Kundehistorier
Rox styrker salgsteams med AI-drevet forskning i stor skala via Perplexitys API

92 mio.
forespørgsler håndteret af Perplexitys API'er
300 mia.
tokens behandlet til forskning i stor skala
6 måneder
udviklingsarbejde sparet ved at bruge Perplexitys API'er
Problemet
Bedre kontoberigelse med AI-drevet dybtgående forskning
Da Rox blev lanceret i 2024, var den grundlæggende vision klar: at skabe et styresystem for omsætning, der giver salgsteams i store virksomheder mulighed for at fokusere på eksekvering frem for manuelt arbejde. Mens teamet realiserede en del af denne vision ved hjælp af AI-agenter, der automatiserer kernefunktioner lige fra identifikation af leads til vedligeholdelse af CRM, var der stadig huller i, hvordan platformen fremhævede eksterne data.
På det tidspunkt var Rox afhængig af både private data spredt ud over brugernes cloudmiljøer og datavarehuse og af indsigter hentet fra det offentlige web til kontoberigelse – rygraden i personaliseret opsøgende salg i stor skala. Men det viste sig at være ressourcekrævende at håndtere webcrawling og bygge et effektivt søgelag internt, og det trak udviklerne væk fra arbejdet med kerneproduktet.
»Vi indså hurtigt, at det ikke var noget, vi skulle bruge alle vores kræfter på internt,« siger medstifter Shriram Sridharan. »Vores tid var bedre givet ud på at videreudvikle vores platform – ikke på at bygge en søgemaskine fra bunden.«
For at kunne levere præcis og skalerbar kontoberigelse til sine brugere uden at binde sig til en tidskrævende intern udvikling havde Rox brug for en etableret AI-svarmaskine, der var:
- Troværdig: Rox vidste, at brugerne ville være tøvende med at stole på indsigter uden ordentlige kildehenvisninger. For at berolige dem skulle den ideelle løsning knytte hvert genereret svar til flere interne og eksterne kilder.
- Skalerbar: For at salgsteams gnidningsfrit kunne berige potentielt tusindvis af konti havde Rox brug for en svarmaskine, der kunne skalere til store datasæt og samtidig bevare en høj ydeevne.
- Tilgængelig: Selvom AI har haft en markant indvirkning på salgsområdet, har mange teams stadig meget forskellige tekniske færdigheder. Derfor skulle Rox' svarmaskine kunne levere handlingsorienterede indsigter selv ud fra de mest overordnede forespørgsler.
“Vores arkitektur hos Rox er afhængig af at kombinere private virksomhedsdata med dybdegående offentlig viden i stor skala. Perplexitys API'er gav os den hastighed, skalerbarhed og nøjagtighed, der skulle til for at gøre det problemfrit for vores brugere.”
Løsningen
Integration af Perplexitys API'er for at levere handlingsorienterede indsigter på tværs af tusindvis af konti
Perplexitys API'er gav Rox den søgeinfrastruktur, virksomheden havde brug for til at drive omfattende forskning i konti – uden at investere i en tidskrævende intern udvikling.
Rox' team for anvendt AI stod i spidsen for onboardingprocessen. Teamet arbejdede tæt sammen med Perplexitys interne team om at integrere to centrale API'er, der skulle understøtte platformens AI-agenter og samtidig give brugerne adgang til indbygget dybtgående forskning:
- Perplexity Sonar*
- Perplexity Sonar Deep Research*
Ved at give brugerne adgang til grundige indsigter med kildehenvisninger, mens AI-agenter håndterer manuelle opgaver i baggrunden, har Rox taget et markant skridt mod at blive det samlede styresystem for omsætning for salgsteams i store virksomheder.
Skræddersyet dybtgående forskning på tværs af tusindvis af konti
Med Perplexity Sonar Deep Research kan Rox' brugere køre tilpassede forespørgsler, der giver dem en bedre forståelse af hver enkelt konto og samtidig understøtter salgsarbejdsprocesserne i store virksomheder. Rox' forskningslag kombinerer indsigter fra flere udbydere, men det er Perplexity, der driver websøgningsfunktionerne – og giver sælgerne en hurtigere og mere pålidelig måde at hente ekstern kontekst ind i deres arbejdsprocesser.
Bedst af alt kan sælgerne tilføje forespørgslen som en kolonne i deres kontooversigt og dermed anvende disse skræddersyede indsigter på tusindvis af potentielle kunder – ubesværet skalerbarhed med blot nogle få klik. »Perplexity er i en helt anden liga end andre svarmaskiner, når det gælder kvalitet,« siger Damon Lin, stiftende ingeniør hos Rox. »Hastigheden, skalaen og nøjagtigheden af resultaterne sikrer, at ingen sten lades uvendt, når det gælder kontobaseret forskning.«
Problemfri understøttelse af agentdrevne salgsarbejdsprocesser
Perplexity Sonar driver Rox' agentdrevne arbejdsprocesser bag kulisserne og beriger konti med aktuelle, eksterne indsigter hentet fra det offentlige web. Det, der tidligere krævede timevis af undersøgelser, er nu automatiseret, så sælgerne kan arbejde hurtigere og målrette deres indsats mere strategisk.
For Rox' udviklingsteam fjerner Perplexity behovet for at vedligeholde en specialbygget søgestak, så teamet kan fokusere på produktinitiativer med større effekt. »At frembringe handlingsorienterede indsigter er Perplexitys kernekompetence,« forklarer Damon. »Når vi ved, at vores brugere er i gode hænder med deres API'er, kan vi fokusere på det vigtigste: at få Rox til at vokse.«
Resultatet
Salgsteams i store virksomheder får mere fra hånden
Med Perplexitys API'er har Rox ikke blot indfriet sin grundlæggende vision, men også udvidet sit kerneprodukt med indbyggede AI-funktioner, der gør det muligt for salgsteams at udnytte flere muligheder.
Effekten af disse AI-funktioner har været betydelig. Perplexity har håndteret ca. 300 mia. tokens og ca. 92 mio. forespørgsler i løbet af de seneste 6 måneder og har sparet udviklingsteamet for flere måneders udviklingsarbejde. Rox har hurtigt udviklet sig til et omfattende kontrolcenter for nutidens førende salgsteams i store virksomheder.
Og det er kun begyndelsen. Efterhånden som Rox skalerer til flere brugere, forespørgsler og arbejdsprocesser, kræver det en infrastruktur, der kan følge med uden at gå på kompromis med hastighed eller pålidelighed. »Skalerbarhed har altid været en afgørende faktor for os – og Perplexity er blevet ved med at skalere sammen med os,« siger Shriram.
*Sonar Chat Completions hedder nu Agent API og har flere modeller, værktøjer og forskningsbaserede forudindstillinger. Kom i gang med vores dokumentation her.