四个 agent 替一家门店干营销、销售、客服和分析：香港这家公司拿了 1000 万美元 A 轮，卖的是「成交归因到对话」

1000 万美元在 2026 年的 AI 融资里不算大钱。但这家公司的产品结构值得单独拆一遍。

它卖的是四个岗位，不是一个聊天框

• AI 营销 agent：一句话生成客户分层，再生成整套投放文案。
• AI 销售 agent：在对话里推荐商品、直接成交。
• AI 客服 agent：7×24 回答咨询。
• OmniClaw：经营分析，实时跟踪客户行为、对话趋势，以及按门店维度的收入归因。

渠道覆盖 WhatsApp、LINE、Facebook Messenger、Instagram、微信、KakaoTalk、TikTok。公司是 Meta 的 Business Partner、WhatsApp 商业解决方案提供商、LINE Biz-Solutions 技术伙伴——这三张资质本身就是门槛。

数字

• 融资：1000 万美元 A 轮，Openspace Capital 领投，Darwin Ventures、Acorn Pacific Ventures 参投。
• 采用速度：OmniClaw 6 月上线，两个月内约 300 个品牌接入；同期使用营销 agent 的品牌数量翻 3 倍。
• 存量规模：公司称累计服务超过 5000 家客户，帮这些客户带来超过 1 亿美元收入。客户名单里有 Dyson、FILA、屈臣氏、欧舒丹、VF、SMCP、美赞臣。
• 定位差异：通稿特意强调”不同于只把对话聚合起来的共享收件箱”——它把营销、销售、客服统一到同一个客户档案上。

这套结构为什么比”聊天机器人”值钱

因为它解决了一个收费难题：怎么证明你的 AI 有用。

卖”智能客服”，客户第二年就会问”所以呢，省了几个人”。省人力是个软指标，砍预算时第一个被砍。卖”成交归因”，客户看到的是”这个月从对话里来的订单多少钱、其中多少发生在门店”——这是能对上财务报表的数字，也是能按比例收佣金的基数。

Omnichat 那句”把收入归因到对话，包括在实体门店完成的购买”，是整个产品里最贵的一句话。它把线上对话和线下成交接上了，而线下的那部分数据，恰恰是绝大多数 SaaS 拿不到的。

一人公司能抄什么

你不用做七个渠道，也不用拿 Meta 的资质。可抄的是三层结构：

1. 一个客户档案，而不是三个工具。 大部分小团队的做法是：客服用一个、群发用一个、报表用一个，三个系统各有一份客户名单。先把”同一个客户的所有对话和订单在一个地方”这件事做到，agent 才有意义。
2. 把 agent 按岗位切，不按功能切。 “生成文案”是功能，“营销”是岗位。按岗位切，客户能听懂你在替谁干活，也才知道该付多少钱。
3. 从第一天就埋归因。 哪怕只是一个字段：这条线索来自哪个渠道、哪次对话、最后有没有成交。没有这个字段，你第二个月续费时就只能讲感觉。

泼冷水

• 1000 万美元说明资本市场给的是”稳”，不是”爆”。 这个赛道已经打了好几年，能做到 5000 家客户才拿 A 轮，说明它不是靠一个新模型就能翻盘的生意。它的壁垒在渠道资质和客户关系，不在模型。
• “帮客户带来 1 亿美元收入”是累计数、公司自述。 5000 家客户分摊下来，一家平均 2 万美元，是几年的累计流水，不是增量，也不等于 Omnichat 自己的收入。任何”帮客户赚了多少”的数字都要先问口径。
• 归因是最容易自欺的一环。 客户本来就要买，只是最后在对话里下了单，这算不算 agent 的功劳？大部分归因系统会算。你要是拿这个去跟客户收佣金，第三个月就会被质疑。
• 小商家付不起这个价。 这套东西的客户是有几百家门店的品牌。一个人接单，服务对象最好还是”有 3 到 20 家店、老板自己盯微信”的那一档，别硬往上游走。

具体建议

1. 这周给你的客户交付物加一页”上个月从对话里来了多少单”。数据不准没关系，先有这个共识，再谈改进口径。
2. 把你现在给客户做的东西按岗位重命名一次：营销 / 销售 / 客服 / 经营分析。你会发现有些活没人愿意付钱，砍掉。
3. 客户档案先去重：同一个手机号、同一个微信、同一个邮箱的对话，能不能合成一条。这一件事做完，大部分”AI 客服”的效果会自己好起来。
4. 如果你的客户在东南亚或港台，渠道优先级是 WhatsApp 和 LINE，不是微信。反过来也一样，别拿一套方案打两个市场。

原文：https://en.yna.co.kr/view/RPR20261027000700353