Rox 借助 Perplexity API，为销售团队提供规模化的 AI 驱动研究

挑战

借助 AI 驱动的深度研究，提升客户信息扩充能力

Rox 于 2024 年推出时，其创立愿景十分明确：打造一套收入运营系统，让企业销售团队专注于执行，而非手动工作。虽然团队已借助 AI 智能体实现了从潜在客户识别到 CRM 维护等核心职能的自动化，部分实现了这一愿景，但该平台在呈现外部数据方面仍存在不足。

当时，Rox 既依赖分散在用户云环境和数据仓库中的私有数据，也依赖从公共网络获取的洞察来进行客户信息扩充——这是规模化个性化外呼营销的支柱。然而，自行实施网络爬取并构建高性能搜索层耗费了大量资源，使工程师无法专注于核心产品工作。

“我们很快意识到，这并不是我们应该在内部倾注全部精力去做的事情，”联合创始人 Shriram Sridharan 说道，“我们的时间更应该用在完善平台上，而不是从零开始构建搜索引擎。”

为了在不投入耗时自研的前提下，为用户提供准确且可扩展的客户信息扩充服务，Rox 需要一款成熟的 AI 答案引擎，并满足以下条件：

• 值得信赖：Rox 知道，用户很难信任缺乏适当引用来源的洞察。为了让用户放心，理想的解决方案应将每个生成的答案链接到多个内部和外部来源。
• 可扩展：为确保销售团队能够顺畅地扩充多达数千个客户的信息，Rox 需要一款既能扩展到大型数据集、又能保持高性能的答案引擎。
• 易于使用：尽管 AI 对销售领域产生了深远影响，但许多团队的技术水平仍参差不齐。因此，Rox 的答案引擎需要做到即便面对最宽泛的查询，也能提供可付诸行动的洞察。

解决方案

集成 Perplexity API，为数千个客户提供可付诸行动的洞察

Perplexity API 为 Rox 提供了支撑大规模客户研究所需的搜索基础设施，而无需投入耗时的自研工作。

Rox 的应用 AI 团队主导了接入流程。他们与 Perplexity 内部团队密切合作，集成了两个关键 API，用于支持平台的 AI 智能体，同时为用户引入原生深度研究功能：

• Perplexity Sonar*
• Perplexity Sonar Deep Research*

通过为用户提供附有引用来源的深入洞察，同时让 AI 智能体在后台处理手动任务，Rox 在成为企业销售团队一体化收入运营系统的道路上迈出了决定性的一步。

覆盖数千个客户的定制化深度研究

借助 Perplexity Sonar Deep Research，Rox 用户可以执行自定义查询，在加深对每个客户了解的同时，为企业销售工作流提供支持。虽然 Rox 的研究层融合了多家提供商的洞察，但其网络搜索能力由 Perplexity 提供支持，为销售代表提供了一种更快、更可靠的方式，将外部背景信息引入工作流。

最重要的是，销售代表只需将查询添加为客户仪表板中的一列，即可将这些定制化洞察应用于数千个潜在客户，轻点几下便能轻松实现规模化。“Perplexity 的质量远远领先于其他答案引擎，”Rox 创始工程师 Damon Lin 表示，“其输出的速度、规模和准确性确保了在基于客户的研究中不放过任何细节。”

无缝支持智能体驱动的销售工作流

Perplexity Sonar 在幕后为 Rox 的智能体驱动工作流提供支持，利用从公共网络获取的及时外部洞察来扩充客户信息。过去需要数小时的研究如今已实现自动化，使销售代表能够更快行动，并更具策略性地锁定目标。

对于 Rox 的工程团队而言，有了 Perplexity，就无需再维护自定义搜索栈，从而能够专注于更具影响力的产品计划。“挖掘可付诸行动的洞察是 Perplexity 的看家本领，”Damon 解释道，“知道用户可以放心使用他们的 API，我们就能专注于最重要的事情：发展 Rox。”

成果

助力企业销售团队事半功倍

借助 Perplexity API，Rox 不仅实现了其创立愿景，还通过原生 AI 功能扩展了核心产品，助力销售团队把握更多商机。

这些 AI 功能带来了显著成效。在过去 6 个月中，Perplexity 处理了约 3000 亿个 token 和约 9200 万次请求，为工程团队节省了数月的开发工作。Rox 已迅速发展成为当今领先企业销售团队的综合控制中心。

而这仅仅是个开始。随着 Rox 不断扩展以支持更多用户、查询和工作流，它需要能够跟上发展步伐、同时不牺牲速度或可靠性的基础设施。“可扩展性一直是我们考量的重要因素，而 Perplexity 始终在与我们同步扩展，”Shriram 说道。

*Sonar Chat Completions 现已升级为 Agent API，提供更多模型、工具以及有研究支撑的预设。点击此处查看我们的文档，立即开始使用。