。我想说的第二点是背景，我相信我们会对此进行更多讨论。
思考HubSpot的方式是，我们汇集了每一次销售对话、每一次发出的营销活动、每一封生成的电子邮件、每一笔完成的交易的背景。事实证明，虽然人工智能非常擅长生成见解，但它需要背景。Ryan，如果你对LLM说“给我写一封电子邮件”，它会写一封可能无法为你带来正确 outreach 的电子邮件。但如果你有一段时间内所有这些对话的背景，那么它会生成更好的回复。因此，我们的差异化优势在于，我们有280,000名客户使用我们的营销、销售和服务产品。
在整个客户旅程中，我们已经成为中小企业依赖的增长平台。这种背景有助于使人工智能变得更好。领域专业知识和我们带来的背景相结合，帮助我们推动人工智能的采用，并为客户回馈价值。
这里有很多可以探讨的地方。在领域专业知识方面，当我听到人工智能能做什么与应用软件的实际案例时，总是觉得很有趣，人们会说“哦，你能重现这个吗？”没错。但问题是，第二天会发生什么？
是的，没错。
比如，谁会考虑客户通过哪些最佳方式从自己的客户那里赚更多钱？或者从客户服务的角度来看，新的用例是什么？我认为这正是HubSpot所做的。你们有数百人，数十年的经验在做这件事。所以，这不是静态的，比如“大型语言模型能做什么”，而是“我们如何继续根据客户需求推进平台发展”。
完全正确。我的意思是，编码变得更容易了，但专业知识仍然很重要。我确实认为，领域专业知识以及将某些东西应用于特定细分市场并使其对他们来说更容易，仍然是创造价值的地方。我们认为，由于人工智能，HubSpot今天为客户增加的价值比三年前要多得多。因此，人工智能不会让这些价值消失。
我认为，就我们从大型语言模型看到的编码进步而言，这是一个很好的观点。因为这些是公开可用的数据集。
没错。
其中包含Stack Overflow，结果更具确定性。对吧，代码要么正确要么错误。你可以争论更好的方法，但这就像国际象棋，是一个更容易解决的问题。而B2B组织如何正确解决客户的某个特定用例，这似乎更具挑战性。
完全正确。
那么，对于HubSpot来说，你们有长期合作的庞大客户群。他们会向你们要求某些人工智能解决方案。但你们的数据优势如何帮助构建更全面的人工智能工作流？
是的，所以在讨论工作流之前，也许从根本上了解代理架构的不同之处，它如何支持所有这些工作流？对吧。所以，归根结底，你可以用像CRM这样的非结构化数据做更多事情。客户平台一直以来都有行、记录中的结构化数据，这是我们擅长的。例如，客户记录包含客户姓名、地址、收入等信息。这是我们一直擅长的。
现在，随着代理解决方案的出现，你需要能够处理非结构化数据。我们刚刚进行的对话、Zoom通话的 transcript、社交媒体上的言论，我们现在可以获取这些非结构化数据。人工智能使处理所有这些非结构化数据并将其添加到你拥有的相同背景中成为可能。这是我们在数据层需要做出的一大改变。因此，我们的解决方案从拥有所有结构化数据，扩展到现在可以捕获电子邮件、Zoom transcript、视频通话、音频通话等，并添加非结构化数据层。
代理平台还需要的第二件事是真正的编排。这不仅仅是转储大量数据，而是拥有所有数据的上下文。你在哪里获得反馈？答案是否好？你过去问过的问题的记忆是什么？因此，编排层变得非常重要，包括评估、反馈和记忆。这就是我们构建的。然后，应用程序工作方式的变化是，过去你需要点击、导航才能完成某些操作。
现在，你可以通过对话方式要求软件为你做事，你有代理来实际执行。明确地说，变化在于你可以处理的数据量、你带来的编排水平，以及你与软件交互的对话方式。这正是我们在过去几年中构建的基础。然后，如何启用工作流？因为我们现在有了更好的非结构化数据，工作流变得更好。
因此，不再需要有人在CRM中手动创建联系人并记录“今天第一次见到Ryan”，而是可以通过捕获的非结构化数据自动处理这些信息。工作流变得更加动态，包含更多非结构化对话的上下文，从而为客户提供更好的输出。
是的，我们刚刚讨论了我们每天的工作，以前你记录通话时可能只会写几句笔记，觉得无所谓。但现在你知道这会在以后帮助你，你会想“也许我应该添加更多细节”。
完全正确。
你的数据集变得更强大。我经常遇到的一个有趣现象是，我们谈论人工智能会做这做那，会为我写所有研究报告，但有时最有用的事情只是总结 earnings call。
没错。
所以一些不那么吸引人的用例实际上被采用得更快，或者客户更感兴趣。到目前为止，在你的客户群中，有没有任何让你惊讶的用例，或者客户目前更感兴趣的事情？
嗯，有很多。我告诉你，几十年前我开始从事销售工作。当时，工作中最困难的部分是年初你会得到一组客户，比如500个客户。你从来没有时间查看500家公司，查看每家公司的5个人，确定谁是合适的联系人，他们是否会购买你的产品。这都是手动工作。Ryan，人工智能的迷人之处在于， prospecting用例正是你现在可以使用人工智能获取500个潜在客户的正确信息的领域。
他们是否获得了资金？他们是否在增加营销代表、销售代表或服务代表？他们是否提到了你可以帮助的计划？这些都是你现在可以获取的非结构化和结构化信息。基于这些意向信号，你可以在下周一说“这是你需要联系的10个客户”。这比我们以往能够提供的价值要多得多。所以我认为 prospecting用例，其他的都很明显。比如支持，每个人都知道人工智能可以用来解决支持查询。
在我们支持的不同渠道中，它变得越来越好。营销方面的内容创建也是如此。但对我来说，销售作为一个职能正在发生根本性变化，你在哪里花费时间，在哪里从人工智能中获得杠杆。看到我们的客户采用这种方式并获得价值，真是令人着迷。
有没有销售人员反对说“不，我宁愿自己挖掘所有这些信息”？
哦，天哪，没有。实际上，销售人员不想做的事情是挖掘信息、记录通话笔记、向经理展示他们的工作和活动。这些是销售人员不想做的事情，而人工智能非常擅长做这些。销售人员喜欢做的是与客户面对面交流，进行更深入的对话。当你把很多以前需要做的额外工作交给人工智能，那么与客户在一起的时间和对话的相关性就会提高，这意味着你的成交率应该会提高。
我认为这是人工智能对销售的令人兴奋之处。
是的，你可以花更多时间实际销售。
完全正确。
作为前客户支持代理，我可以告诉你很多这样的用例。我不介意你开始支持。
太好了。
是的，那是关于学生贷款的。
哦，哇。
买方很难对付，但不如那些打电话来询问学生贷款的人难对付。但是，当谈到新的消费和信贷使用模式时，我对应用程序仍然非常感兴趣，因为我使用过Cursor和Cloud Code，当我使用这些服务时，我不断点击“AI为我做”按钮。对吧。例如，Clog Code开发人员每天使用价值6美元的令牌。所以这大约是你点击“AI为我做”按钮40或50次。
没错。
所以在我看来，人们整天生活和使用的平台，比如Atlassian或HubSpot，他们会开始点击“AI为我做”按钮。因此，对于HubSpot来说，这种较新的信贷模式，你能谈谈你看到的早期客户趋势和用例吗？
是的。也许先退一步，我们谈到了人工智能战略，即嵌入式人工智能代理和Copilot或Breeze助手。我们的 monetization战略是混合的。我们通过席位和信贷两种方式 monetize人工智能。
以你刚才举的例子，在HubSpot中，如果你是Sales Hub用户，今天多次点击总结电子邮件并获取后续电子邮件，这是席位的一部分，不消耗信贷。
我想确保人们理解我们的 monetization方式之一是通过席位。信贷专门用于我们的代理工作。客户代理解决支持工单会消耗信贷。 prospecting代理进行我们刚才讨论的账户研究，会消耗信贷。数据代理引入数据并清理数据，会消耗信贷。因此，有一些代理以及Data Hub会消耗信贷，我们于6月向所有客户代理客户推出，8月进入安装基础。
所以现在还处于早期阶段。但在信贷消耗方面，客户代理是领先的，因为它已经处于全面可用模式。我们有超过6,000名客户使用客户代理解决了超过60%的工单，他们正在消耗信贷。第二个领域是 prospecting代理。这是我看到很多希望的领域，因为这是我们现在能够解决的销售长期存在的问题。第三个是数据中的意向信号。这些是我们开始看到的领域。
但请记住，现在还处于早期阶段。我们认为我们的人工智能 monetization是混合的，既有席位也有信贷。我们看到了所有正确的信号。
我很欣赏你们定价策略中的这种区分。所以，如果你与HubSpot协同工作，那是平台的一部分。但当它为你完成工作时，你可以开始 monetize这些事情。
完全正确。例如，在Marketing Hub中，你可以创建内容、重新混合内容，这都是Marketing Hub的一部分。但如果你使用代理为你执行操作，就会消耗信贷。我可能会一直重复这一点，我们的人工智能战略是席位和信贷的混合 monetization。
这对我来说很有意义。你知道，对于今天的软件，如果你是HubSpot的重度用户。
是的。
你整天都在使用它。而有些人每天只使用一两次。
是的。
你们可能按席位支付相同的费用。在未来几年，考虑到一些使用动态，情况可能会有所不同。但到目前为止，在你的平台上，谁首先采用人工智能？是重度用户、中小企业还是大型企业，还是各有不同？
是的，这是个好问题。我告诉你，这与员工数量无关。事实上，真正的区别因素是公司是否有C级领导者推动人工智能优先事项。我按行业和细分市场进行了分析，发现这与行业规模无关。关键在于公司内部是否有人制定人工智能路线图。我知道投资者有不同的看法，但当我们与客户交谈时，他们仍然对数据去向以及如何确保公司数据不被用于LLM训练存在一定程度的恐惧、不确定性和不信任。
所以首要因素是自上而下的人工智能举措。一旦公司有人制定人工智能路线图，我发现运营角色非常重要。为了让人工智能真正创造价值，你需要我们过去称为rev ops的角色，现在我们称之为AI ops。公司内部有人，即重度用户，像AIOps用户一样训练数据，获取高质量数据，训练数据，使用人工智能功能，然后向其他人开放。
这个角色是关键。当我们看到客户拥有这些AIOps角色和利用人工智能的市场工程师时，公司内部的人工智能采用会加速。对于很多客户来说，他们仍处于“我们需要可以信任的干净数据，确保不会在公司外部使用，然后我们需要合理的用例路线图来试验、扩展和增长”的阶段。
令人惊讶的是，一个倡导者就能真正改变局面，并激活很多其他人。
绝对是的。
你知道，我们在富国银行的 offsite活动中，我让ChatGPT回答一个问题，然后让每个人在他们的ChatGPT上构建代理，我觉得我应该获得ChatGPT付费许可证的佣金，因为之后我们卖了很多。但一旦你开始思考“它可以做这个，那个”，这对我来说就有意义了。这实际上是一个很好的过渡，我认为Data Hub战略需要更多投资者关注，你的客户已经习惯于将所有可能的东西放入HubSpot，然后从中激活。
所以你在最近的投资者日对其进行了重新命名。你能谈谈Data Hub如何帮助你的更广泛的人工智能路线图吗？
是的。你知道，我们已经讨论了数据和上下文对人工智能工作的重要性，这是众所周知的。退一步说，Data Hub做了几件事。一是将HubSpot外部的数据拉入HubSpot。我们有称为数据同步的集成，可以从各处拉取数据。通常，HubSpot客户有8到14个集成。但有时他们会从更多来源将数据带入HubSpot。这就是Data Hub的作用。
我们发现的第二件事是，数据质量对于人工智能的准确性至关重要。Data Hub实际上帮助你提高质量。它可以向LLM运行一组提示。例如，如果你需要一列资金数据，Data Hub会提取正确的提示，为数据库中的每个联系人获取资金数据。因此，它提高了数据质量。
第三件事是它提供了一个工作区，我们称之为Data Studio，用于操作数据。你引入了数据，数据质量更高。现在你可以使用这些数据构建工作流、序列和自动化，使你的人工智能更好地工作。因此，它几乎是AI Ops和web ops使用更高质量数据做更多事情的基础工作区。
这也是我们将其从Ops Hub重新命名为Data Hub的原因之一，因为你实际上是在为人工智能处理基础数据需求。展望未来，我们还没有谈论营销，但为了使营销 playbook循环工作，你需要更高质量的数据，Data Hub提供了这一点。这就是愿景，现在它是这样一个领域：如果你是Marketing Hub客户并想要使用人工智能，那么你需要Data Hub作为基础。Sales Hub也是如此。
这是我们多中心战略的一部分。
我们已经谈到了很多数据优势和HubSpot的差异化因素。但有趣的是，人们总是说“我们要构建这些案例”，我会想“基于什么或如何构建”。所以，我认为投资者最关心的问题是，HubSpot是先添加人工智能功能，还是人工智能最终会做更多HubSpot所做的事情？我们今天谈到了很多这些事情，但我们很想听听你为什么认为你们在这个世界上处于更好的位置。
是的，我喜欢这个框架。SaaS公司添加人工智能更容易，还是人工智能原生公司添加CRM更容易？这是一个很好的问题，但从根本上，我会回到我们刚才的对话，Ryan。我们已经通过添加非结构化数据、添加将所有数据联系在一起的上下文层、构建可以获取上下文的代理，成为了一个代理平台，我们已经完成了支持成为代理平台所需的大量管道和架构更改。
如果我从头开始作为人工智能原生公司，我仍然需要构建CRM记录和结构化数据。许多公司从点解决方案开始。例如，你从支持代理和处理支持工单开始。一旦你收到关于销售定价的问题，你就没有那个上下文。所以你现在必须扩展，开始构建你销售的产品、相关定价以及常见问题和异议。所以你必须从结构化到非结构化，从点解决方案到全平台，然后构建上面的完整上下文。
我还要说几件事。我们仍然发现人工智能功能的采用需要反馈。因此，我们的优势在于构建人工智能功能并向数千名客户提供使用，我们可以获得反馈并改进。人工智能开发周期本质上是基于客户反馈的迭代。但如果你是人工智能原生公司，只有10个客户，你从哪里获得反馈？因此，代理世界存在一种内在优势，即受益于客户数量的规模。
最后，你仍然需要合作伙伴生态系统。人工智能仍然需要有人查看你的路线图，帮助你确定从哪些用例开始并推动。我们的生态系统中有7,000个合作伙伴，他们都在推动人工智能准备。因此，如果你是一家人工智能原生新公司，你也需要。这就是为什么你看到很多前沿部署工程师。模式是你不仅构建产品，还投资前沿部署工程师，让他们坐在客户现场，我们有这样的生态系统。
因此，我认为平台优势、分销规模优势以及生态系统优势都是我们的优势。
在工作间隙，我坐在那里想，我可能也尝试构建一个这样的产品，你知道我的意思吗？当我做了一些研究后，我发现构建项目管理工具在我的想象中比在纸上要好得多。事实证明，初稿比实际工作的SaaS要难得多。
是的。
但当我和其他开发人员交谈时，他们说CRM可能是最难构建的东西之一，因为数据密度高、任务关键型工作负载和非结构化数据。但这是一个巨大的市场机会，人们会尝试。
是的，绝对。
因此，当涉及到你的客户数据时，你已经在这些数据上训练模型，这也延长了挑战者为了基于你的新训练模型重建相同用例所需的时间。
是的，我的意思是，我们一直处于一个竞争非常激烈的市场。CRM从来不是赢家通吃或非竞争性市场。情况一直如此。我会回到为什么平台胜过点解决方案。HubSpot最常见的用例之一是，客户会说他们的数据分散在15个不同的点解决方案中，他们失去了增长的可见性。在代理世界中，情况仍然如此。当我与尝试过五个不同代理的客户交谈时，他们说“我们现在无法管理所有这些不同的代理，我们想看看你的路线图。如果你有，我们将继续采用你的产品。”
所以我认为这回到了为什么平台胜过点解决方案。这也是代理平台胜过分散在市场中的点代理的原因。
我想谈谈你提到的复杂性。对我来说，这是一个非常有趣的动态：哦，我现在可以自定义构建自己的用例，但投资者认为情况就是这样，你是否看到客户更愿意购买人工智能而不是自己构建？
是的。自定义构建变得更容易了，但想想我们的细分市场。对吧，一家500人的公司，比如美国中部的一家制造公司，他们正试图发展业务。现在他们必须弄清楚Sonnet 3.7和ChatGPT 5.1，以及今天发布的最新Gemini，用于10个不同的用例，并在其上构建自定义应用程序。这不是中小企业想要做的。尽管有说法称自定义应用程序和自定义代理更容易，但普通中型市场公司仍然专注于发展业务，而不是为了IT而采用人工智能并构建自定义应用程序。
你 earlier说过，构建代理需要前端、后端、正确的数据输入，以及不断的反馈迭代改进过程。为了做到这一点，公司必须改变战略，大量投资于人工智能工程人才或专门的人工智能团队。这不是我们从客户那里听到的对话。事实上，他们希望我们让他们更容易采用，并信任我们因为我们为他们带来的创新水平。
绝对是的。你知道，昨天有效的方法今天可能无效。你们一直走在谈论人工智能如何改变SEO的前沿，并且你们通过收购X funnel来解决SEO问题。我喜欢所有关于X的帖子，我们一直在密切关注我们所报道的内容。但你能谈谈你们自己为解决一些漏斗顶部变化所做的努力，以及如何帮助客户应对新的搜索SEO吗？
是的，这是一个我们可以花很多时间讨论的话题。我的意思是，退一步说，我们这个行业过去常常发布内容，让人们点击蓝色链接访问我们的网站，然后捕获他们的电子邮件，进行培育，这成为营销漏斗的一部分。这已经完全被颠覆了。
因为人工智能概述正在提供答案，如果你搜索，一半的人甚至不搜索，他们直接向LLM提问。因此，一种非常特定类型的线索，即内容线索，出现了大幅下降。
现在，关于我们如何应对，我想说的是，在2022年，甚至在ChatGPT出现和人工智能概述成为我们的常用语之前，我们就看到客户在其他渠道花费了大量时间，如社交渠道、播客。我们都在听播客，现在每个人都在听数百个播客。还有电子邮件通讯。因此，从2022年开始，我们经历了营销渠道多样化的过程，这一战略奏效了。
我们有10个YouTube频道，来自YouTube频道的线索同比增长80%至90%。我们收购了一个播客网络，现在该网络中有超过100个播客，这产生了线索。我们还收购了电子邮件通讯，当时人们都在挠头说“他们为什么要这么做？”但这也增加了线索。因此，对我们来说，故事是如何从内容线索多样化到所有这些不同来源。
其中一个渠道是AEO，即答案引擎优化，你在LLM中出现，但这仍然很低。它还处于萌芽阶段，AEO和如何在答案中出现还处于早期阶段。线索量仍然很低，是个位数。但来自LLM的线索转化率要高得多，是3倍，因为你进行了更彻底、更深入的提问，如果你得到正确的答案，你就准备好转化了。
这就是我们的应对方式。我们真正擅长的是一旦我们弄清楚某件事，就创建一个 playbook，让我们的客户能够采用并从中受益。
因此，在今年的会议上，我们推出了Loop，这是一个如何多样化线索来源并实现个性化水平的 playbook。我们推出了一系列产品，涵盖Marketing Hub、Data Hub和Content Hub的功能，以支持该 playbook。现在还处于早期阶段，但正在推出新的 playbook。
我现在已经在inbound之后与很多客户交谈过，他们开始这样做，并且明白了。哦，我现在明白了我需要如何多样化。我需要如何使用人工智能进行个性化。这就是AEO渠道中正在发生的事情。所以现在还处于早期阶段，但我们觉得这为我们打开了一个巨大的机会。
我的意思是，总会有新的东西，但现在复杂性增加了。在客户所在的地方接触他们，更多的个性化，这些都是他们需要有人帮助的事情。
我认为，我们实际上对此感到兴奋，因为如果你看看过去两三年的营销，渠道已经饱和，ROI真的很难获得，转化率在放缓， playbook变得超级困难。如果你在中小企业从事营销工作，你无法在任何这些关键指标（如线索转化率）上获得1%到2%的提升。但现在有了完全不同的方法。弄清楚一两个渠道的回报要好得多。
因此，在营销中使用人工智能可以做的事情有很多令人兴奋的地方。所以，当每个人都在谈论搜索SEO的颠覆时，可能不太为人所知的是，人工智能实际上创造了一个更大的机会来优化你的营销渠道和策略。这对我们来说是一个令人兴奋的机会。
我们只剩下几分钟了。但对我来说，投资者经常问我“为什么他们现在没有所有这些惊人的产品？”这适用于每家软件公司。我说，大型语言模型推理是去年年底才出现的，当你有数十万客户时，推出复杂的人工智能产品需要时间。所以，除了所有人工智能解决方案需要更多时间成熟之外，你认为什么真正推动了客户的采用曲线？
是的，我认为技术领先于客户采用技术的能力。所以你完全正确。LLM出现了，我们很多人都理解人工智能的变革力量，我们一直在构建，但这是一个迭代过程，你需要客户反馈来改进人工智能功能。这是一方面。
另一方面是帮助客户解决“我有高质量的数据吗？我能信任我的数据使用位置吗？我能确保我的提示和所有交互都在公司内部，不被用于训练其他东西吗？”
这是一个适应周期，与我们过去看到的任何其他技术周期没有什么不同。我96年进入这个行业，当时还没有云，情况非常相似。每个人都看到了它的价值，但人们需要一段时间才能开始采用。现在发生的情况也是如此。人工智能具有变革性价值。
但采用来自建立信任、更好的数据质量，以及让客户能够轻松尝试并扩展。这就是我们所处的过程。
我真的很期待接下来会发生什么，我当然不想再在CRM中搜索过去两周我交谈过的所有客户了。
完全正确。
接下来她会和谁交谈。但是，伙计们，感谢你们的时间，感谢Amity的到来。
非常感谢。
谢谢。
Sat。