Finanziamenti
Wilgot raccoglie 3 milioni di dollari con un round di finanziamento seed per migliorare la visibilità dei prodotti negli acquisti tramite IA

Punti chiaveWilgot trasforma le richieste e le recensioni dei clienti esistenti in dati di prodotto…
Vedi di più
- Wilgot trasforma le richieste e le recensioni dei clienti esistenti in dati di prodotto più ricchi su cui gli assistenti AI possono agire.
- Il ciclo di feedback della piattaforma ottimizza i contenuti per la visibilità e la conversione, ma non può controllare ciò che consigliano gli assistenti indipendenti.
- I primi risultati dei clienti di Wilgot mancano di periodi di misurazione divulgati, quindi indicano una promessa piuttosto che parametri di riferimento comprovati.
Wilgot ha raccolto 3 milioni di dollari in un round di finanziamento seed per aiutare i rivenditori a rendere i propri prodotti più facili da trovare, comprendere e consigliare agli assistenti IA per gli acquisti. La startup di Stoccolma sta sviluppando quello che definisce «ottimizzazione agentica dei prodotti», o APO: un software che trasforma le conoscenze sui clienti in informazioni più ricche sui prodotti e adegua continuamente tali contenuti al mutare dei comportamenti di acquisto.
Industrifonden ha guidato il round, che Wilgot descrive anche come un finanziamento di 30 milioni di SEK. Tra i partecipanti figurano Luminar Ventures, Foundry Ventures, Ventures Together e Inovexus. Tra gli investitori angel figurano i fondatori di Voyado, Johan Bäckarlin e Johan Hjelte, insieme a Niclas Mollin, fondatore di inriver e Occtoo.
L’azienda userà il capitale per sviluppare la propria piattaforma ed espandere la sua presenza commerciale. Anders Nygren di Foundry Ventures e Andreas Söneby di Industrifonden entreranno nel consiglio di amministrazione.
Trasformare le conoscenze sui clienti in informazioni sui prodotti
Un acquirente che chiede a un assistente un regalo per una persona appassionata di escursionismo descrive un uso previsto, anziché indicare un prodotto. Per comparire in una risposta utile, il catalogo di un rivenditore deve spiegare quali articoli sono adatti a quella situazione e perché. Una fotografia e una breve descrizione promozionale potrebbero non rispondere a domande importanti.
Wilgot parte dalle informazioni già in possesso dei rivenditori: query di ricerca, recensioni dei clienti, richieste all’assistenza e resi. Queste fonti possono rivelare le motivazioni d’acquisto, le domande ricorrenti e le discrepanze tra ciò che i clienti si aspettano e ciò che un prodotto offre. La piattaforma trasforma queste informazioni in pagine prodotto, feed, domande frequenti e dati strutturati.
Per esempio, domande ricorrenti sulla vestibilità di una scarpa potrebbero indicare una lacuna nelle informazioni sulle taglie. Esplicitare indicazioni verificate offre sia a chi acquista sia ai sistemi di ricerca elementi più utili. Il valore sta nell’estrarre un’informazione pertinente e associarla all’articolo giusto, anziché limitarsi a produrre una descrizione più lunga.
Wilgot presenta APO come un livello di miglioramento attivo. Gli strumenti di monitoraggio della visibilità possono mostrare se un marchio compare nella risposta di un assistente, mentre i sistemi di gestione delle informazioni di prodotto archiviano e distribuiscono i dati dei cataloghi. Wilgot si concentra sulla modifica delle informazioni utilizzate in ultima analisi da questi sistemi e dagli assistenti.
Un ciclo di feedback tra scoperta e conversione
Il sito web dell’azienda descrive tre fasi: individuare i segnali della domanda, generare contenuti per i prodotti e misurare i risultati. I contenuti prodotti includono titoli, descrizioni, attributi e domande frequenti, generati nella lingua pertinente. Il ciclo di ottimizzazione monitora visibilità, coinvolgimento e risultati in termini di conversione su Google e nella ricerca basata sull’IA, quindi usa questi segnali per rivedere i contenuti.
Wilgot afferma che questo approccio è progettato per cataloghi con decine di migliaia di prodotti. Secondo il comunicato sul finanziamento, la piattaforma usa l’apprendimento per rinforzo per migliorare le informazioni sui prodotti sulla base dei riscontri sulle prestazioni e supporta contenuti in oltre 100 lingue.
In pratica, il ciclo di feedback consente al sistema di imparare quali modifiche sono utili dopo la pubblicazione dei contenuti. Il comunicato non divulga il metodo di progettazione delle ricompense né l’architettura del modello, quindi questi dettagli non rientrano nella descrizione pubblica. L’apprendimento dichiarato avviene nel processo di ottimizzazione di Wilgot; non significa che un rivenditore possa riaddestrare direttamente ChatGPT o determinare le raccomandazioni di un assistente indipendente.
Le informazioni strutturate sui prodotti svolgono già un ruolo concreto nella ricerca. La documentazione di Google sulle schede dei commercianti spiega come i markup Product e Offer possano rendere disponibili per le esperienze di acquisto dettagli quali prezzo, disponibilità, spedizione e resi. Ciò dimostra l’importanza di esplicitare le informazioni sui prodotti, anche se l’idoneità a comparire in una funzionalità di ricerca non equivale alla garanzia di essere consigliati.
Il problema più ampio è ben noto nella preparazione dei dati di prodotto per gli acquisti tramite IA: anche le risposte formulate con fluidità dipendono da registrazioni sottostanti accurate. Un sistema di gestione dei contenuti deve mantenere distinta una specifica verificata dall’opinione di un cliente e da un’inferenza sull’idoneità. In caso contrario, rendere un articolo più visibile può anche far circolare più ampiamente un’affermazione non supportata.
I primi clienti e il team fondatore
Wilgot annovera tra i propri clienti Daniel Wellington, J.Lindeberg, Myrqvist e Signify. Secondo l’annuncio del finanziamento, le vendite nette sono aumentate del 20% sulle pagine prodotto di Daniel Wellington ottimizzate da Wilgot, mentre ora il 7% dei clienti di Myrqvist arriva tramite ChatGPT.
Queste cifre descrivono risultati diversi: una riguarda le vendite su determinate pagine prodotto, l’altra un canale di acquisizione dei clienti. Il comunicato non specifica i periodi di misurazione né il disegno sperimentale. Sono segnali commerciali iniziali, non un unico parametro di riferimento valido per tutti i rivenditori.
Fondata nel 2024, Wilgot riunisce Erik Wikander, cofondatore e amministratore delegato; la dott.ssa Mhairi Dunion, cofondatrice e scienziata IA; e Oleg Danylenko, cofondatore e direttore tecnico. Wikander ha ricoperto in precedenza il ruolo di direttore marketing presso Lendify. Dunion ha conseguito un dottorato incentrato sull’apprendimento per rinforzo profondo presso la University of Edinburgh, mentre Danylenko ha maturato esperienze nel campo della scienza dei dati presso Klarna, IKEA e Teemyco.
«I brand dedicano troppo tempo a misurare se gli assistenti IA li menzionano e troppo poco a fornire all’IA un motivo per consigliare i loro prodotti», ha dichiarato Wikander nell’annuncio.
Il round di seed offre a Wilgot le risorse per estendere questa proposta oltre la sua prima base di clienti. L’opportunità consiste nel collegare le informazioni disseminate nelle interazioni tra un rivenditore e i suoi clienti ai dati sui prodotti che ne influenzano la scoperta. Man mano che le interfacce di acquisto diventano più conversazionali, rendere queste informazioni accurate, accessibili e utili diventa di per sé un’attività commerciale.












