Algolia hankkii Veloun vahvistaakseen tuoteälyä AI-ostoksissa

Vähittäiskauppias voi pitää varastossa oikeaa tuotetta ja silti menettää myynnin, koska sen luettelo ei kuvaa, mitä ostaja haluaa. Tämä ongelma korostuu, kun tekoälyavustaja tekee haun: vakuuttava vastaus on hyödyllinen vain, jos järjestelmä pystyy löytämään kohteen, joka todella täyttää pyynnön.

Algolia on hankkinut Veloun, New Yorkissa toimivan tekoälyyrityksen, joka on erikoistunut tuotedatan rikastamiseen ja luettelointitietämykseen, vahvistaakseen tätä perustaa. Tapaus ilmoitettiin 6. lokakuuta, ja kauppa tuo tuoteymmärryksen lähemmäs hakua ja suositusjärjestelmiä, jotka sitä käyttävät.

The hankintailmoitus kertoo, että taloudellisia ehtoja ei ole julkistettu ja Veloun kuusihenkinen tiimi liittyy Algoliaan. Velou palvelee jo yli 50 vähittäiskaupan ja premium‑brändin yritysasiakasta. Algolia sanoo käsittelevänsä lähes kaksi biljoonaa hakua vuosittain yli 18 000 asiakkaan kesken, mikä antaa hankitulle teknologialle paljon laajemman potentiaalisen jakelukanavan.

Miksi parempi haku alkaa paremmasta tuotedatasta

Hakujärjestelmien on yhdistettävä asiakkaan aikomus kohteesta saatavilla olevaan tietoon. Jos ilmoituksessa on valokuva ja lyhyt otsikko, mutta tärkeitä ominaisuuksia puuttuu, järjestelmällä on vähemmän luotettavaa tietoa vastatakseen tarkkaan pyyntöön.

Kuvitellaan ostaja, joka etsii kompaktia pöytälamppua säädettävällä varrella. Luettelo, joka tallentaa vain merkin ja värin, saattaa jättää hakukoneen kykenemättömäksi suodattamaan koon tai rakenteen mukaan. Rikkaampi tietue voi tehdä nämä rajoitukset selviksi. Tämä on havainnollistava esimerkki dataprobleemista, eikä väite tietystä Velou‑käyttöönotosta.

Sama ongelma siirtyy myös agenttipohjaiseen kaupankäyntiin, jossa tekoälyjärjestelmät auttavat kuluttajia löytämään ja valitsemaan tuotteita. Parempi kielenymmärrys avustajatason tasolla ei yksinään voi luoda dokumentoimatonta tuotteen ominaisuutta. Perustietueen parantaminen tekee todisteet saataville useammalle käyttöliittymälle.

Mitä Velou lisää Algoliaan

Velou käyttää multimodaalista tekoälyä muuttaakseen tuotekuvaukset ja kuvat rakenteelliseksi tiedoksi. Ilmoituksessaan yrityksen verkkosivustolla Algolia kuvaa, miten tieto kartoitetaan kuratoituun vähittäiskaupan taksonomiaan: yhtenäinen sanasto kategorioille, ominaisuuksille ja niiden arvoille. Yritys kertoo, että rikastus tapahtuu luetteloiden muuttuessa ja yhdistää ominaisuudet lähdetodisteisiin.

Veloun verkkosivusto tunnistaa Commerce-1:n sen vähittäiskauppakohtaiseksi malliksi ja kuvaa tuoteverkkoja, jotka kartoittavat kohteiden välisiä suhteita. Puuttuvien ominaisuuksien ja standardoitujen tunnisteiden luomisen ohella alusta on suunniteltu tarjoamaan kontekstia vaihtoehdoille ja yhteensopiville tuotteille, ja sen jälkeen työntämään rikastetut tietueet takaisin olemassa oleviin kaupankäyntijärjestelmiin.

Taksonomia ja tuoteverkko käsittelevät erilaisia osia löytötehtävästä. Yhteinen sanasto auttaa järjestelmiä vertailemaan kohteita, joiden toimittajat käyttävät erilaisia kuvauksia. Suhteet auttavat yhdistämään nämä kohteet. Avustajalle, jonka tehtävänä on koota koordinoitu osto, sekä kunkin tuotteen ominaisuudet että niiden väliset yhteydet voivat olla merkityksellisiä.

Algolia aikoo sijoittaa Veloun tuoteälyn hakujen, suositusten, personoinnin, kaupallistamisen ja Agent Studio -alustan alle. Se kertoo, että nykyiset API:t, SDK:t ja integraatiot säilyvät. Tavoitteena on parantaa niiden tuotteiden kanssa käytettävää tietoa samalla kun vältetään jälleenmyyjien olemassa olevien Algolia‑ratkaisujen uudelleenrakentaminen.

Asiakasvaikutukset hankinnan takana

Yritykset viittaavat kahteen vähittäiskauppaan. Get The Label lisäsi yli 190 000 tuotteen attribuuttia kuuden kuukauden aikana käyttäen Velouta, ja raportoi 60 %:n kasvun sivuhakutuloissa. Everything5pounds kasvatti luettelonsa attribuutteja yli 85 %:lla, ja raportoi 33 %:n nousun hakukonversioissa.

Nämä ovat yrityksen raportoimia asiakaslopputuloksia, eivätkä kontrolloituja vertailuja, jotka osoittaisivat, kuinka paljon kukin parannus johtui pelkästään rikastamisesta. Ne kuitenkin konkretisoivat kaupallisen tavoitteen: parempien tuotekuvausten on muututtava ostajien löytämiksi sopivia tuotteita ja ostosten saattamiseksi päätökseen.

Jälleenmyyjälle, joka arvioi teknologiaa, hyödylliset mittarit ulottuvat uusien kenttien määrän ohi. Palauttaako tietty kysely asianmukaisen tuloksen? Heijastaako suodatin tarkkoja tuotteen ominaisuuksia? Voiko kaupallistamistiimi tarkastaa ja korjata attribuutin taustalla olevat todisteet? Nämä kysymykset yhdistävät datan laadun asiakaskokemukseen.

Strateginen hankinta AI-ostoskoriin

Hankinta antaa Algolialle keinon vaikuttaa syötteeseen, joka muokkaa laajemman alustan tehokkuutta. Rikastus voi tukea hakukenttää, suositusmoottoria ja ostosagenttia samasta tuote­tietueesta, sen sijaan että jokaiselle kokemukselle tarvittaisiin erillisiä luettelon korjaustoimenpiteitä.

Tarkkuus pysyy keskeisenä. Tuotteen valokuva saattaa paljastaa näkyvän muotoiluelementin, mutta jälleenmyyjä tarvitsee luotettavaa näyttöä teknisistä tiedoista ja hoito-ohjeista. Tukemattoman ominaisuuden liittäminen voi tuottaa houkuttelevan suosituksen, joka pettyy ostajaan. Algolian korostus tarkastettavissa olevaan näyttöön on siksi merkittävä osa sen integraatiolupausta.

Kauppa havainnollistaa myös käytännön huomioon otettavaa agenttisen tekoälyn käyttöönotto liiketoiminnassa: järjestelmät tarvitsevat käyttökelpoista tietoa kohteista, joihin ne vaikuttavat. Kaupankäynnissä tämä tarkoittaa riittävän yksityiskohtaista luetteloa, joka tukee ostajan todellisia vaatimuksia.

Algolian seuraava koetus on, parantaako rikastamisen ja haun yhdistäminen samalle alustalle löydettävyyttä johdonmukaisesti koko asiakaskunnassa. Tavoite on yksinkertainen: tehdä oikean tuotteen löytäminen helpommaksi, oli pyyntö sitten peräisin hakukentästä tai tekoälyavustajasta.