奶茶店倒闭启示录：96年CEO靠AI掘金2000万，竟让阿里也折服？

奶茶梦魇与数据觉醒：一个GTM平台的诞生

从会议室到新天地：需求与痛点的具象化

我第一次听到Kathryn的故事，是在一个逼仄的会议室里。阳光透过百叶窗，在她面前的白板上投下斑驳的光影。那上面密密麻麻地写满了客户的名字、需求和痛点，像是某种神秘的咒语。这是她的日常，也是无数创业者试图解码的商业密码。那一刻，我感受到的不是数据分析的冰冷，而是创业者摸爬滚打的温度，以及对市场需求的执着。这种执着，最终凝结成了Openmart的雏形。

Kathryn的奶茶创业失败：零售信息孤岛的残酷现实

五年前，Kathryn和朋友的奶茶梦，如同泡沫般破裂。她们想把精心调制的奶茶，铺进街头巷尾的礼品店和杂货铺。然而，理想很丰满，现实却骨感得令人绝望。那些散落在城市各个角落的小商铺，就像一个个孤岛，信息闭塞，难以触及。

“很多小商铺在一些平台甚至没有信息，可能要到论坛或者社交媒体上找，”Kathryn回忆起那段经历，语气里带着一丝苦涩，“你想想，为了卖几杯奶茶，要像个侦探一样四处打探，这成本也太高了。”这场“副业”，最终在分散的市场面前，偃旗息鼓。但这次失败，却在她心中埋下了一颗种子：如果能有一个平台，汇集所有这些零散的零售信息，那该有多好？

Openmart的必然性：Uphonest Scout的催化与Richard He的加入

三年后，这颗种子破土而出，长成了Openmart。Kathryn的奶茶创业经历，让她对本地商家的痛点有着切肤的体会。而参加Uphonest Scout社群，则让她遇到了Richard He，一个同样对数据充满热情的创业伙伴。Richard的加入，为Openmart注入了技术基因和更广阔的视野。一个深谙市场需求，一个精通技术实现，两人一拍即合，Openmart应运而生——一家面向本地企业主的GTM（企业市场进入策略）平台，旨在帮助销售人员一键查询数百万条来自本地政府文件、网站、评论和社交媒体等公开信息，提供精准的销售线索。

上海新天地的隐喻：互联网沉默商家的价值洼地

与Richard He的会面，约在了上海新天地附近的Wework。这里，同样是小商铺的聚集地。在高楼林立的现代化街区，这些小小的店铺，仿佛是城市毛细血管中默默跳动的音符。它们在互联网上鲜为人知，却承载着无数人的生活记忆和消费需求。Richard告诉我，未来，这些在互联网上默默无闻的商家，或将会成为Openmart数据库中一个个跳动的标签。而Openmart的使命，就是让这些标签，被更多需要它们的人发现。

AI浪潮下的Openmart：基因与挑战

拥抱大模型：AI工具的快速迭代与垂直行业深耕

Openmart的成立和成长，与生成式人工智能大模型推向市场的时间线几乎重合。这使得它从一开始就带有鲜明的大模型时代烙印——拥抱各种形态的大模型，基于AI工具快速落地产品，以及在最初就选择垂直行业并深入积累know-how数据。在Openmart的血液里，流淌着AI的基因，这既是优势，也是挑战。

96年CEO的“厚脸皮”：从销售痛点到数据库的构建

96年的Richard He，身上有着一股与年龄不符的成熟和干劲。为了真正了解销售人员的痛点，他选择了一种略显“笨拙”的方式——“厚着脸皮”跟着销售人员一整天，观察他们如何销售产品，从中捕捉痛点和需求。这种“笨办法”，却让他对销售的真实困境有了更深刻的理解。他推崇马斯克，欣赏其将不可能变为可能的行动力，以及精简高效的团队管理理念。在Openmart，这种理念被贯彻始终。

Openmart四大业务：AI线索、商业搜索、CRM与商业数据库的协同

目前，Openmart主要有四大业务板块：AI线索查找器、商业搜索引擎、连接型客户管理系统（CRM），以及商业数据库。Richard介绍说，Openmart的AI应用主要集中在两个方面：一是信息提取，即从LinkedIn、新闻、各类公开信息等渠道提取企业的关键信息，例如负责人联系方式、企业成立时间等；二是用AI将各类信息整合到一起，形成结构化的数据。依托于此，Openmart构建了一个拥有超过2000万条美国本地化信息数据的庞大数据库。

降本增效的承诺：Openmart的价值主张与客户证言

Openmart的价值主张很简单：帮助销售团队降本增效。通过Openmart，销售团队可以在几分钟内将信息上传，并获得高度精准的潜在客户线索。据称，这可以将BPO（Business Process Outsourcing，业务流程外包）成本削减80%，每年节省高达3万美元。Onelocal的销售主管Dana Bally甚至表示，通过Openmart，两个月内就实现了12倍的投资回报。阿里巴巴也公开提到，Openmart的数据丰富功能对于完善其外展活动起到了重要作用。这些客户的证言，为Openmart的价值提供了强有力的佐证。

YC的背书：硅谷顶尖孵化器的加持与行业趋势的印证

2024年初，Openmart拿到了硅谷顶尖孵化器YC（Y Combinator）的入场券，并成功从YC W24孵化器毕业。YC的背书，不仅为Openmart带来了资金和资源，更重要的是，它代表着对Openmart模式的认可。就在上周，新一年的YCW25也顺利完成了最后的Demo Day演示。这一年的YC Demo Day，AI正在深入更为细分的垂直行业，也再次证明了Richard当初选择深耕垂直领域的决定是正确的。

硅兔君对话Openmart：YC 180天与思维的跃迁

从工程师到CEO：角色的转变与思维的重塑

硅兔君： Openmart是你创办的第一家公司吗？从大公司工程师的身份中走出来，转换成创企CEO，两种截然不同的业务形态，你的思维方式发生了什么变化？

Richard He: 最开始，我们其实想过用AI去做网页测试。当时，自己好像还是陷在一个工程师的视角——从技术角度出发去解决难题。但从技术角度出发的话，思维就会很发散，你会觉得有很多东西都能用技术解决，都可以做。

后来，我觉得非常重要的一点就是你要意识到自己是要去卖一个产品，要从解决实际问题出发。最好先找几个有这类问题的客户之后再去做，不要一开始就埋头苦干，因为有可能一开始的方向就是错的。

Kathryn： 还有心态上的转变，要学会从完美主义走出来，不要一开始就追求做一个100%的产品。

YC的价值：实战演练与残酷的指标审查

硅兔君： 你花了多久完成了工程师思维到CEO思维的转变？

Richard He: 可能有几个月时间，我们也是比较幸运进了YC，然后YC上来教会了我们很多。

精简团队的信仰：马斯克的影子与效率的追求

硅兔君： 当初选择创业伙伴的时候，你比较看重哪些能力？

Richard He: 我和Kathryn（联合创始人）之前就认识，后来在Scout社群活动上经常遇到。我觉得创业伙伴可以找互补型的，但大家还要能保持一个同频的思考，在关键性问题上能够达成一致。

像是Kathryn做市场，她比较勇往直前，不惧怕任何事情，也很有闯劲儿，非常适合市场运营。我比较喜欢去细致地思考，我认为我们就很互补，但是我们同样在关键性问题或者决策上，基本都能达成一致。

硅兔君： 我们现在团队会有多少人？你作为CEO去管理他们的时候会有什么策略吗？

Richard He: 我们现在总共不到10个。国内团队成员大概都是95后，美国团队成员都是00后。现在看来，刚大学毕业的00后们冲劲儿更猛一些，每天不睡觉也没啥事儿，特别喜欢去探索一些新鲜的事物，然后非常很拼。90后的成员们会更成熟一点，思考方式也会更全面一点。

硅兔君： 在创业风格上，你会有自己推崇的偶像吗？比如说，乔布斯或者马斯克？

Richard He: 马斯克，我从大一的时候，Model S刚出来的时候，就觉得他很不简单。他总能把不可能的事情把它变成可能，我希望我也能成为这样的人。

像是马斯克最近也在做一些冗员的事情，我们也一直保持精简的团队结构。最近，有报道说ARR（年度经常性收入）在1000万美元，团队成员在50人以下的创业团队有50家。我其实非常佩服这些人。他们也验证了精简团队也能完成比较高的年收入。

融资的辩证法：理性看待资本与PMF的重要性

硅兔君： YC教会了你什么？

Richard He: YC每周都会审查你挣多少钱，这非常好，也非常实际。有些东西不是你吹就能吹出来的，很多东西一吹别人都知道。

Kathryn： 不要太着急融钱，要看自己公司所处的阶段。融太多的钱反而会让一些创业者早期养出大手笔花钱的习惯，像是广告投放和过度扩张，都是行业早期创业者不应该做的事情。在没有PMF（产品市场契合度）的时候就不应该招那么多人，就不要着急招人进来。当招人可以给公司带来增益的时候，再选择扩张。

YC Network：信任与温暖的创业生态

硅兔君： 你们从YC孵化器毕业之后，YC还会给你们哪些帮助？

Richard He: 围绕着YC生态的话，会形成一个network，这里面也成长出不少千人规模的大公司。他们看到YC背景时，天然在心底比较信任你，你遇到的人也会更加温暖一点。

从客户角度来看，和你同一批毕业的YC公司会和你有非常紧密地联系。我们当初一起被YC孵化的公司大家现在还经常交流，在共性问题上，大家都会有一些困惑。

比如说，招人，招什么样岗位、什么样的人；签合同，和大公司签合同需要避开哪些问题；大家在同一时期起步，在阶段性上遇到的问题也很类似。

投资人的选择：价值认同与长期主义的博弈

硅兔君： 参加YC之后，你们当时融资是如何推进的？

Richard He: 入选YC之后，基本提前DemoDay两周就会有投资人来联系你，我们也会和对方见面聊。但是，其实一开始有100位投资人找你，最后可能也只有个位数的投资者明确表达了意向。

硅兔君： 你是如何选择投资者的？

Richard He: 当我们选择的时候，我们会选择那些真正认可你的投资者。说实话，早期投资都是投人，真正信任你的人会给你很多帮助，会帮助你实现梦想，而不是一直质疑你，或者要一些很漂亮的数据。UpHonest早期也会给我们很多资源介绍，让我感受到了真诚。

如果一开始就在想着投资回报或者退出的话，可能不是特别适合种子轮期间的投资人选择。

面对质疑：从容应对与数据驱动的自我迭代

硅兔君： 创业初期，你们怎么面对一些客户的“闭门羹”或者是质疑？如何让客户相信我们的产品，接受服务的？

Kathryn： 早期测试阶段，其实有人骂也没关系，你至少知道自己是哪里做错了。最怕是中间某一步走错了，但是也没有客户用、没有企业说导致大量时间精力浪费。质疑没关系，重点在不断进步。

Richard He: 我们一开始会让对方给我们一些具体的理由。因为我们产品主要围绕着数据，所以拒绝的理由大概也就分为几类：

如果是数据的数量不够，或者数据找得不够精准，我们就会说那你再给我几周的时间，我给你找最精准的数据，然后做一些人工的调整与训练，把数据的质量提高。数据产品的好处就是它非黑即白，没有特别多争议的空间。

华人创业的机遇：AI变革下的新起点

硅兔君： 你现在感觉华人在AI创业还是一个好机会吗？

Richard He: 我觉得华人创业的肯定是有机会的，尤其现在会比以前可能会更好一些。但是并不是说华人创业更好，而是在AI变革之下，很多投资人乐于去听你的想法，而不是上来就质疑为什么别人没做，或者别人放弃的情况。

硅谷华人社交网络：助力与特质

硅兔君： 在硅谷创业，华人社交网络会带来哪些有效加持？你在Scout活动中，接触不同创业者的时候，会发现华人创业群体有些不一样的特质吗？

Richard He: 我感觉在2015、2016年的时候，华人创业圈的影响力可能并不是很大，尤其是你英文说得不好的话，可能会有很多阻力。但现在，硅谷有了一些支持华人创业的孵化器或者社群出来，像是Scout活动、Beta University活动，搭建华人社交网络，也会让华人创业的阻力少了很多。

深入销售腹地：100+对话背后的痛点挖掘

大模型的选择：基准测试与性价比的权衡

硅兔君： Openmart从诞生之初，就带有强烈的大模型时代创业公司的色彩，我们如何选择接入的AI大模型？

Richard He: 我们有一套自己的评价体系，有合适的模型都会直接跑一遍我们的benchmark（基准），合适的话，我们大概在1个多小时间内就能换上新模型。我们会选择一些适合我们不同需求模块的模型，例如我们需要处理上千万或者上亿个不同小商户的网站，需要（容量）比较大的模型，但是在输入字符，我们搜索的关键词不会太长，所以我们需要从产品出发，根据不同模块的需要，权衡性价比，再去接入合适的大模型。

细分市场的锚定：初创公司的生存之道

硅兔君： 所以还是要去寻找细分的垂直市场，在上面扎根。尤其是在AI搜索领域，可能初创公司需要去寻找一个更为细分的锚点和市场。不过在AI搜索的销售领域，也有不少公司，例如做了很多年的商业搜索引擎公司——Zoominfor，Openmart作为一家创业企业优势在哪里？

Richard He: 我感觉现在其实和2000年的互联网泡沫比较像，很多公司都声称自己能做这个，能做那个，但我觉得做实事是比较重要的，要保持着first principle thinking原则（第一性原则），不要幻想一个需求，幻想一个市场。

竞争的本质：伪需求与真实痛点的区分

Richard He: 有竞争对手实际上本身并不可怕，可怕的是没有需求，也就是你可能没有竞争对手，这也可能说明你这个产品根本没有人想去用，是一个伪需求。

痛点验证：奶茶店经历与SaaS需求的共鸣

硅兔君： 从确定这是一个痛点，到确定这个痛点是可以通过技术解决的，这个过程持续了多久，不同销售行业或许这些痛点并不同？

Richard He: 我们企业从创业的第一天就选择先去找用户痛点，然后我们再去解决用户痛点。我们先看有没有真正的痛点，再思考为什么过去20多年没有人解决这个痛点？这背后无非就是两个情况，一个是痛点不够大，另一个是痛点不好解决。那现在AI能不能解决这个问题，如果AI能够解决，也就会带来新的启发。

一开始是因为Kathryn的亲身经历，她因为卖奶茶，发现有这些问题。等我们进入了YC，发现软件公司这方面的需求更大。对于奶茶店来说，只要进入几家头部的品牌商就可以了，但是SaaS软件需要广撒网，需要找到全美类似健身房、快餐店、小超市这样小商户，然后拿到这些联系人的联系方式。这类信息很分散，之前销售都是人工像一个侦探一样去寻找。

销售的困境：人工成本与绩效的矛盾

Richard He: 另外，美国因为人工成本很贵，每一个销售自己并不想做这件事的，因为他跟他的绩效没有关系。所以我们就帮助这些销售去减少他们最痛苦的一件事情，就是这种手工脏活累活。

“厚脸皮”的价值：实地调查与需求画像的构建

Richard He: 我们一开始会去拜访很多销售公司，然后在他们公司一坐就是一整天，专门观察他们的销售人员每天在实际工作时会遇到哪些问题，思考这些问题能不能通过AI解决。我们大概做了十几家的实地调查，然后又在一个多月内与上百家的一线商家沟通，得出结论这是真正能够解决销售人员痛点的问题，是他们所需要的。

硅兔君： 这个故事很有意思，销售愿意让你们跟着一起做实地调查吗？你们聊了几个人最终形成这样的需求画像？

Richard He: 得稍微不要脸一点，耗着，观察他们这一天在做什么？但是积累越多信息就对你越有用。总之我们最后聊了100多个客户。

痛点的优先级：付费意愿与决策者的考量

硅兔君： 在聊的过程中你们会带着什么问题，快速了解销售的需求？

Richard He: 首先要先收集他的痛点，然后每一个痛点你去看他的付费意愿大概是多少、谁会去为这个痛点买账。比如说我刚刚说的，既然跟他的销售绩效没有太大关系，那应该卖的是他销售的头。因为销售管理者是想让整个团队的效率更高的，所以你就要去卖给他了，而不是卖给真正的销售人员。

通用模型与垂直领域：Openmart的护城河

硅兔君： 接入大模型，有利有弊，这也是大模型时代生长出来的创业公司都面临的挑战——理论上，通用模型公司能做一切，确实也有一些公司因为OpenAI等进入了这个领域而宣告倒闭。Openmart怎么能做到不被“吃掉”？

Richard He: 尽管理论上来说，通用大模型can do anything（能做一切），但实际上，做得好不好是另一回事。OpenAI这样的大公司不会切入到中小层商企如此细致赛道里。在数据层，他们也没有高质量的训练数据。

我们的优势在于我们可以处理大量长尾的信息，然后将其整合成一个本地化信息的数据库，数据库本身的价值可能能达到百亿级别，但对OpenAI等大公司来说，就是一个小蛋糕。

数据收集的挑战：非结构化数据与AI的价值

硅兔君： 小商家有很多分散的信息，这些数据怎么收集？

Richard He: 这就是我们在最初就决定使用生成式AI的原因。我们的最初想法是，解决一些用户想找一家超市的信息——这家超市什么时候开的，谁是老板以及老板的联系方式。这些信息很多会来自于评论区或者报道中，并非结构化的数据，过去都是需要人工获取，成本较高，现在AI就很适合处理分析这些长尾信息。

AI agent的多层确认与人工抽查

硅兔君： 看起来都是一些非结构化的数据，AI会怎么处理？

Richard He: 我们主要通过2到3层AI agent去做一个不同信源的交叉确认。同时，我们也会随机抽查做一部分人工确认，包括我们的客户也会及时反馈我们的信息是不是准确的。这也是data mode（的好处）之一，用户使用越多，我们的数据反而就会越来越准确。

隐私保护：GDPR compliance与用户自主选择

硅兔君： 在收集数据的过程中，如何解决隐私保护的问题？

Richard He: 我们来源主要是GDPR compliance（再确认），它是在公开网络可以被访问到数据信息。我们的获取方式一直是以保护隐私用户角度出发的。而且我们也有一些选项提交给用户，用户也有一些选项提交给用户，用户可以说不想平台保留数据，可以勾选相应的选项。

定价策略：价值导向与客户心理价位的博弈

硅兔君： 小客户对价格更加敏感，你们如何定价，并确定他们会买单？

Richard He: 我们现在认为定价实际上跟大模型成本不是特别挂钩，主要是跟客户的价值挂钩。因为我们发现对于销售们来说，他们其实不管产品的成本是多少，他们只在乎自己想要的信息有没有拿到，以及拿到后能够带来多大的机会。我们现在认为产品的价值其实是和使用的人数有关，主要按席位收取费用，越多的人使用我们的平台，用户从平台中获取的价值越高，我们的产品价格也对应增长。

目标客户：C轮后的增长需求与定制化服务

硅兔君： 你们现在主要服务的对象是谁？他们对产品每月999美元的定价是否敏感？

Richard He: 我们服务的是基本上都是融完C轮、D轮的公司。他们更关注的是客户的增长速度与规模。

比如说，现在有一家融资C轮的公司，他想要能够顺利地进行下一轮的融资，可能需要从1000个理发店的客户数增长值有20000万个，那他们就非常需要一个能找到全美20000+理发店联系方式的平台。对他们来说，数据库能够覆盖的范围是第一要素，其次是数据的质量，以及数据的数量，价格不是最重要的。

不过，我们现在也是在测试客户的心理价位区间，也和根据市场情况有所调整。我们还会根据客户的需求做一些定制化服务，收取一些服务费。目前，盈利一半来自于订阅用户，一半来自于大公司的定制服务。

AI重塑销售：机遇与挑战并存

销售线索的未来：AI辅助与全面取代的辩证

硅兔君： 从人工黄页，到电话簿，再到AI。未来人们获得销售线索的方式将会有哪些不同，会被AI完全取代吗？

Richard He: 我觉得这个得分情况，现在从产品的角度来看，销售在卖产品的时候，AI仍然还是一个辅助工具，销售本身还是一个行为。如果是个机器人跟我在那儿讲述产品，推货，我会觉得是一个非常大的减分项。

但如果单指信息检索，我想知道你这个人之前干了什么事儿，这些背景调查我觉得是AI完全能取代，而且会取代得非常全面，我甚至可以把你过去的全部用AI检索出来。

我觉得未来AI可能会参与到更多的销售工作流程中，比如说，在电话推销时，AI会告诉你如何和这类人推销更合适；在邮件营销时，AI会自动帮你起草文件等等。

理想的AI搜索产品：底层数据与信息搜集工具的重要性

硅兔君： 你觉得好的AI搜索产品会是什么样的？

Richard He: 我感觉要有底层的数据，以及信息搜集的工具，是比较重要的。就比如说，如果一个AI搜索引擎，它依赖的就是一个谷歌搜索作为唯一信息源的话，那我觉得它有一天总会被谷歌取代。

现在垂类的AI搜索工具也比较多，如果是To C的话，通用搜索工具可能还是会在谷歌、微软Bing手里，但后续垂类应用出来，大家可能也会主要尝试更多的新玩法。

生存还是毁灭：Openmart的底气与客户痛点的坚守

硅兔君： 现在的商业社会的新陈代谢也很快，创企成立的多，倒闭的也快，你觉得Openmart能活过明年吗？

Richard He: 我们肯定可以，因为我们就是拿到痛点、解决痛点，只要客户的痛点一直存在，我们就能一直活下去，我们完成了idea的验证，也走上了稳定运营的道路。

本文 huobi1566.com 原创，转载保留链接！网址：http://www.huobi1566.com/post/1418.html