Finansiering

Wilgot rejser 3 mio. dollar i seedrunde for at øge produkters synlighed i AI-shopping

Evan Mercer
Føj Unite.AI til dine foretrukne kilder på Google
Three members of the Wilgot founding team in their office
NøglepunkterWilgot omdanner eksisterende kundeforespørgsler og anmeldelser til rigere produktdata…
Vis mere
  • Wilgot omdanner eksisterende kundeforespørgsler og anmeldelser til rigere produktdata, som AI-assistenter kan handle på.
  • Platformens feedbackloop optimerer indhold for synlighed og konvertering, men kan ikke kontrollere, hvad uafhængige assistenter anbefaler.
  • Wilgots tidlige kunderesultater mangler oplyste måleperioder, så de signalerer potentiale snarere end dokumenterede benchmarks.

Wilgot har rejst 3 mio. dollar i seedfinansiering for at hjælpe detailhandlere med at gøre deres produkter lettere at finde, forstå og anbefale for AI-baserede shoppingassistenter. Stockholm-startuppen udvikler det, virksomheden kalder agentbaseret produktoptimering, eller APO: software, der omsætter kundekendskab til mere omfattende produktinformation og løbende tilpasser indholdet, efterhånden som kundernes indkøbsmønstre ændrer sig.

Industrifonden stod i spidsen for runden, som Wilgot også beskriver som 30 mio. SEK. Blandt deltagerne var Luminar Ventures, Foundry Ventures, Ventures Together og Inovexus. Blandt angel-investorerne var Voyados grundlæggere Johan Bäckarlin og Johan Hjelte samt Niclas Mollin, grundlægger af inriver og Occtoo.

Virksomheden vil bruge kapitalen til at udvikle sin platform og udvide sin kommercielle rækkevidde. Anders Nygren fra Foundry Ventures og Andreas Söneby fra Industrifonden indtræder i bestyrelsen.

Fra kundekendskab til produktinformation

En kunde, der beder en assistent om en gave til en person, der holder af at vandre, beskriver en tilsigtet anvendelse frem for at nævne et produkt. Hvis en detailhandler skal optræde i et brugbart svar, skal kataloget forklare, hvilke varer der passer til situationen, og hvorfor. Et foto og en kort markedsføringsbeskrivelse besvarer muligvis ikke vigtige spørgsmål.

Wilgot tager udgangspunkt i information, som detailhandlere allerede ligger inde med: søgeforespørgsler, kundeanmeldelser, supportsager og returneringer. Disse kilder kan afdække købsmotiver, tilbagevendende spørgsmål og forskelle mellem kundernes forventninger og det, et produkt leverer. Platformen omsætter indsigterne til produktsider, produktfeeds, ofte stillede spørgsmål og strukturerede data.

Gentagne spørgsmål om en skos pasform kan for eksempel pege på mangelfuld information om størrelser. Når verificerede anbefalinger formuleres tydeligt, får både kunden og søgesystemet mere brugbar dokumentation. Værdien ligger i at udtrække en relevant oplysning og knytte den til det rigtige produkt – ikke blot i at skrive en længere beskrivelse.

Wilgot beskriver APO som et aktivt lag til forbedringer. Værktøjer til overvågning af synlighed kan vise, om et brand optræder i en assistants svar, mens produktinformationssystemer lagrer og distribuerer katalogdata. Wilgot fokuserer på at ændre den information, som disse systemer og assistenter i sidste ende arbejder med.

En feedbacksløjfe fra søgning til konvertering

Virksomhedens website beskriver tre trin: at finde efterspørgselssignaler, at generere produktindhold og at måle resultaterne. Indholdet omfatter titler, beskrivelser, attributter og ofte stillede spørgsmål, som genereres på det relevante sprog. Optimeringsprocessen følger synlighed, engagement og konverteringsresultater på tværs af Google og AI-søgning og bruger derefter disse signaler til at revidere indholdet.

Wilgot oplyser, at løsningen er udviklet til kataloger med titusindvis af produkter. Ifølge meddelelsen om finansieringen bruger platformen forstærkningslæring til at forbedre produktinformation på grundlag af feedback om resultaterne og understøtter indhold på mere end 100 sprog.

I praksis giver feedbacksløjfen systemet mulighed for at lære, hvilke ændringer der er nyttige, efter at indholdet er blevet offentliggjort. Meddelelsen beskriver ikke, hvordan belønningen udformes, eller hvordan modellen er opbygget, så disse detaljer indgår ikke i den offentlige beskrivelse. Den hævdede læring foregår i Wilgots optimeringsproces; det betyder ikke, at en detailhandler direkte kan genoptræne ChatGPT eller bestemme, hvad en uafhængig assistent anbefaler.

Strukturerede produktinformationer spiller allerede en konkret rolle i søgning. Googles dokumentation om produktfortegnelser for handlende forklarer, hvordan Product- og Offer-markup kan gøre oplysninger som pris, tilgængelighed, levering og returnering tilgængelige i shoppingoplevelser. Det illustrerer betydningen af at gøre produktoplysninger tydelige, selvom det at opfylde kravene til en søgefunktion ikke er det samme som at være garanteret en anbefaling.

Det overordnede problem er velkendt inden for forberedelse af produktdata til AI-shopping: Selv velformulerede svar afhænger stadig af nøjagtige underliggende data. Et indholdssystem skal bevare skellet mellem en verificeret specifikation, en kundes mening og en vurdering af egnethed. Ellers kan øget synlighed for et produkt også medføre, at en udokumenteret påstand spredes længere.

De første kunder og grundlæggerteamet

Wilgot nævner Daniel Wellington, J.Lindeberg, Myrqvist og Signify blandt sine kunder. Ifølge meddelelsen om finansieringen steg nettosalget med 20 % på Daniel Wellington-produktsider, som Wilgot havde optimeret, mens 7 % af Myrqvists kunder nu kommer via ChatGPT.

Tallene beskriver forskellige resultater: Det ene handler om salg på udvalgte produktsider, mens det andet handler om en kanal til kundeanskaffelse. Meddelelsen oplyser ikke måleperioderne eller forsøgsdesignet. Tallene giver tidlige tegn på kommerciel fremgang, men udgør ikke ét samlet benchmark, der gælder på tværs af detailhandlere.

Wilgot blev grundlagt i 2024 og samler medstifterne Erik Wikander, administrerende direktør; dr. Mhairi Dunion, medstifter og AI-forsker; og Oleg Danylenko, medstifter og teknologidirektør. Wikander har tidligere været marketingchef hos Lendify. Dunion har en ph.d. fra University of Edinburgh med fokus på dyb forstærkningslæring, mens Danylenkos erfaring omfatter datavidenskab hos Klarna, IKEA og Teemyco.

»Brands bruger for meget tid på at måle, om AI-assistenter nævner dem, og for lidt tid på at give AI en grund til at anbefale deres produkter,« sagde Wikander i meddelelsen.

Seed-runden giver Wilgot ressourcer til at udvide dette værditilbud ud over den tidlige kundebase. Muligheden består i at forbinde den viden, der er spredt på tværs af en detailhandlers kundeinteraktioner, med de produktdata, der påvirker, hvad kunderne opdager. Efterhånden som shoppinggrænseflader bliver mere samtalebaserede, bliver det i sig selv en kommerciel opgave at gøre denne viden nøjagtig, tilgængelig og nyttig.

Evan Mercer er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI‑startups, venturekapital og de finansieringsdynamikker, der former næste generation af teknologivirksomheder. Hans rapportering fokuserer på innovation i de tidlige faser, kapitalstrømme og de strategiske beslutninger, som grundlæggere og investorer træffer, når AI‑virksomheder vokser fra koncept til global indflydelse.

Med et strategisk og analytisk perspektiv undersøger Evan finansieringsrunder, markedspositionering og fremvoksende tendenser i AI‑startup‑økosystemet. Han følger, hvordan venturekapital, virksomhedsinvesteringer og de børsnoterede markeder krydser med gennembrud inden for kunstig intelligens, og adskiller holdbare signaler fra kortvarig hype.

Artikler skrevet af Evan Mercer er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre nøjagtighed, kontekst og ansvarlig dækning af det globale AI‑investeringslandskab