客户访谈自动化，先把目录建对

周末折腾了一下客户访谈整理，踩了不少坑。起因是看到 Listen Labs 这类 AI 市场研究公司的融资和收购传闻。语音 AI 简单说，就是让机器听录音、转文字、做摘要。报道里说，它曾计划以约15亿美元估值融1.25亿美元，估值较年初约5亿美元翻了四倍，后来又有 Salesforce 谈收购、传约20亿美元。数字只是背景，我想动手的是把客户访谈这种传统咨询活儿拆成一条可重复的小流水线。

这类工具主要替代整理工作，判断仍然在人这边。对标海外案例，资本看中的是把大量客户声音变成可验收的数据资产。我客户那边做过不少用户访谈，最耗时的是把一堆录音变成能开会用的证据。

我先比较了两种做法。传统人工是约客户电话，录音，自己听写，在 Excel 里打标签，再写报告。优点是稳，缺点是慢。我这边测下来，12场每场约20分钟的访谈，纯人工从听写到成稿，大约要7小时。半自动是录音上传给 AI，让它先转写，再按固定字段打标签，最后我来核对。我最近用 AI代理和 agent harness 跑了两周类似材料，感受很直接。工具能省时间，但前提是你得告诉它标准。我这边跑下来，12场录音，AI转写初稿约40分钟，打标签初稿约60分钟，人工校对约50分钟，总计约2.5小时。省下的时间主要花在搬运，清洗和校对一分都省不掉。

实际跑起来，先建目录。在电脑文件管理器里新建文件夹，建原始录音、转写文本、标签表三个目录。文件命名统一为客户名_日期_第N次。这一步看起来笨，但最影响后面。然后录音，打开手机录音或会议软件，点录制，结束后点停止。看到文件保存成 .mp3 或 .m4a，就算完成。上传前确认客户同意录音。

转写时，打开支持语音转文字的 AI 工具，点上传音频，选择文件。在输入框里写一句要求，转成中文，保留说话人，不要补写没说的话。点开始，页面出现逐字稿。预期结果是有文字，但可能有错字。清洗要打开转写文本，删掉嗯、啊这类口头语，补全公司名、产品名、日期。这一步不要全交给 AI，偷懒会让后面结论歪。

打标签要打开表格软件，新建工作表，输入表头，访谈ID、日期、客户、主题、原话、情绪、行动。主题只准从预设里选，比如价格、服务、竞品、功能、交付。

预期结果是一张能筛选的表。出洞察时，把标签表交给 AI，让它基于表格输出三个主要问题、证据和下一步，每个结论必须附访谈ID和原话。点生成后，预期结果是一份能拿去开会的初稿。

目录乱是第一个坑。我一开始文件名有中文、有空格、有日期，AI找不到上下文，标签表也串了。后来统一命名，问题少一半。标签飘是第二个坑。同一个意思，有人写贵，有人写价格高，解决办法是先做标签字典，标签规范比工具更重要。字典不需要复杂，一页就够。模型幻觉是第三个坑。AI会把没听清的话补得很顺，甚至编出客户没提过的原因。我的办法是每条结论必须回原文找证据。回找三次，它就不太敢乱写。

先定义可验收产物，再选工具，这句话是我这次最大的收获。很多数字化转型项目失败，原因是没人说清最后要交什么。客户访谈也一样，最后要交的是一张能筛选、能追溯、能推动后续动作的证据表。

下一步可以试一个很小任务，把最近5个客户电话整理成标签表。跑顺以后，再考虑接混合检索，把旧报告、竞品资料、客服工单一起变成可搜索库。别一上来就搭大平台。先跑通一条小流水线，比什么都强。

---

📌 本文编译自 TechCrunch Venture，原文：https://techcrunch.com/2026/09/09/ai-research-startup-listen-labs-scrubbed-a-1-5b-funding-round-for-salesforce-talks/

版权归原作者所有，本文为基于公开报道的编译与独立分析。