想象一下這個場景：你是某個知名消費品牌的CFO，公司產品在Target、Walmart、亞馬遜等大型零售商都有銷售，賬面看起來一切正常。但每個月結算時，你會發(fā)現一個奇怪的現象：這些零售商支付的金額總是比賬單少20%左右。不是一次兩次，而是每個月都這樣。你想證明他們少付了，但要做到這一點，需要你的團隊翻閱數百頁的發(fā)貨記錄、登錄幾十個不同的零售商門戶網站、核對成千上萬條發(fā)票明細。這個工作量大到什么程度？你的財務團隊根本處理不過來，最后只能選擇放棄追討那些金額較小的扣款，眼睜睜看著幾百萬美元從指縫中溜走。

這不是虛構情節(jié)，而是消費品行業(yè)每天都在上演的真實故事。我最近深入了解了一家名叫Glimpse的公司，他們剛剛獲得了由Andreessen Horowitz領投的3500萬美元A輪融資。這家Y Combinator孵化的公司正在用AI解決一個價值上千億美元的行業(yè)痛點：零售扣款爭議。當我看到他們的數據時，我被震驚了：一家10億美元規(guī)模的消費品公司，Glimpse的AI agent在不到24小時內審查了17000條扣款記錄，發(fā)現了價值數百萬美元的可追回收入。而如果用人工處理，這個工作量需要將近兩年時間。

PS：我的出海新書已經上架了，我特意申請了公眾號讀者專屬的優(yōu)惠鏈接，可以享受半價折扣，歡迎感興趣的朋友購買。

同時我還特地建立了實名制的讀者群，我會在群里定期解答一些問題和開展線上線下活動，歡迎購書的朋友實名制入群，大家一塊交流，共同出海！

零售行業(yè)最昂貴的隱形成本

在深入了解Glimpse的解決方案之前，我想先解釋一下零售扣款這個問題到底有多嚴重。很多人可能不知道，消費品牌和零售商之間的交易并不像普通人想象的那么簡單。品牌給零售商開賬單，零售商付款，看似直截了當，但現實中，零售商幾乎總是會在付款時扣除一部分金額，然后提供一個理由——比如貨物損壞、發(fā)貨短缺、包裝不符合規(guī)范等等。

這些扣款有些是合理的，確實是品牌方的問題。但有相當一部分是無效扣款，也就是說，品牌其實沒有做錯什么，但零售商依然扣了錢。問題在于，要證明這些扣款是無效的，需要極其繁瑣的過程。財務團隊需要登錄多個零售商系統(tǒng)、提取分散的文檔、逐行審查明細、對照內部記錄進行核對，然后管理整個爭議流程。這個過程是如此復雜和耗時，以至于大多數品牌只能選擇性地處理那些金額較大的扣款，其他的就當作成本損失接受了。

我看到一個數據讓我印象深刻：行業(yè)分析師估計，消費品公司每年總共有80億美元的有效爭議因為運營能力不足而沒有被追討。這不是小數目。對于一個中等規(guī)模的消費品公司來說，無效扣款可能占到零售收入的5%甚至更多。想象一下，如果你每年的零售收入是1億美元，就有500萬美元在這個過程中蒸發(fā)了，而你卻因為沒有足夠的人手和系統(tǒng)來處理而無法追回。

更糟糕的是，這個問題的復雜性還在不斷增加。以亞馬遜Vendor Central為例，它有超過30種不同的扣款類別，從發(fā)貨延遲到包裝違規(guī)，每一種都有不同的規(guī)則和爭議流程。中等規(guī)模消費品公司的財務團隊通常只有幾個人，他們根本沒有足夠的人力去處理哪怕一半的扣款爭議。這就是為什么這個問題長期以來一直存在，直到現在AI技術的成熟才讓解決它成為可能。

Glimpse的AI解決方案到底有多強大

當我了解Glimpse的工作原理時，我意識到他們找到了一個非常聰明的切入點。他們沒有試圖構建一個通用的財務軟件，而是專注于解決一個具體但影響巨大的問題：自動化零售扣款的審查和爭議流程。他們的平臺使用AI agents來執(zhí)行整個流程，從數據收集到爭議解決，全程自動化。

具體來說，Glimpse的系統(tǒng)首先會自動登錄到各個零售商的門戶網站，找到所有相關文檔并集中起來。這聽起來簡單，但實際上非常復雜，因為每個零售商的系統(tǒng)都不一樣，數據格式也完全不同。有些是EDI（電子數據交換），有些是PDF文檔，有些是郵件，有些藏在網頁深處。Glimpse的AI需要理解所有這些不同的數據源，并把它們整合成一個統(tǒng)一的視圖。

接下來，系統(tǒng)會對每一條扣款進行分類。這一步看似簡單，實際上需要深度理解業(yè)務邏輯。AI需要知道這是哪種類型的扣款、涉及哪些產品、發(fā)生在什么時間、對應哪個訂單。然后，它會將這些扣款與品牌的內部數據進行驗證——比如供應鏈記錄、促銷日歷、發(fā)貨清單等等。通過這種交叉驗證，AI可以判斷哪些扣款是合理的，哪些是無效的。

最關鍵的是，當系統(tǒng)識別出無效扣款后，它不會停在那里，而是會自動提交爭議申請，跟進整個流程，追蹤現金回收的進度，然后將所有信息同步回品牌的ERP系統(tǒng)。整個過程從頭到尾都是自動化的，不需要人工干預。當然，Glimpse也保留了人工參與的環(huán)節(jié)，主要用于確保結果質量，比如跟進爭議以推動解決和現金回收，以及在分類和數據提取等關鍵步驟進行質量保證。

我覺得最厲害的地方在于，這個系統(tǒng)會越用越智能。每處理一次扣款，它就會學習和改進，不斷優(yōu)化分類、驗證和解決的能力。隨著時間推移，這會創(chuàng)造一種復合數據優(yōu)勢：每一次新的集成、每一個新客戶，都會讓整個網絡變得更智能、更有效。這就是為什么Glimpse能夠達到91%的爭議勝率，同時減少多達80%的人工勞動時間。

我看到一個客戶案例特別能說明問題。Evermark是Suave品牌和Chapstick的母公司，他們的FP&A高級總監(jiān)Sean Quinn說："像大多數主要消費品牌一樣，Evermark過去不得不為可以審查的扣款設定一個最低金額門檻，因為根本沒有足夠的時間或人力來審查每一條扣款。通過使用Glimpse的AI自動化審查和對賬流程，我們不僅取消了這個門檻，還解鎖了一個新的現金流來源，這將帶來數百萬美元的收入，而這些錢以前被認為是'核銷'或做生意的成本。"這段話的關鍵在于"取消門檻"——過去他們只能處理金額超過某個數字的扣款，現在每一條扣款都會被審查，這意味著大量之前被忽略的小額扣款現在都能被追回。

從失敗到成功：三個普渡大學朋友的轉型故事

Glimpse的創(chuàng)始故事本身就很有意思，它體現了創(chuàng)業(yè)中最重要的一點：快速試錯和果斷轉型的能力。創(chuàng)始人Akash Raju、Anuj Mehta和Kushal Negi是普渡大學的同學，他們最初做的項目跟現在完全不同：一個為Airbnb做產品植入的公司。這個項目在2020年啟動，但到了2024年，創(chuàng)始人意識到產品市場契合度不夠，決定徹底轉型。

用Akash Raju自己的話說："我們最終感覺缺乏產品市場契合度，決定做一次硬轉型。在這個過程中，我們接觸到了品牌的后臺辦公室，以及在零售中銷售的混亂局面,最終促使我們創(chuàng)建了今天的Glimpse。"這種轉型需要極大的勇氣，因為這意味著放棄之前所有的工作，從零開始。但正是這種決斷，讓他們找到了一個真正有價值的問題。

更讓我佩服的是，在轉型期間，創(chuàng)始團隊甚至有時候連工資都不發(fā)，完全靠對產品的熱情和信念支撐。這種"不達目的誓不罷休"的執(zhí)著精神貫穿了他們做的每一件事。而這種精神也得到了投資人的認可。他們通過一個共同的創(chuàng)始人朋友認識了Andreessen Horowitz的投資人，隨著業(yè)務的擴展建立了深厚的關系，最終促成了這次3500萬美元的融資。

有意思的是，這輪融資在命名上也有點故事。Glimpse去年在業(yè)務轉型后獲得了由8VC領投的1000萬美元融資，當時稱之為A輪?，F在這3500萬美元的融資也叫A輪，而之前的1000萬美元被重新定義為種子輪。加上轉型前的融資，公司總共已經籌集了5200萬美元。這種靈活的融資輪次命名在創(chuàng)業(yè)圈并不罕見，特別是對于經歷過重大轉型的公司。

團隊的執(zhí)行能力從他們2025年的表現就能看出來。他們在進入2025年時就設定了明確的戰(zhàn)略：招聘優(yōu)秀人才并在一起工作、深度嵌入客戶工作流程、采用面對面的市場策略。他們的內部口號是"無處不在"——通過持續(xù)出現并提供幫助來建立信任。這個策略奏效了。2025年，他們實現了10倍的收入增長，為客戶追回的收入增加了10倍，處理的發(fā)票量增長了5倍達到10億美元，團隊規(guī)模擴大了5倍達到25人以上，客戶數量增長了3倍達到150多個消費品牌。

AI Agent在財務自動化中的真正價值

Glimpse的案例讓我對AI agent在企業(yè)應用中的價值有了更深的認識。過去一年，大家都在討論AI agent，但很多時候停留在概念層面或者demo階段。而Glimpse則展示了AI agent在真實業(yè)務場景中能創(chuàng)造的實際價值：直接影響企業(yè)的利潤率。

我認為Glimpse成功的關鍵在于他們選擇了一個完美的切入點?？劭顮幾h這個問題有幾個特點，使它特別適合用AI來解決。這是一個高度重復性的任務，每個月都會發(fā)生成千上萬次。它涉及大量非結構化數據的處理，從PDF文檔到網頁數據到電子郵件。它需要跨多個系統(tǒng)進行數據驗證和匹配。它有明確的成功標準：爭議是否成功、錢是否追回。所有這些特點加在一起，讓AI agent能夠發(fā)揮最大優(yōu)勢。

更重要的是，這個問題有立竿見影的投資回報。Glimpse的一個投資人曾說，他們尋找的是"第一季度就能收回成本的軟件"——而扣款追回工具完全符合這個標準。當一個品牌每年能通過Glimpse追回幾百萬美元時，軟件的訂閱費用相比之下就顯得微不足道了。這種清晰的價值主張讓Glimpse能夠快速獲客并保持極高的客戶留存率。

我也注意到Glimpse并沒有止步于扣款爭議。他們已經在2025年推出了幾個重要的平臺能力擴展。除了最初的KeHE和UNFI，他們現在支持Target、Walmart、亞馬遜、Sam's Club等多個零售商。他們推出了端到端的AI revenue recovery agents，可以處理扣款檢索、編碼、驗證和索賠提交的全流程。他們還開發(fā)了自動化現金應用功能，自動化了財務團隊在月末結賬時最痛苦的工作流程之一。

特別值得一提的是他們推出的AI扣款明細化功能。每一條扣款都附帶備份文檔，這些文檔通常超過100頁，充滿了混雜的零售商、SKU、經紀人和非結構化細節(jié)。大多數品牌不使用這些數據，不是因為它沒有價值，而是因為手動大規(guī)模處理這些數據根本不可能。Glimpse的AI可以將每一個相關細節(jié)提取到結構化的表格格式中，這解鎖了全新的智能層次：準確的經紀人傭金計算、按零售商的盈利能力分析、貿易分析、促銷表現評估、利潤率改進策略等等。

這讓我想到一個更深層的問題：Glimpse真正在構建的是什么？表面上看，他們是一個扣款爭議自動化工具。但實際上，他們在構建的是CPG品牌的AI基礎設施。他們的CEO Akash Raju說："我們的愿景是成為CPG和零售品牌的AI基礎設施。"這個定位非常聰明?？劭顮幾h只是一個切入點，一個能夠快速證明價值的楔子。但通過解決這個問題，Glimpse獲得了對品牌零售運營數據的深度訪問權限，這讓他們能夠擴展到更廣泛的零售合規(guī)自動化領域。

據報道，他們的路線圖包括促銷對賬、貿易支出優(yōu)化、零售商支付行為預測分析等模塊。一位接近這筆交易的投資人表示，公司最終可能會構建一個完整的"零售財務運營平臺"，位于ERP系統(tǒng)和零售商門戶之間,為CPG品牌自動化整個訂單到現金的周期。如果這個愿景實現，Glimpse將不僅僅是一個工具，而是成為CPG品牌運營的核心基礎設施。

這對整個行業(yè)意味著什么

Glimpse的快速崛起和成功融資，我認為標志著企業(yè)AI應用進入了一個新階段。2025年,消費者AI應用占據了所有頭條，但投資人現在開始大舉押注那些能解決不起眼但昂貴的商業(yè)問題的AI工具?？劭钭粉?、發(fā)票對賬、合規(guī)監(jiān)控，這些都不會產生炫酷的demo，但它們直接影響EBITDA。這正是能在經濟下行時期生存下來的價值主張類型，也是Andreessen Horowitz愿意為之支付高額企業(yè)SaaS倍數的原因。

我觀察到一個有趣的趨勢：競爭格局正在快速升溫。Claimify去年為類似的零售爭議自動化籌集了1200萬美元的A輪融資，而像HighRadius和Billtrust這樣的傳統(tǒng)玩家正在向他們的應收賬款平臺添加AI模塊。但Glimpse的Y Combinator背景和在中端市場CPG品牌中的早期牽引力,在融資過程中給了它優(yōu)勢。據報道,公司的收入同比增長了14倍,盡管具體的ARR數字沒有披露。

8VC的持續(xù)參與也很能說明問題。這家公司領投了Glimpse2024年的種子輪，并在這輪A輪中繼續(xù)跟投。8VC有投資自動化手動財務流程的垂直SaaS的記錄。該公司合伙人Alex Kolicich此前曾對福布斯表示,8VC尋找的是"第一季度就能收回成本的軟件"——當品牌每年能追回六位數或七位數時,爭議追回工具完全符合這種ROI模式。

從更宏觀的角度看，Glimpse的成功驗證了一個簡單的論點：自動化那些每年讓CPG品牌損失數百萬美元的不起眼的中臺工作,這里面有大生意。有了Andreessen Horowitz的支持和一個從第一天起就能提供可衡量投資回報的產品,公司處于有利位置去主導零售爭議解決這個品類。

真正的考驗將在未來12個月到來,看Glimpse能否超越其初始客戶群進行規(guī)模化,并證明該平臺能夠處理企業(yè)級CPG品牌管理成千上萬SKU跨越數十個零售合作伙伴的運營復雜性。如果產品能兌現其利潤率回收承諾,這輪A輪融資在公司下一輪融資時可能看起來像是撿了個大便宜。

我特別認同Andreessen Horowitz合伙人Joe Schmidt的觀點："數十年來,零售后臺運營一直依賴電子表格和碎片化的工作流程。讓我們印象深刻的是客戶推薦——Glimpse正在提供清晰、可衡量的投資回報。通過將AI直接嵌入核心財務和運營工作流程,他們正在將這個市場從增量工具擴展為現代品牌的基礎設施。"這段話準確地概括了為什么Glimpse重要：它不是在邊緣改進現有流程,而是在用AI重新定義這些流程應該如何運作。

我對AI改造傳統(tǒng)行業(yè)的思考

Glimpse的故事讓我對AI如何改造傳統(tǒng)行業(yè)有了更深的認識。消費品行業(yè)是全球最大的市場之一,但它在現代軟件方面基本上沒有被觸及。品牌向主要零售商銷售時,通常要處理分散在幾十個零售商門戶和遺留系統(tǒng)中的碎片化、非結構化數據。分析師花費無數小時從門戶拉取數據、從文檔中提取行項目、在電子表格中工作,來驅動像對賬扣款、爭議無效費用、手動應用現金這樣的工作流程——這些工作直接影響利潤率,但幾乎沒有戰(zhàn)略杠桿。

整個行業(yè)每年在后臺勞動力上花費超過1000億美元,而這些工作從之前幾波企業(yè)軟件浪潮中獲得的生產力提升非常有限。AI第一次讓端到端自動化這種復雜性成為可能。我認為這才是最重要的洞察：不是所有問題都能用傳統(tǒng)軟件解決,有些問題需要等待技術進步到某個臨界點才能被有效解決。

我也在思考為什么現在是AI改造這些傳統(tǒng)行業(yè)的最佳時機。技術上,大語言模型已經足夠強大,能夠理解和處理非結構化數據。商業(yè)上,企業(yè)正面臨利潤壓力,需要保護利潤率,特別是在零售商整合權力并施加更嚴格的合規(guī)要求的情況下。僅亞馬遜Vendor Central就有超過30種不同的扣款類別,從延遲發(fā)貨到包裝違規(guī)。中型CPG公司的財務團隊往往缺乏人力去爭議其中的一半。這就是為什么像Glimpse這樣的AI驅動平臺變成了關鍵基礎設施而不是可有可無的工具。

我相信我們將看到越來越多像Glimpse這樣的公司出現,專注于用AI解決特定行業(yè)的特定痛點。這些公司不會試圖構建通用AI,而是會深入某個垂直領域,真正理解業(yè)務流程,然后用AI重新設計這些流程。這種方法比構建通用工具更難,因為需要深厚的行業(yè)知識,但一旦成功,壁壘也更高,價值也更大。

Glimpse的3500萬美元A輪融資只是一個開始。我預計在未來幾年,我們將看到大量資本涌入這個領域,推動AI在傳統(tǒng)行業(yè)后臺運營中的應用。那些能夠像Glimpse一樣找到高價值切入點、快速證明ROI、然后擴展平臺能力的公司,將有機會成為各自領域的基礎設施級玩家。而對于CPG品牌來說,擁抱這些AI工具不再是選擇題,而是生存必需品。那些能夠更早采用、更好利用AI優(yōu)化運營的品牌,將在競爭中獲得顯著優(yōu)勢。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。