資金調達
Wilgot、AIショッピングでの商品発見性向上に向け300万ドルのシード資金を調達

要点Wilgotは既存の顧客からの問い合わせやレビューを、AIアシスタントが活用できるより豊かな製品データに変換します。
もっと見る
- Wilgotは既存の顧客からの問い合わせやレビューを、AIアシスタントが活用できるより豊かな製品データに変換します。
- このプラットフォームのフィードバックループは可視性とコンバージョンのためにコンテンツを最適化しますが、独立したアシスタントが何を推奨するかを制御することはできません。
- Wilgotの初期の顧客成果は測定期間が開示されていないため、実証済みのベンチマークではなく有望さを示すものです。
Wilgotは、AIショッピングアシスタントが小売業者の商品を見つけ、理解し、推薦しやすくするため、シード資金として300万ドルを調達した。ストックホルムに拠点を置く同社は、「エージェンティック・プロダクト・オプティマイゼーション(Agentic Product Optimization、APO)」と呼ぶソフトウェアを開発している。顧客に関する知見をより充実した商品情報に変え、購買行動の変化に合わせてその内容を継続的に調整するものだ。
Industrifondenが今回の資金調達を主導した。Wilgotは調達額を3,000万スウェーデンクローナとも説明している。Luminar Ventures、Foundry Ventures、Ventures Together、Inovexusも参加した。エンジェル投資家には、Voyadoの創業者であるJohan BäckarlinとJohan Hjelteのほか、inriverとOcctooの創業者Niclas Mollinが名を連ねた。
同社は調達資金をプラットフォームの開発と事業展開の拡大に充てる。Foundry VenturesのAnders NygrenとIndustrifondenのAndreas Sönebyが取締役に就任する。
顧客に関する知見を商品情報に変える
たとえば、ハイキングが好きな人への贈り物をアシスタントに尋ねる買い物客は、商品名ではなく、想定している用途を伝えている。小売業者が役立つ回答に商品を表示させるには、どの商品がその状況に適しているのか、またその理由は何かをカタログで説明する必要がある。写真と短い宣伝文だけでは、重要な疑問に答えきれないこともある。
Wilgotが活用するのは、検索クエリ、顧客レビュー、サポートへの問い合わせ、返品など、小売業者がすでに保有している情報だ。こうした情報から、購入の動機や繰り返し寄せられる質問、顧客の期待と商品の実際の性能との食い違いを把握できる。プラットフォームは、そこから得られた知見を商品ページ、商品フィード、FAQ、構造化データに反映する。
たとえば、靴のフィット感について同じ質問が繰り返し寄せられていれば、サイズ情報が不足している可能性がある。確認済みの情報を明示すれば、買い物客にも検索システムにも、より有用な判断材料を提供できる。重要なのは、単に説明文を長くすることではない。関連性のある事実を抽出し、適切な商品に結び付けることに価値がある。
Wilgotは、APOを積極的に改善を促すレイヤーとして位置付けている。表示状況を監視するツールでは、ブランドがアシスタントの回答に登場するかどうかを確認できる。一方、商品情報システムはカタログ情報を保存し、配信する。Wilgotが注力するのは、そうしたシステムやアシスタントが最終的に利用する情報そのものを変えることだ。
商品発見から購入までをつなぐフィードバックループ
同社のウェブサイトによると、プロセスは需要の兆候の発見、商品コンテンツの生成、成果の測定という3段階で構成される。生成するコンテンツには、対応する言語で作成したタイトル、説明文、属性、FAQが含まれる。最適化のサイクルでは、GoogleやAI検索における表示状況、エンゲージメント、コンバージョンの成果を追跡し、得られたシグナルを使ってコンテンツを修正する。
Wilgotによると、このアプローチは数万点の商品を扱うカタログ向けに設計されている。資金調達の発表によれば、同社のプラットフォームは強化学習を用いて、成果に関するフィードバックから商品情報を改善し、100を超える言語でのコンテンツに対応する。
実際には、このフィードバックループにより、コンテンツの公開後にどの変更が有効かをシステムが学習できる。発表では報酬設計やモデルのアーキテクチャは明らかにされておらず、これらの詳細は公開情報に含まれていない。主張されている学習はWilgotの最適化プロセス内で行われるものであり、小売業者がChatGPTを直接再トレーニングしたり、独立したアシスタントの推薦内容を決めたりできるという意味ではない。
検索において、構造化された商品情報はすでに具体的な役割を果たしている。Googleの販売者向けリスティングに関するドキュメントでは、ProductやOfferのマークアップを使って、価格、在庫状況、配送、返品などの情報をショッピング体験で利用できるようにする方法が説明されている。これは商品情報を明示する重要性を示すものだが、検索機能の対象となることと、推薦が保証されることは別である。
より広範な課題は、AIショッピング向けの商品データの準備にも共通している。流暢な回答も、正確な基礎データに依存する。コンテンツシステムは、検証済みの仕様、顧客の意見、適合性に関する推論を区別して保持しなければならない。そうしなければ、商品をより目立たせることで、裏付けのない主張まで広く伝わってしまうおそれがある。
初期顧客と創業チーム
Wilgotは、Daniel Wellington、J.Lindeberg、Myrqvist、Signifyを顧客として挙げている。資金調達の発表によると、Wilgotが最適化したDaniel Wellingtonの商品ページでは純売上高が20%増加し、現在、Myrqvistの顧客の7%がChatGPT経由で訪れている。
この2つの数字が示す成果は異なる。前者は一部の商品ページでの売上に関するもので、後者は顧客獲得チャネルに関するものだ。発表では、測定期間や実験設計は明らかにされていない。これらは初期段階の事業上の兆候であり、小売業者全般に当てはまる単一の基準ではない。
2024年に創業したWilgotには、共同創業者兼CEOのErik Wikander、共同創業者兼AIサイエンティストのDr. Mhairi Dunion、共同創業者兼CTOのOleg Danylenkoが名を連ねる。Wikanderは以前、Lendifyで最高マーケティング責任者を務めていた。DunionはUniversity of Edinburghで深層強化学習を専門とする博士号を取得しており、DanylenkoはKlarna、IKEA、Teemycoでデータサイエンスに携わった経歴を持つ。
「ブランドは、AIアシスタントが自社に言及するかどうかを測定することに時間をかけすぎています。その商品をAIが推奨する理由を与えることには、十分な時間を割けていません」と、Wikanderは発表の中で述べた。
シードラウンドによってWilgotは、初期の顧客層を超えてこの価値提案を広げるための資金を得た。同社の事業機会は、小売業者と顧客とのやり取りに散在する知識を、商品発見に影響する商品情報と結び付けることにある。ショッピングインターフェースがより会話型になるにつれて、そうした知識を正確で、利用しやすく、役立つものにすること自体が、独立した商業上の課題となる。












