Hubspot2025财年年报业绩会议总结
一、开场介绍
会议时间与背景： 第九届富国银行TMT年度会议期间，由富国银行中型股软件分析师Ryan McWilliams主持。
参会人员： HubSpot首席客户官Yamini Rangan出席并参与讨论。
会议目的： 探讨HubSpot人工智能战略、产品差异化优势、客户采用情况及未来规划，兼及投资者关注的Data Hub战略与商业化模式。
管理层发言摘要： Yamini Rangan开篇强调人工智能对中小企业增长的赋能价值，指出HubSpot将复杂技术简化并嵌入产品的战略方向，同时提及年度会议上推出的三款AI代理（客户代理、prospecting代理、数据代理）及Breeze助手，市场反应积极。
二、财务业绩分析
核心财务数据
暂无信息
关键驱动因素
暂无信息
三、业务运营情况
核心业务表现
AI产品矩阵： 推出三大嵌入式AI代理（客户代理、prospecting代理、数据代理）及Breeze助手，覆盖客户服务、销售线索挖掘、数据处理等场景；客户代理已帮助超6,000家客户解决60%以上支持工单。
Data Hub战略： 前身为Ops Hub，重新定位为AI基础架构，支持外部数据集成（平均客户8-14个集成）、数据质量优化（通过LLM提示补充关键数据字段）及工作流构建，作为Marketing Hub与Sales Hub的AI基础。
技术架构升级： 构建代理平台，整合结构化数据（传统CRM记录）与非结构化数据（通话记录、社交媒体内容等），通过编排层（含评估、反馈、记忆功能）实现动态工作流，提升客户交互上下文利用效率。
客户采用特征： 人工智能功能采用依赖企业内部“AI倡导者”推动，AIOps角色（类似传统RevOps）负责数据训练与功能推广；中小企业更倾向于购买而非自建AI解决方案，重视数据安全性与平台整合能力。
四、未来展望及规划
短期目标
混合商业化模式： 结合席位（基础功能如邮件总结、后续跟进）与信贷（代理操作如客户服务工单处理、prospecting研究）两种方式变现AI，当前信贷消耗以客户代理为首，prospecting代理潜力显著。
产品迭代重点： 持续优化Data Hub数据处理能力，强化AI代理与现有Hub（Marketing Hub、Sales Hub）的协同，推动Loop营销方法论落地（多渠道线索获取与个性化策略）。
中长期战略
平台化优势巩固： 依托280,000客户基础与7,000合作伙伴生态，通过客户反馈迭代AI功能，应对AI原生公司的点解决方案竞争，强调全流程上下文与数据整合能力。
AI驱动营销变革： 布局AEO（答案引擎优化）等新兴渠道，弥补传统SEO流量下滑，通过播客、YouTube、电子邮件通讯等多元化内容策略提升线索转化率。
五、问答环节要点
AI差异化优势
问：HubSpot AI与LLM通用工具的区别？
答：核心在于“中小企业适配性”与“上下文优势”——前者将复杂技术简化，后者依托客户全旅程数据（销售对话、营销活动、交易记录）生成精准洞察，避免通用LLM的内容脱节问题。
数据战略与AI协同
问：Data Hub如何支撑AI路线图？
答：通过数据集成（外部数据源接入）、质量优化（LLM辅助字段补全）、工作流构建（Data Studio）三大能力，解决AI训练数据质量与结构化/非结构化数据融合问题，是AI Ops的基础平台。
商业化与客户行为
问：信贷模式下客户使用趋势？
答：早期阶段以客户代理（支持工单处理）消耗为主，prospecting代理（销售线索研究）增长迅速；客户更倾向于“AI辅助工作”（如邮件总结）而非“完全替代”，人工仍主导高价值决策。
竞争壁垒与行业趋势
问：AI原生公司是否构成威胁？
答：平台优势显著——AI原生公司多为点解决方案，需从单一场景扩展至全流程（如支持→销售定价），而HubSpot已完成结构化+非结构化数据整合、客户反馈闭环及生态建设，中小企业更倾向于一站式平台。
六、总结发言
管理层强调，人工智能正重塑营销与销售流程，HubSpot通过“技术简化+数据整合+平台协同”三大支柱，帮助中小企业应对AI时代的增长挑战；
短期聚焦混合商业化模式验证与Data Hub落地，长期致力于巩固代理平台优势，将AI打造为客户增长的核心引擎；
认为行业当前处于“技术领先于采用”阶段，信任建立（数据安全）、数据质量提升与客户教育是推动AI adoption的关键，HubSpot将通过迭代反馈与生态合作加速这一进程。【翻译结果】
Hubspot（HUBS）2025财年公司会议 Hubspot（HUBS）2025财年公司会议 声明:以下内容由机器翻译生成，仅供参考，不构成投资建议。 企业参会人员：Yamini Rangan（首席客户官）
分析师：Ryan McWilliams
发言人：Ryan McWilliams我本来想把门开着，因为我们总是说要进行炉边谈话，但这更像是海边谈话。所以，这还不错，尤其是在会议的第二天。不过，对于那些不认识我的人，我是Ryan McWilliams，富国银行的中型股软件分析师，出席第九届富国银行TMT年度会议。今天和我一起参加会议的是HubSpot的首席执行官Yamini Rangan。
发言人：Yamini Rangan谢谢你，Ryan。感谢你们的邀请。
发言人：Ryan McWilliams不客气。
发言人：Yamini Rangan这个地点很棒。
发言人：Ryan McWilliams第一天有人抱怨说今天下雨了。我说，我现在已经习惯了纽约市的冬天，这里已经很棒了。
发言人：Yamini Rangan我们在加利福尼亚会接受这种天气。
发言人：Ryan McWilliams我很羡慕。你知道，现在的软件行业正处于一个有趣的时期。在我休假回来开始报道后，感觉软件行业现在有点像雨天，但这也意味着很多机会，我很想听听HubSpot在人工智能方面的举措。所以，对于在场的投资者，我们将首先主要讨论产品，最后可能会涉及一些收益问题。如果你有问题，请告诉我。但我们不会直接接受现场提问。
请通过电子邮件联系我，邮箱是Ryan.McWilliams@WellsFargo.com。不过，Yamini，首先谈谈你的投资者日，HubSpot目前推出了很多新产品。你认为HubSpot的人工智能产品有哪些差异化优势？
发言人：Yamini Rangan是的，几个月前的9月，我们刚刚举行了年度会议，在人工智能方面推出了很多产品。这是一个激动人心的行业时刻。尽管感觉像是雨天，但现在确实是行业的激动人心时刻。简单介绍一下背景，我们的人工智能战略是将超级强大的技术应用于我们所服务的细分市场，即中小企业，我们希望以帮助他们增长的方式应用人工智能。这就是我们的战略。
为了实现这一目标，我们将人工智能嵌入到所有产品中。所以你看到了很多功能发布。我们正在构建可以帮助完成工作的代理。在会议上，我们推出了三款特色代理：客户代理、prospecting代理和数据代理。我们还有世界一流的Breeze助手，它就像每个市场销售人员的副驾驶。这就是我们推出的众多产品所推动的战略。市场反应非常积极。我的意思是，我们可以广泛谈论人工智能的采用，以及在哪些方面看到了持续使用的积极迹象。
退一步说，你问了一个问题：我们的人工智能战略有什么差异化优势？首先，我们了解中小企业，我们采取的方法是将超级复杂的技术变得对中小企业非常容易获取。这一直是HubSpot的业务，我们现在在人工智能方面也正是这样做的。这是首要的差异化优势，因为我们了解中小企业，我们知道他们的日常工作和日常挑战。这是第一点。我想说的第二点是背景，我相信我们会对此进行更多讨论。
思考HubSpot的方式是，我们汇集了每一次销售对话、每一次发出的营销活动、每一封生成的电子邮件、每一笔完成的交易的背景。事实证明，虽然人工智能非常擅长生成见解，但它需要背景。Ryan，如果你对LLM说“给我写一封电子邮件”，它会写一封可能无法为你带来正确 outreach 的电子邮件。但如果你有一段时间内所有这些对话的背景，那么它会生成更好的回复。因此，我们的差异化优势在于，我们有280,000名客户使用我们的营销、销售和服务产品。
在整个客户旅程中，我们已经成为中小企业依赖的增长平台。这种背景有助于使人工智能变得更好。领域专业知识和我们带来的背景相结合，帮助我们推动人工智能的采用，并为客户回馈价值。
发言人：Ryan McWilliams这里有很多可以探讨的地方。在领域专业知识方面，当我听到人工智能能做什么与应用软件的实际案例时，总是觉得很有趣，人们会说“哦，你能重现这个吗？”没错。但问题是，第二天会发生什么？
发言人：Yamini Rangan是的，没错。
发言人：Ryan McWilliams比如，谁会考虑客户通过哪些最佳方式从自己的客户那里赚更多钱？或者从客户服务的角度来看，新的用例是什么？我认为这正是HubSpot所做的。你们有数百人，数十年的经验在做这件事。所以，这不是静态的，比如“大型语言模型能做什么”，而是“我们如何继续根据客户需求推进平台发展”。
发言人：Yamini Rangan完全正确。我的意思是，编码变得更容易了，但专业知识仍然很重要。我确实认为，领域专业知识以及将某些东西应用于特定细分市场并使其对他们来说更容易，仍然是创造价值的地方。我们认为，由于人工智能，HubSpot今天为客户增加的价值比三年前要多得多。因此，人工智能不会让这些价值消失。
发言人：Ryan McWilliams我认为，就我们从大型语言模型看到的编码进步而言，这是一个很好的观点。因为这些是公开可用的数据集。
发言人：Yamini Rangan没错。
发言人：Ryan McWilliams其中包含Stack Overflow，结果更具确定性。对吧，代码要么正确要么错误。你可以争论更好的方法，但这就像国际象棋，是一个更容易解决的问题。而B2B组织如何正确解决客户的某个特定用例，这似乎更具挑战性。
发言人：Yamini Rangan完全正确。
发言人：Ryan McWilliams那么，对于HubSpot来说，你们有长期合作的庞大客户群。他们会向你们要求某些人工智能解决方案。但你们的数据优势如何帮助构建更全面的人工智能工作流？
发言人：Yamini Rangan是的，所以在讨论工作流之前，也许从根本上了解代理架构的不同之处，它如何支持所有这些工作流？对吧。所以，归根结底，你可以用像CRM这样的非结构化数据做更多事情。客户平台一直以来都有行、记录中的结构化数据，这是我们擅长的。例如，客户记录包含客户姓名、地址、收入等信息。这是我们一直擅长的。
现在，随着代理解决方案的出现，你需要能够处理非结构化数据。我们刚刚进行的对话、Zoom通话的 transcript、社交媒体上的言论，我们现在可以获取这些非结构化数据。人工智能使处理所有这些非结构化数据并将其添加到你拥有的相同背景中成为可能。这是我们在数据层需要做出的一大改变。因此，我们的解决方案从拥有所有结构化数据，扩展到现在可以捕获电子邮件、Zoom transcript、视频通话、音频通话等，并添加非结构化数据层。
代理平台还需要的第二件事是真正的编排。这不仅仅是转储大量数据，而是拥有所有数据的上下文。你在哪里获得反馈？答案是否好？你过去问过的问题的记忆是什么？因此，编排层变得非常重要，包括评估、反馈和记忆。这就是我们构建的。然后，应用程序工作方式的变化是，过去你需要点击、导航才能完成某些操作。
现在，你可以通过对话方式要求软件为你做事，你有代理来实际执行。明确地说，变化在于你可以处理的数据量、你带来的编排水平，以及你与软件交互的对话方式。这正是我们在过去几年中构建的基础。然后，如何启用工作流？因为我们现在有了更好的非结构化数据，工作流变得更好。
因此，不再需要有人在CRM中手动创建联系人并记录“今天第一次见到Ryan”，而是可以通过捕获的非结构化数据自动处理这些信息。工作流变得更加动态，包含更多非结构化对话的上下文，从而为客户提供更好的输出。
发言人：Ryan McWilliams是的，我们刚刚讨论了我们每天的工作，以前你记录通话时可能只会写几句笔记，觉得无所谓。但现在你知道这会在以后帮助你，你会想“也许我应该添加更多细节”。
发言人：Yamini Rangan完全正确。
发言人：Ryan McWilliams你的数据集变得更强大。我经常遇到的一个有趣现象是，我们谈论人工智能会做这做那，会为我写所有研究报告，但有时最有用的事情只是总结 earnings call。
发言人：Yamini Rangan没错。
发言人：Ryan McWilliams所以一些不那么吸引人的用例实际上被采用得更快，或者客户更感兴趣。到目前为止，在你的客户群中，有没有任何让你惊讶的用例，或者客户目前更感兴趣的事情？
发言人：Yamini Rangan嗯，有很多。我告诉你，几十年前我开始从事销售工作。当时，工作中最困难的部分是年初你会得到一组客户，比如500个客户。你从来没有时间查看500家公司，查看每家公司的5个人，确定谁是合适的联系人，他们是否会购买你的产品。这都是手动工作。Ryan，人工智能的迷人之处在于， prospecting用例正是你现在可以使用人工智能获取500个潜在客户的正确信息的领域。
他们是否获得了资金？他们是否在增加营销代表、销售代表或服务代表？他们是否提到了你可以帮助的计划？这些都是你现在可以获取的非结构化和结构化信息。基于这些意向信号，你可以在下周一说“这是你需要联系的10个客户”。这比我们以往能够提供的价值要多得多。所以我认为 prospecting用例，其他的都很明显。比如支持，每个人都知道人工智能可以用来解决支持查询。
在我们支持的不同渠道中，它变得越来越好。营销方面的内容创建也是如此。但对我来说，销售作为一个职能正在发生根本性变化，你在哪里花费时间，在哪里从人工智能中获得杠杆。看到我们的客户采用这种方式并获得价值，真是令人着迷。
发言人：Ryan McWilliams有没有销售人员反对说“不，我宁愿自己挖掘所有这些信息”？
发言人：Yamini Rangan哦，天哪，没有。实际上，销售人员不想做的事情是挖掘信息、记录通话笔记、向经理展示他们的工作和活动。这些是销售人员不想做的事情，而人工智能非常擅长做这些。销售人员喜欢做的是与客户面对面交流，进行更深入的对话。当你把很多以前需要做的额外工作交给人工智能，那么与客户在一起的时间和对话的相关性就会提高，这意味着你的成交率应该会提高。
我认为这是人工智能对销售的令人兴奋之处。
发言人：Ryan McWilliams是的，你可以花更多时间实际销售。
发言人：Yamini Rangan完全正确。
发言人：Ryan McWilliams作为前客户支持代理，我可以告诉你很多这样的用例。我不介意你开始支持。
发言人：Yamini Rangan太好了。
发言人：Ryan McWilliams是的，那是关于学生贷款的。
发言人：Yamini Rangan哦，哇。
发言人：Ryan McWilliams买方很难对付，但不如那些打电话来询问学生贷款的人难对付。但是，当谈到新的消费和信贷使用模式时，我对应用程序仍然非常感兴趣，因为我使用过Cursor和Cloud Code，当我使用这些服务时，我不断点击“AI为我做”按钮。对吧。例如，Clog Code开发人员每天使用价值6美元的令牌。所以这大约是你点击“AI为我做”按钮40或50次。
发言人：Yamini Rangan没错。
发言人：Ryan McWilliams所以在我看来，人们整天生活和使用的平台，比如Atlassian或HubSpot，则会开始点击“AI为我做”按钮。因此，对于HubSpot来说，这种较新的信贷模式，你能谈谈你看到的早期客户趋势和用例吗？
发言人：Yamini Rangan是的。也许先退一步，我们谈到了人工智能战略，即嵌入式人工智能代理和Copilot或Breeze助手。我们的 monetization战略是混合的。我们通过席位和信贷两种方式 monetize人工智能。
以你刚才举的例子，在HubSpot中，如果你是Sales Hub用户，今天多次点击总结电子邮件并获取后续电子邮件，这是席位的一部分，不消耗信贷。
我想确保人们理解我们的 monetization方式之一是通过席位。信贷专门用于我们的代理工作。客户代理解决支持工单会消耗信贷。 prospecting代理进行我们刚才讨论的账户研究，会消耗信贷。数据代理引入数据并清理数据，会消耗信贷。因此，有一些代理以及Data Hub会消耗信贷，我们于6月向所有客户代理客户推出，8月进入安装基础。
所以现在还处于早期阶段。但在信贷消耗方面，客户代理是领先的，因为它已经处于全面可用模式。我们有超过6,000名客户使用客户代理解决了60%以上的工单，他们正在消耗信贷。第二个领域是 prospecting代理。这是我看到很多希望的领域，因为这是我们现在能够解决的销售长期存在的问题。第三个是数据中的意向信号。这些是我们开始看到的领域。
但请记住，现在还处于早期阶段。我们认为我们的人工智能 monetization是混合的，既有席位也有信贷。我们看到了所有正确的信号。
发言人：此字段：此字段>我很欣赏你们定价策略中的这种区分。所以，如果你与HubSpot协同工作，那是平台的一部分。但当它为你完成工作时，你可以开始 monetize这些事情。
发言人：Yamini Rangan完全正确。例如，在Marketing Hub中，你可以创建内容、重新混合内容，这都是Marketing Hub的一部分。但如果你使用代理为你执行操作，就会消耗信贷。我可能会一直重复这一点，我们的人工智能战略是席位和信贷的混合 monetization。
发言人：此字段：此字段>这对我来说很有意义。你知道，对于今天的软件，如果你是HubSpot的重度用户。
发言人：Yamini Rangan是的。
发言人：此字段：此字段>你整天都在使用它。而有些人每天只使用一两次。
发言人：Yamini Rangan是的。
发言人：此字段：此字段>你们可能按席位支付相同的费用。在未来几年，考虑到一些使用动态，则情况可能会有所不同。但到目前为止，在你的平台上，谁首先采用人工智能？是重度用户、中小企业还是大型企业，还是各有不同？
发言人：Yamini Rangan是的，这是个好问题。我告诉你，这与员工数量无关。事实上，真正的区别因素是公司是否有C级领导者推动人工智能优先事项。我按行业和细分市场进行了分析，发现这与行业规模无关。关键在于公司内部是否有人制定人工智能路线图。我知道投资者有不同的看法，但当我们与客户交谈时，他们仍然对数据去向以及如何确保公司数据不被用于LLM训练存在一定程度的恐惧、不确定性和不信任。
所以首要因素是自上而下的人工智能举措。一旦公司有人制定人工智能路线图，我发现运营角色非常重要。为了让人工智能真正创造价值，你需要我们过去称为rev ops的角色，现在我们称之为AI ops。公司内部有人，即重度用户，像AIOps用户一样训练数据，获取高质量数据，训练数据，使用人工智能功能，然后向其他人开放。
这个角色是关键。当我们看到客户拥有这些AIOps角色和利用人工智能的市场工程师时，公司内部的人工智能采用会加速。对于很多客户来说，他们仍处于“我们需要可以信任的干净数据，确保不会在公司外部使用，然后我们需要合理的用例路线图来试验、扩展和增长”的阶段。
发言人：此字段：此字段>令人惊讶的是，一个倡导者就能真正改变局面，并激活很多其他人。
发言人：Yamini Rangan绝对是的。
发言人：此字段：此字段>你知道，我们在富国银行的 offsite活动中，我让ChatGPT回答一个问题，然后让每个人在他们的ChatGPT上构建代理，我觉得我应该获得ChatGPT付费许可证的佣金，因为之后我们卖了很多。但一旦你开始思考“它可以做这个，那个”，这对我来说就有意义了。这实际上是一个很好的过渡，我认为Data Hub战略需要更多投资者关注，你的客户已经习惯于将所有可能的东西放入HubSpot，然后从中激活。
所以你在最近的投资者日对其进行了重新命名。你能谈谈Data Hub如何帮助你的更广泛的人工智能路线图吗？
发言人：Yamini Rangan是的。你知道，我们已经讨论了数据和上下文对人工智能工作的重要性，这是众所周知的。退一步说，Data Hub做了几件事。一是将HubSpot外部的数据拉入HubSpot。我们有称为数据同步的集成，可以从各处拉取数据。通常，HubSpot客户有8到14个集成。但有时他们会从更多来源将数据带入HubSpot。这就是Data Hub的作用。
我们发现的第二件事是，数据质量对于人工智能的准确性至关重要。Data Hub实际上帮助你提高质量。它可以向LLM运行一组提示。例如，如果你需要一列资金数据，Data Hub会提取正确的提示，为数据库中的每个联系人获取资金数据。因此，它提高了数据质量。
第三件事是它提供了一个工作区，我们称之为Data Studio，用于操作数据。你引入了数据，数据质量更高。现在你可以使用这些数据构建工作流、序列和自动化，使你的人工智能更好地工作。因此，它几乎是AI Ops和web ops使用更高质量数据做更多事情的基础工作区。
这也是我们将其从Ops Hub重新命名为Data Hub的原因之一，因为你实际上是在为人工智能处理基础数据需求。展望未来，我们还没有谈论营销，但为了使营销 playbook循环工作，你需要更高质量的数据，Data Hub提供了这一点。这就是愿景，现在它是这样一个领域：如果你是Marketing Hub客户并想要使用人工智能，那么你需要Data Hub作为基础。Sales Hub也是如此。
这是我们多中心战略的一部分。
发言人：此字段：此字段>我们已经谈到了很多数据优势和HubSpot的差异化因素。但有趣的是，人们总是说“我们要构建这些案例”，我会想“基于什么或如何构建”。所以，我认为投资者最关心的问题是，HubSpot是先添加人工智能功能，还是人工智能最终会做更多HubSpot所做的事情？我们今天谈到了很多这些事情，但我们很想听听你为什么认为你们在这个世界上处于更好的位置。
发言人：Yamini Rangan是的，我喜欢这个框架。SaaS公司添加人工智能更容易，还是人工智能原生公司添加CRM更容易？这是一个很好的问题，但从根本上，我会回到我们刚才的对话，Ryan。我们已经通过添加非结构化数据、添加将所有数据联系在一起的上下文层、构建可以获取上下文的代理，成为了一个代理平台，我们已经完成了支持成为代理平台所需的大量管道和架构更改。
如果我从头开始作为人工智能原生公司，我仍然需要构建CRM记录和结构化数据。许多公司从点解决方案开始。例如，你从支持代理和处理支持工单开始。一旦你收到关于销售定价的问题，你就没有那个上下文。所以你现在必须扩展，开始构建你销售的产品、相关定价以及常见问题和异议。所以你必须从结构化到非结构化，从点解决方案到全平台，然后构建上面的完整上下文。
我还要说几件事。我们仍然发现人工智能功能的采用需要反馈。因此，我们的优势在于构建人工智能功能并向数千名客户提供使用，我们可以获得反馈并改进。人工智能开发周期本质上是基于客户反馈的迭代。但如果你是人工智能原生公司，只有10个客户，你从哪里获得反馈？因此，代理世界存在一种内在优势，即受益于客户数量的规模。
最后，你仍然需要合作伙伴生态系统。人工智能仍然需要有人查看你的路线图，帮助你确定从哪些用例开始并推动。我们的生态系统中有7,000个合作伙伴，他们都在推动人工智能准备。因此，如果你是一家人工智能原生新公司，你也需要。这就是为什么你看到很多前沿部署工程师。模式是你不仅构建产品，还投资前沿部署工程师，让他们坐在客户现场，我们有这样的生态系统。
因此，我认为平台优势、分销规模优势以及生态系统优势都是我们的优势。
发言人：此字段：此字段>在工作间隙，我坐在那里想，我可能也尝试构建一个这样的产品，你知道我的意思吗？当我做了一些研究后，我发现构建项目管理工具在我的想象中比在纸上要好得多。事实证明，初稿比实际工作的SaaS要难得多。
发言人：Yamini Rangan是的。
发言人：此字段：此字段>但当我和其他开发人员交谈时，他们说CRM可能是最难构建的东西之一，因为数据密度高、任务关键型工作负载和非结构化数据。但这是一个巨大的市场机会，人们会尝试。
发言人：Yamini Rangan是的，绝对。
发言人：此字段：此字段>因此，当涉及到你的客户数据时，你已经在这些数据上训练模型，这也延长了挑战者为了基于你的新训练模型重建相同用例所需的时间。
发言人：Yamini Rangan是的，我的意思是，我们一直处于一个竞争非常激烈的市场。CRM从来不是赢家通吃或非竞争性市场。情况一直如此。我会回到为什么平台胜过点解决方案。HubSpot最常见的用例之一是，客户会说他们的数据分散在15个不同的点解决方案中，他们失去了增长的可见性。在代理世界中，情况仍然如此。当我与尝试过五个不同代理的客户交谈时，他们说“我们现在无法管理所有这些不同的代理，我们想看看你的路线图。如果你有，我们将继续采用你的产品。”
所以我认为这回到了为什么平台胜过点解决方案。这也是代理平台胜过分散在市场中的点代理的原因。
发言人：此字段：此字段> 查看业绩会议全文