为销售团队提供在通话开始前就了解交易的AI
每个使用AI准备通话、起草后续邮件或研究账户的销售代表在每个会话开始时都面临空白的状态。上周发现通话的潜在客户背景、冠军提出的异议、经济买家提到的竞争担忧——这些都需要手动重建。MemoryLake为销售团队提供跨每个模型和每个会话的持久共享AI记忆,因此交易背景得以积累而不是消失。您的AI准备工具对交易的了解与您最优秀的代表一样。
记忆问题
一名客户经理使用AI准备续约通话。他们花费十五分钟提取账户历史,重新解释潜在客户的优先事项,并重建上次QBR的异议。当他们打开会话时,这些背景信息并不存在。当客户经理离开公司时,他们所积累的每个AI辅助的交易洞察也随之离开。进行关键账户外联研究的SDR们重复了同事已经完成的工作——因为在AI工具之下没有共享的记忆层。
MemoryLake的不同之处
无需重建的交易时间线
事件记忆按时间顺序记录交易里程碑、关键对话和决策者互动。打开任何交易,完整的时间线立即可供AI使用,无需手动重新输入。
带有来源归属的潜在客户数据
事实记忆存储结构化的账户和联系人数据,并进行来源跟踪。当两个代表记录关于潜在客户优先事项的不同信息时,MemoryLake会标记冲突,而不是默默接受最新版本。
整个团队可访问的共享手册
技能记忆存储异议处理框架、发现问题集和竞争定位指南作为可重用的工作流程。每个代表都可以从同一知识库中获取信息,而不仅仅是他们自己的AI聊天历史。
永久免费 · 无需信用卡
工作原理
- 连接 — 通过REST API或MCP连接您的团队AI工具,并连接您的CRM、Google Workspace或Office 365,使账户数据和电子邮件线程从第一天起就是记忆层的一部分。
- 结构 — 交易活动进入事件记忆,按时间线排序。潜在客户和账户事实进入事实记忆,带有版本跟踪。团队手册和框架进入技能记忆,具有共享访问权限。
- 重用 — 当一名代表打开AI会话以准备通话时,他们可以立即访问完整的交易历史、潜在客户的记录关切以及团队当前的异议处理方法——在毫秒内,无需任何重新简报。
前后对比
| Without MemoryLake | With MemoryLake | |
|---|---|---|
| Call prep | Manually reconstruct deal context in every AI session | AI opens with full deal timeline, stakeholder notes, and prospect priorities |
| Rep handoffs | New rep starts from zero or inherits unstructured notes | Structured Event and Fact Memory transfers the full account context |
| Objection handling | Each rep relies on their own recall or personal AI chat history | Shared Skill Memory gives every rep access to the team's collective playbook |
| Deal intelligence retention | Leaves when the rep does | Persistent team memory means institutional knowledge stays with the organization |
为谁而建
MemoryLake是为销售团队、客户经理和使用AI模型进行研究、准备和跟进交易的SDR而建的——每次会话结束或同事接手工作时都会失去潜在客户和账户背景。它特别适用于处理复杂的多利益相关者交易的团队,在这些交易中,背景需要在几个月和多个代表之间存活,以及希望其AI工具能够积累交易智能而不是在每次会话中重置的销售组织。
在你自己的账号上跑通这个场景
客户成功团队把 160 个客户的续约记录存进 MemoryLake,助手通过 MemoryRouter 挂一个 boundary 来回答。单个客户的查询、单个客户经理的名单都对;可全队本季度到期的是 40 个客户,回复只列出一半左右,而且不说自己不全。这个 demo 演示原因,以及修法:先计数。
你会看到
- 三个单点查询和一位客户经理的 8 个续约,经 MemoryRouter(
router chat --boundary):9 次运行全部正确 - 全队 40 个续约,同一条命令:9 次运行每次只列出 9~33 个,列出的名字全对,没有一次说名单可能不全
- 让 Claude 走同一个 boundary 问同一句话,并先原样抄出它收到的记忆:是一组有上限的正确记录,约 20 条,从未到 40
- 先计数:
fact list --query返回全部记录(不是 top-k),应用自己按季度筛选,再用router chat --body把完整名单交给模型:9 次运行 9 次 40/40。另有renewals、ask与本地 Web 界面
需要: 一个 MemoryLake API key · memorylake CLI · Python 3.9+
运行
git clone https://github.com/memorylake-ai/memorylake-usecases.git cd memorylake-usecases/renewal-pipeline-memory export MEMORYLAKE_BASE_URL=https://app.memorylake.cn/openapi/memorylake export MEMORYLAKE_API_KEY=sk-… python3 demo.py # or: python3 web/server.py
看它跑起来 · 真实录制,未剪辑
相关场景
常见问题
我们的代表已经在Salesforce中记录活动。为什么我们还需要在此基础上增加AI记忆?
我们的代表已经在Salesforce中记录活动。为什么我们还需要在此基础上增加AI记忆?
Salesforce捕获结构化的CRM数据——阶段变化、通话记录、机会字段。它没有捕获推理、细微的竞争情报或您的代表在ChatGPT或Claude中进行的AI辅助研究。MemoryLake填补了CRM中输入的内容与您AI会话中实际发生的内容之间的空白,使所有这些背景信息可搜索和可共享。
如果两个代表对同一账户有冲突信息,这种情况如何处理?
如果两个代表对同一账户有冲突信息,这种情况如何处理?
事实记忆包括内置的冲突检测。如果两个代表记录关于潜在客户的优先事项或预算权限的不同数据,MemoryLake会显示出差异,而不是覆盖早期记录。两个数据点都保留了来源归属,因此经理或高级代表可以在完整背景下解决问题。
新代表能否在不与前任负责人交谈的情况下了解现有账户?
新代表能否在不与前任负责人交谈的情况下了解现有账户?
是的,这是最直接的用例之一。当新代表被分配到一个账户时,他们可以查询MemoryLake以获取完整的交易历史——每个AI辅助的会话、每个记录的事实、每个时间线事件。他们不需要追踪前任代表或从电子邮件线程中重建背景。账户历史是持久的、可搜索的,并且可以立即访问。