Rahoitus

Wilgot keräsi 3 miljoonaa dollaria siemenrahoituskierroksella parantaakseen tuotteiden näkyvyyttä tekoälyavusteisessa ostamisessa

Evan Mercer
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Three members of the Wilgot founding team in their office
Keskeiset kohdatWilgot muuttaa olemassa olevat asiakaskyselyt ja arvostelut rikkaammaksi tuotedataksi…
Näytä lisää
  • Wilgot muuttaa olemassa olevat asiakaskyselyt ja arvostelut rikkaammaksi tuotedataksi, jonka pohjalta tekoälyavustajat voivat toimia.
  • Alustan palautesilmukka optimoi sisältöä näkyvyyden ja konversion parantamiseksi, mutta se ei voi hallita sitä, mitä riippumattomat avustajat suosittelevat.
  • Wilgotin varhaisten asiakastulosten mittausjaksoja ei ole ilmoitettu, joten ne osoittavat lupauksia pikemminkin kuin todistettuja vertailuarvoja.

Wilgot on kerännyt 3 miljoonaa dollaria siemenrahoitusta auttaakseen vähittäiskauppiaita tekemään tuotteistaan helpommin löydettäviä, ymmärrettäviä ja suositeltavia tekoälyavustajille, joita käytetään ostosten tekemiseen. Tukholmalainen startup kehittää ohjelmistoa, jota se kutsuu agenttiseksi tuoteoptimoinniksi eli APO:ksi. Ohjelmisto muuntaa asiakastiedon kattavammiksi tuotetiedoiksi ja mukauttaa niitä jatkuvasti ostokäyttäytymisen muuttuessa.

Industrifonden johti rahoituskierrosta, jonka kooksi Wilgot ilmoittaa myös 30 miljoonaa Ruotsin kruunua. Kierrokseen osallistuivat Luminar Ventures, Foundry Ventures, Ventures Together ja Inovexus. Enkelisijoittajiin kuuluivat Voyadon perustajat Johan Bäckarlin ja Johan Hjelte sekä inriverin ja Occtoon perustaja Niclas Mollin.

Yhtiö käyttää rahoituksen alustansa kehittämiseen ja kaupallisen toimintansa laajentamiseen. Foundry Venturesin Anders Nygren ja Industrifondenin Andreas Söneby liittyvät yhtiön hallitukseen.

Asiakastiedosta tuotetiedoiksi

Kun ostaja pyytää avustajalta lahjaa retkeilystä pitävälle henkilölle, hän kuvailee käyttötarkoitusta eikä nimeä tuotetta. Jotta vähittäiskauppias voisi päästä mukaan hyödylliseen vastaukseen, sen tuoteluettelon on kerrottava, mitkä tuotteet sopivat tilanteeseen ja miksi. Valokuva ja lyhyt markkinointikuvaus eivät välttämättä vastaa tärkeisiin kysymyksiin.

Wilgot hyödyntää vähittäiskauppiailla jo olevaa tietoa: hakukyselyitä, asiakasarvosteluja, tukipyyntöjä ja palautuksia. Näistä lähteistä voi selvitä ostomotiiveja, toistuvia kysymyksiä sekä eroja asiakkaiden odotusten ja tuotteen tarjoamien ominaisuuksien välillä. Alusta muuntaa havainnot tuotesivuiksi, tuotetietosyötteiksi, usein kysytyiksi kysymyksiksi ja rakenteiseksi dataksi.

Esimerkiksi toistuvat kysymykset kengän istuvuudesta voivat viitata siihen, että kokotiedoissa on puutteita. Kun tarkistetut ohjeet esitetään selkeästi, sekä ostaja että hakujärjestelmä saavat käyttöönsä hyödyllisempää tietoa. Olennaista on poimia asiaankuuluva tieto ja liittää se oikeaan tuotteeseen sen sijaan, että vain laadittaisiin pidempi kuvaus.

Wilgot esittelee APO:n aktiivisena parannuskerroksena. Näkyvyyden seurantatyökaluilla voi selvittää, näkyykö brändi avustajan vastauksessa, kun taas tuotetietojärjestelmät tallentavat ja jakavat tuoteluetteloiden tietueita. Wilgot keskittyy muuttamaan tietoa, jota nämä järjestelmät ja avustajat lopulta käyttävät.

Palautesilmukka löytämisestä ostotapahtumaan

Yhtiön verkkosivustolla kuvataan kolme vaihetta: kysyntäsignaalien tunnistaminen, tuotesisällön tuottaminen ja tulosten mittaaminen. Tuotettava sisältö sisältää otsikoita, kuvauksia, ominaisuustietoja ja usein kysyttyjä kysymyksiä, jotka luodaan kullekin tilanteelle sopivalla kielellä. Optimointisilmukka seuraa näkyvyyttä, sitoutumista ja konversioita Googlessa ja tekoälyhaussa ja hyödyntää sitten näitä signaaleja sisällön päivittämiseen.

Wilgotin mukaan tämä lähestymistapa on suunniteltu tuoteluetteloille, joissa on kymmeniätuhansia tuotteita. Rahoitustiedotteessa kerrotaan, että alusta hyödyntää vahvistusoppimista tuotetietojen parantamiseen suorituskyvystä saadun palautteen perusteella ja tukee sisältöä yli sadalla kielellä.

Käytännössä palautesilmukka antaa järjestelmälle keinon oppia, mitkä muutokset ovat hyödyllisiä sisällön julkaisemisen jälkeen. Tiedotteessa ei kerrota palkkioiden määrittelystä tai mallin arkkitehtuurista, joten nämä yksityiskohdat eivät sisälly julkiseen kuvaukseen. Väitetty oppiminen tapahtuu Wilgotin optimointiprosessissa; se ei tarkoita, että vähittäiskauppias voisi kouluttaa ChatGPT:tä suoraan uudelleen tai määrittää, mitä riippumaton avustaja suosittelee.

Rakenteisilla tuotetiedoilla on jo konkreettinen tehtävä haussa. Googlen kauppiasluettelon dokumentaatiossa selitetään, miten Product- ja Offer-merkinnät voivat tuoda esimerkiksi hinnan, saatavuuden, toimituksen ja palautukset ostokokemuksissa saataville. Tämä havainnollistaa, miksi tuotetiedot on tärkeää esittää selkeästi, vaikka hakutoiminnon kelpoisuusehdot eivät takaa suositusta.

Laajempi kysymys on tuttu kaikille, jotka valmistelevat tuotetietoja tekoälyavusteista ostamista varten: sujuvat vastaukset riippuvat edelleen taustalla olevien tietueiden paikkansapitävyydestä. Sisältöjärjestelmän on säilytettävä ero vahvistetun tuotetiedon, asiakkaan mielipiteen ja soveltuvuutta koskevan päätelmän välillä. Muuten tuotteen näkyvyyden parantaminen voi myös levittää perusteetonta väitettä aiempaa laajemmalle.

Varhaiset asiakkaat ja perustajatiimi

Wilgot mainitsee asiakkaikseen Daniel Wellingtonin, J.Lindebergin, Myrqvistin ja Signifyn. Rahoitustiedotteen mukaan nettomyynti kasvoi 20 % Wilgotin optimoimilla Daniel Wellingtonin tuotesivuilla, ja 7 % Myrqvistin asiakkaista tulee nyt ChatGPT:n kautta.

Luvut kuvaavat erilaisia tuloksia: toinen koskee valittujen tuotesivujen myyntiä, toinen asiakashankinnan kanavaa. Tiedotteessa ei kerrota mittausjaksoja tai koejärjestelyjä. Luvut antavat varhaisia viitteitä kaupallisesta kehityksestä, eivätkä ole yksi kaikille vähittäiskauppiaille pätevä vertailuluku.

Vuonna 2024 perustettu Wilgot kokoaa yhteen perustajajäsenensä ja toimitusjohtajansa Erik Wikanderin, perustajajäsenensä ja tekoälytutkijansa tohtori Mhairi Dunionin sekä perustajajäsenensä ja teknologiajohtajansa Oleg Danylenkon. Wikander toimi aiemmin Lendifyn markkinointijohtajana. Dunionilla on syvävahvistusoppimiseen keskittyvä tohtorintutkinto University of Edinburghista, kun taas Danylenkon taustaan kuuluu datatiedettä Klarna-, IKEA- ja Teemyco-yrityksissä.

”Brändit käyttävät liikaa aikaa sen mittaamiseen, mainitsevatko tekoälyavustajat niitä, eivätkä tarpeeksi aikaa siihen, että tekoälyllä olisi syy suositella niiden tuotteita”, Wikander sanoi tiedotteessa.

Siemenrahoituskierros antaa Wilgotille resursseja laajentaa tätä tarjontaa ensimmäisten asiakkaidensa ulkopuolelle. Yhtiön mahdollisuutena on yhdistää vähittäiskauppiaan asiakasvuorovaikutuksesta hajallaan oleva tieto tuotetietoihin, jotka vaikuttavat tuotteiden löytymiseen. Ostoskäyttöliittymien muuttuessa keskustelevammiksi tiedon paikkansapitävyydestä, saatavuudesta ja hyödyllisyydestä huolehtimisesta tulee kaupallinen tehtävä jo itsessään.

Evan Mercer on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka käsittelee AI-startup-yrityksiä, riskipääomaa ja rahoituksen dynamiikkaa, joka muovaa seuraavan sukupolven teknologiayrityksiä. Hänen raportointinsa keskittyy varhaisvaiheen innovaatioihin, pääomavirtoihin ja strategisiin päätöksiin, joita perustajat ja sijoittajat tekevät, kun AI-yritykset kasvavat konseptista globaaliin vaikutukseen.

Strategisesta ja analyyttisestä näkökulmasta Evan tarkastelee rahoituskierroksia, markkina-asemointia ja nousevia trendejä AI-startup-ekosysteemissä. Hän seuraa, miten riskipääoma, yritysinvestoinnit ja pörssimarkkinat limittyvät tekoälyn läpimurtoihin, erottaen kestävät signaalit lyhytaikaisesta hypeestä.

Evan Mercerin kirjoittamat artikkelit ovat AI:n luomia ja Unite.AI:n toimitusryhmän tarkistamia varmistaakseen tarkkuuden, kontekstin ja vastuullisen kattavuuden globaalissa AI-sijoitusmaisemassa