客户体验是企业核心关注领域之一。据PwC数据显示，73%的客户将体验视为影响购买决策的关键因素，重要性仅次于价格与产品质量。然而，疫情加剧了支持团队的工作负荷，导致企业在维持高服务标准的同时，面临招聘难、流失率高的问题。目前，联络中心平均员工流失率高达45%，至少是其他部门的两倍。
针对这一挑战，Lang.ai联合创始人Jorge Penalva主张利用自动化技术弥补客户服务缺口。该公司致力于开发自动标记客户对话的平台，以加速问题解决。Penalva指出，通过智能化分析服务互动，此类技术能揭示关键洞察，进而指导产品体验优化与策略制定。
“客户支持自动化并非新概念。随着企业规模扩大，部署自助聊天机器人以实现高效增长和咨询分流已成为常态。Lang的终极目标是成为客户体验栈的核心层，赋能团队构建自动化流程，并通过结构化定性数据提取深度洞察。”Penalva在接受TechCrunch邮件采访时表示。
Lang近日宣布完成由Nava Ventures领投的1050万美元A轮融资，总融资额达1500万美元。该产品利用AI从Zendesk、Intercom等主流帮助台平台中提取客户请求概念，为邮件、短信等传入消息自动添加“联系代理”、“配送问题”等标签。作为无代码工具，Lang允许企业直观分组识别出的概念，并设置触发特定标签的自动化流程（如自动回复包裹投递咨询）。
Penalva透露，Lang的构想源于其与联合创始人Borja González、Enrique Fueyo Ramírez在西班牙语NLP平台Sentisis共事时的经历。当时他们发现，业务团队因缺乏数据科学专业知识，难以有效利用客户服务数据，而数据团队又有更优先的任务。
“我们意识到必须重构解决思路：不应仅将工程师构建的AI模型简化给业务用户使用，而应从一开始就打造面向业务用户的无代码平台。”Penalva表示，“这既是技术问题也是体验问题，两者的结合正是我们的‘顿悟’时刻。”
尽管Levity.ai、Chatdesk等平台也能自动标记服务请求，但Penalva认为Lang具备差异化优势。技术上，Lang采用针对零售、餐饮、医疗等特定领域定制的AI系统，精准识别行业术语并适应新兴问题；市场上，Lang通过与商业智能工具等前后端自动化供应商合作，以补充产品的形式进行销售。
“通过将非结构化数据转化为可用资产，Lang不仅支持自动化、聊天机器人工作流及机器学习，还成为所有非结构化客户体验洞察的记录系统，实现分散数据的集中化管理。”Penalva补充道，“目前我们在预算层面的最大竞争对手并非其他平台，而是传统的人力替代方案——即雇佣或外包更多客服代理。”
Lang虽处于早期阶段，但已服务Stitch Fix、Ramp、Hippo Insurance及Freshly等客户。Penalva未透露具体营收数字，但表示在A轮融资前的五个季度内，其年度经常性收入增长了11倍。
本轮融资还有Oceans Ventures、Forum和Flexport Fund参与。拥有25名员工的Lang计划将资金用于研发及市场拓展。研发方面，Lang将探索关联支持对话与购买数据的方法，例如评估特定问题对用户复购意愿的影响；未来版本还将根据代理高频操作，主动为客户提供服务自动化建议。
“数据是支持与体验团队最有价值的资产。”Penalva强调，“通过在客户互动中可靠地构建数据，我们的使命是助力支持团队获得领导层席位，使其从成本中心转型为收入驱动因素。”