行业参考 · 互联网 · 营销 · 证据 E1
How we Grow with Agent-first GTM
这是公开报道的其他企业案例，不是 Alan 交付的项目。内容由 AI 收集整理，以原文为准。
企业遇到的问题
传统漏斗依赖表单、内容线索和人工聊天团队，难以扩展TAM并高效转化。
概要
HubSpot系统性用AI Agent重构GTM：Demand Agent增加345000个TAM账户；Inbound Agent自动处理82%入站聊天；Prospecting Agent每季度预约超过10000场会议；AI指导销售使成交胜率提升13%；Customer Agent解决约60%内部支持。
原文写明的事实
- Demand Agent added 345,000 accounts to our total addressable market
- Inbound Agent, a chatbot on our website that handles 82% of all inbound chats with zero human involvement
- Qualified leads from AI-generated answers grew 1,850% between Q1 2025 and Q1 2026
- AI-personalized outreach books over 10,000 meetings per quarter
- we are seeing a 13% increase in win rate for deals where AI guidance is used
- Customer Agent now resolves roughly 60% of our internal support inquiries without human intervention
- Demand Agent...generates a prospect value score for every account: a prediction of both likelihood to close and expected ARR
- AEO Agent...HubSpot is now the most visible CRM in LLMs
怎么做的
- 输入：潜在客户公司数据、网站聊天、销售线索、交易、内部支持工单
- 处理：多个Agent分阶段负责TAM扩充、入站聊天、个性化外联、销售指导和客服解决
- 数据：CRM客户数据、意图信号、网站行为、内部支持数据
- 动作：Agent自动执行，人工在关键节点提升影响
- 输出：345000个TAM账户、每季度超10000场会议、胜率提升13%、客服解决约60%
如果你也想做：复制评估
AI 初评，供参考。具体能不能做，要看你企业的数据、流程和人。
- 难度：高（高度可复刻）
- 需要的能力：线索评分Skill、会话式聊天Skill、个性化外联Skill
- 需要接的数据/系统：CRM、网站聊天、邮件或日历、支持工单系统
- 仍需人工的环节：成交阶段人工介入；AI结果复核
- 风险：过度自动化可能降低高价值对话质量；数据偏差影响线索评分
- 原文没披露的：多项数字为自述口径；具体Agent的技术配置未展开
全漏斗Agent模式已在HubSpot自身跑出可量化结果，但复刻需多系统打通和团队流程调整。
来源
证据说明：HubSpot第一方公司新闻博客，数据自报；模型自称 E2，按来源结构下调为 E1。