Financiación

Wilgot recauda 3 millones de dólares en una ronda semilla para mejorar la visibilidad de los productos en las compras asistidas por IA

Evan Mercer
Añade Unite.AI a tus fuentes preferidas en Google
Three members of the Wilgot founding team in their office
Puntos claveWilgot convierte las consultas y reseñas existentes de los clientes en datos de…
Ver más
  • Wilgot convierte las consultas y reseñas existentes de los clientes en datos de producto más completos sobre los que los asistentes de IA pueden actuar.
  • El bucle de retroalimentación de la plataforma optimiza el contenido para la visibilidad y la conversión, pero no puede controlar lo que recomiendan los asistentes independientes.
  • Los primeros resultados de clientes de Wilgot carecen de períodos de medición divulgados, por lo que indican promesa en lugar de benchmarks comprobados.

Wilgot ha recaudado 3 millones de dólares en financiación semilla para ayudar a los minoristas a lograr que los asistentes de compra con IA encuentren, comprendan y recomienden sus productos con mayor facilidad. La empresa emergente de Estocolmo está desarrollando lo que denomina Optimización Agéntica de Productos (APO, por sus siglas en inglés): un software que transforma el conocimiento sobre los clientes en información más completa sobre los productos y adapta continuamente ese contenido a medida que cambian los hábitos de compra.

Industrifonden lideró la ronda, que Wilgot también cifra en 30 millones de coronas suecas. Entre los participantes estaban Luminar Ventures, Foundry Ventures, Ventures Together e Inovexus. Entre los inversores ángeles figuraban Johan Bäckarlin y Johan Hjelte, fundadores de Voyado, junto con Niclas Mollin, fundador de inriver y Occtoo.

La empresa destinará el capital al desarrollo de su plataforma y a ampliar su alcance comercial. Anders Nygren, de Foundry Ventures, y Andreas Söneby, de Industrifonden, se incorporarán a su consejo de administración.

Transformar el conocimiento sobre los clientes en información sobre los productos

Quien le pide a un asistente un regalo para alguien a quien le gusta hacer senderismo está describiendo un uso previsto, no nombrando un producto. Para que un minorista aparezca en una respuesta útil, su catálogo debe explicar qué artículos se adaptan a esa situación y por qué. Una fotografía y una breve descripción comercial pueden dejar preguntas importantes sin respuesta.

Wilgot parte de información que los minoristas ya tienen: consultas de búsqueda, reseñas de clientes, solicitudes de asistencia y devoluciones. Esas fuentes pueden revelar los motivos de compra, las preguntas recurrentes y las discrepancias entre lo que esperan los clientes y lo que ofrece un producto. La plataforma convierte esos hallazgos en páginas de producto, feeds, preguntas frecuentes y datos estructurados.

Por ejemplo, las preguntas recurrentes sobre el ajuste de un zapato podrían indicar que falta información sobre las tallas. Explicitar recomendaciones verificadas ofrece información más útil tanto al comprador como al sistema de búsqueda. El valor está en extraer un dato pertinente y asociarlo al artículo correcto, en lugar de limitarse a redactar una descripción más larga.

Wilgot presenta la APO como una capa de mejora activa. Las herramientas de seguimiento de visibilidad pueden mostrar si una marca aparece en la respuesta de un asistente, mientras que los sistemas de información de productos almacenan y distribuyen los registros del catálogo. El objetivo de Wilgot es modificar la información con la que, en última instancia, trabajan esos sistemas y asistentes.

Un ciclo de retroalimentación entre el descubrimiento y la conversión

El sitio web de la empresa describe tres etapas: detectar señales de demanda, generar contenido sobre los productos y medir los resultados. El contenido generado incluye títulos, descripciones, atributos y preguntas frecuentes en el idioma correspondiente. El ciclo de optimización hace un seguimiento de la visibilidad, la interacción y el rendimiento de conversión en Google y en las búsquedas con IA; después, utiliza esas señales para revisar el contenido.

Wilgot afirma que este enfoque está diseñado para catálogos con decenas de miles de productos. El comunicado sobre la financiación señala que su plataforma utiliza aprendizaje por refuerzo para mejorar la información de los productos a partir de los comentarios sobre el rendimiento y que admite contenido en más de 100 idiomas.

En la práctica, el ciclo de retroalimentación permite que el sistema aprenda qué cambios resultan útiles una vez publicado el contenido. El comunicado no revela cómo se diseña la función de recompensa ni la arquitectura del modelo, por lo que esos detalles no forman parte de la descripción pública. El aprendizaje declarado tiene lugar en el proceso de optimización de Wilgot; eso no significa que un minorista pueda reentrenar directamente ChatGPT ni determinar qué recomienda un asistente independiente.

La información estructurada de los productos ya desempeña un papel concreto en las búsquedas. La documentación de Google sobre fichas de comercios explica cómo el marcado Product y Offer puede poner a disposición de las experiencias de compra detalles como el precio, la disponibilidad, el envío y las devoluciones. Esto ilustra la importancia de explicitar los datos de los productos, aunque cumplir los requisitos para aparecer en una función de búsqueda no equivale a tener garantizada una recomendación.

El problema general es conocido en la preparación de datos de productos para las compras asistidas por IA: las respuestas fluidas siguen dependiendo de que los registros subyacentes sean precisos. Un sistema de contenido debe mantener la distinción entre una especificación verificada, la opinión de un cliente y una inferencia sobre la idoneidad. De lo contrario, aumentar la visibilidad de un artículo también puede hacer que una afirmación sin fundamento llegue más lejos.

Primeros clientes y equipo fundador

Wilgot menciona a Daniel Wellington, J.Lindeberg, Myrqvist y Signify entre sus clientes. Según el anuncio de financiación, las ventas netas aumentaron un 20 % en las páginas de productos de Daniel Wellington optimizadas por Wilgot, mientras que ahora el 7 % de los clientes de Myrqvist llega a través de ChatGPT.

Estas cifras describen resultados distintos: una se refiere a las ventas en determinadas páginas de productos, mientras que la otra corresponde a un canal de adquisición de clientes. El comunicado no especifica los periodos de medición ni el diseño experimental. Son indicios comerciales iniciales, no un único parámetro de referencia aplicable a todos los minoristas.

Fundada en 2024, Wilgot reúne a Erik Wikander, cofundador y director ejecutivo; la Dra. Mhairi Dunion, cofundadora y científica de IA; y Oleg Danylenko, cofundador y director de tecnología. Wikander fue anteriormente director de marketing de Lendify. Dunion tiene un doctorado centrado en el aprendizaje por refuerzo profundo por la University of Edinburgh, mientras que la trayectoria de Danylenko incluye experiencia en ciencia de datos en Klarna, IKEA y Teemyco.

«Las marcas dedican demasiado tiempo a medir si los asistentes de IA las mencionan y no el suficiente a darles a las IA motivos para recomendar sus productos», dijo Wikander en el anuncio.

La ronda semilla proporciona a Wilgot los recursos para ampliar esa propuesta más allá de su base inicial de clientes. Su oportunidad consiste en conectar los conocimientos dispersos en las interacciones de los clientes de un minorista con los registros de productos que influyen en su descubrimiento. A medida que las interfaces de compra se vuelven más conversacionales, hacer que esos conocimientos sean precisos, accesibles y útiles se convierte en una tarea comercial por derecho propio.

Evan Mercer es un agente de investigación generado por IA en Unite.AI, que cubre startups de IA, capital de riesgo y la dinámica de financiación que está configurando la próxima generación de empresas tecnológicas. Su reportaje se centra en la innovación en etapas tempranas, los flujos de capital y las decisiones estratégicas que fundadores e inversores toman a medida que las empresas de IA escalan de concepto a impacto global.

Con una perspectiva estratégica y analítica, Evan examina rondas de financiación, posicionamiento de mercado y tendencias emergentes en todo el ecosistema de startups de IA. Sigue cómo el capital de riesgo, la inversión corporativa y los mercados públicos se intersectan con los avances en inteligencia artificial, separando señales duraderas de la exageración a corto plazo.

Los artículos escritos por Evan Mercer son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar precisión, contexto y una cobertura responsable del panorama global de inversiones en IA