Answerly 想用嵌入式智能 FAQ 和自动应答减少客服工单：NLP 匹配预设答案，复杂问题才转人工，定位是客户与不堪重负的客服团队之间的中间件。但它生在 2013 年——当年的 NLP 根本接不住真实客户提问的千变万化。
死于产品承诺与技术现实的根本错位。系统要人工写 FAQ、搭决策树、训练匹配算法，实施周期拖到数月，由此陷入死循环：最需要自动化的高工单客户恰恰场景最复杂、Answerly 接不住；场景简单到能接住的客户又没足够工单量摊薄实施成本。更深一层：企业要的不是更少工单而是更满意的用户——偏转式设计一旦答非所问，用户被气两次，客服团队自然不愿为它背书，成了「必要的恶」而非战略投资。2015-2016 市场分裂：Intercom 与 Drift 把消息重新定位为增长工具，Zendesk 用工作流统治存量并让企业倾向优化人工而非换成不可靠的自动化。Answerly 卡在中间：太偏转做不了增长工具、太弱做不了工作流平台。55 万美元烧完，为 AI 熟得太早付出代价。
面向 B2B SaaS 的「客服到产品」反馈引擎：不止回答工单，而是把全渠道（聊天、邮件、通话）对话模式自动转化为排好序的产品改进。AI 聚类高频摩擦点、映射到具体产品模块，为工程团队生成含客户分群、ARR 影响与用户故事翻译的问题简报。洞察：客服工单是大多数公司完全浪费的最富产品情报源。接入既有客服工具（Intercom、Zendesk）与产品分析（Amplitude、Mixpanel），把对话与用户行为数据关联——十个企业客户在同一个导航处碰壁时，Resonance 不只是记录，而是产出一份精确到用户路径、受影响客户及其 ARR 的产品简报。定位是让客服团队成为产品情报部门，而非用自动化替代他们。
技术栈：Intercom / Zendesk API / Amplitude / Mixpanel 集成 / Claude/GPT-4 摘要与归因 / AWS 后端 + Vercel 前端
死因是「产品/技术失败」。死于产品承诺与技术现实的根本错位。系统要人工写 FAQ、搭决策树、训练匹配算法，实施周期拖到数月，由此陷入死循环：最需要自动化的高工单客户恰恰场景最复杂、Answerly 接不住；场景简单到能接住的客户又没足够工单量摊薄实施成本。更深一层：企业要的不是更少工单而是更满意的用户——偏转式设计一旦答非所问，用户被气两次，客服团队自然不愿为它背书，成了「必要的恶」而非战略投资。2015-2016 市场分裂：Intercom 与 Drift 把消息重新定位为增长工具，Zendesk 用工作流统治存量并让企业倾向优化人工而非换成不可靠的自动化。Answerly 卡在中间：太偏转做不了增长工具、太弱做不了工作流平台。55 万美元烧完，为 AI 熟得太早付出代价。
累计烧掉约 $55万美元（美元），2013 年创立，2016 年停止运营，存活 3 年。