共计 1356 个字符，预计需要花费 4 分钟才能阅读完成。
Databricks co-founder shares his secrets for winning big enterprise customers
Turns out selling to big companies isn’t about having the shiniest tech:…
在 TechCrunch Disrupt 上 ,Databricks 联合创始人、现场工程高级副总裁 Arsalan Tavakoli-Shiraji 复盘了公司从初创期拿下第一批大客户的经历。他的结论有些反直觉: 技术过硬只是入场券, 真正决定成败的往往是人和流程, 以及能否找到合适的“靠山”。
📌“最好的技术”不等于订单
如今 Databricks 已是估值约 1900 亿美元的 AI 与大数据平台,财富 500 强中超过七成是其客户。但在早期, 它同样要为一场客户会议发愁。Tavakoli-Shiraji 坦言, 初创公司卖企业软件时最容易犯的错, 就是以为产品足够好就会自动成交。
他回忆过两次印象深刻的挫折: 一次是好不容易约到客户,见面才发现对方曾把职业前途押在 Databricks 的竞争对手身上, 根本无意再听第二家; 另一些早期交易则在法务、合同条款和安全审查环节卡住, 因为团队事先没有准备好答案。
- 产品能力决定你能不能上牌桌;
- 销售流程、合规材料和安全响应决定你能不能把牌打完;
- 关键决策人的既有立场, 常常比功能对比更有分量。
🔍 借大厂的渠道与信用敲门
Databricks 早期的破局方式,是把自己“挂”在更大的公司下面。团队曾多次尝试约见瑞银却无进展, 后来通过与微软达成合作、成为 Azure 云伙伴, 销售协议被纳入微软的商务条款体系, 微软的销售也开始主动约会、为这家初创公司背书。
合作打开门之后,新的问题也随之而来, 比如客户希望产品覆盖 Databricks 尚未进入的国家市场。他把这类麻烦称为“幸福的烦恼”。今天角色已经互换:Databricks 自己成了那棵大树,Hightouch、Addepar 以及后来被其收购的 Tecton, 都在以 Databricks 的条款与安全体系对外销售。
💡 卖 AI, 先回答“四个 C”
- Context(上下文): 模型能否像新员工入职一样, 学会企业自己的术语、流程和优先级;
- Choice(选择权): 客户能否自由切换模型, 而不是被单一供应商绑定;
- Cost(成本): 运行这套 AI 到底要花多少钱, 能否可控;
- Control(控制): 有哪些防护机制约束 AI 行为, 敏感信息如何保护。
📊 企业 AI 成熟度, 可能被高估了
他常用一个 1 到 5 分的自评问题来判断 CIO 们的 AI 进展:1 分意味着员工只是能用上 ChatGPT, 5 分意味着公司已经把新的 AI 能力嵌入业务流程并改变做事方式。多数受访者喜欢选“3 分偏 4 分”, 但在他看来, 真正谈过的企业里约 99% 仍停留在 1 分和 2 分。
换句话说,除了让工程团队写代码更快, 很多企业还没想清楚如何部署 AI 智能体并让它产生实际价值。遗留系统的改造成本、数据治理的欠账, 仍是横在面前的现实障碍。
🚀 几点观察
对做企业市场的创业公司而言,这段复盘提供了一条相对务实的路径: 先找到有渠道和信用的伙伴, 把商务与合规的“脏活”提前做完, 再用可替换、可计费、可管控的方案回应客户的顾虑。技术优势需要被翻译成采购语言, 才算真正完成了销售。
