ZyG、EコマースのAIオペレーティングシステム構築のために6,000万ドルのシリーズAラウンドを調達

ZyGは、Eコマースの大きな非効率性の1つ、つまり単一のブランドを立ち上げてスケールアップするために、数十のツール、エージェンシー、ワークフローを組み合わせる必要性に取り組んでいます。プロセスの1部を改善するのではなく、会社は、製品の発見からマーケティング、コンバージョン、ロジスティクスまで、単一の統一されたプラットフォーム内ですべてを処理するように設計されたAI駆動のオペレーティングシステムを構築しています。

会社は、Accelが主導する6,000万ドルのシリーズAラウンドを調達しました。参加者には、Felix Capital、Bessemer Venture Partners、およびLightspeed Venture Partnersが含まれます。このラウンドは、会社の価値を5億ドルと評価し、ZyGが2か月前に5,800万ドルの資金調達を行った後、 Stealthモードから出てきた直後に実施されました。公開されている資金調達総額は1億1,800万ドルに達します。

Eコマースインフラストラクチャーへの異なるアプローチ

調達の中心は、ZyGのコア製品である、ダイレクト・トゥ・コンシューマー・ブランド向けのAI駆動のオペレーティングシステムです。

会社は、Eコマースの永続的な課題に取り組んでいます。つまり、製品を持続可能なブランドにスケールアップするには、通常、マーケティング、分析、ロジスティクスの分野で、エージェンシー、ツール、内部の専門知識の断片化されたミックスが必要です。ZyGのアプローチは、この複雑さを単一のシステムに統合することです。

ポイントソリューションを提供するのではなく、プラットフォームは「エージェント」というシステムとして機能し、同時に複数のビジネス機能を調整します。これには、顧客の獲得からリテンション、運用ワークフローまで、すべてが含まれます。

製品アイデアからスケールアップしたブランドへ

ZyGは、プラットフォームをソフトウェア以上のものとして位置付けます。プラットフォームは、製品の機会を特定し、その潜在性を評価し、成長をエンドツーエンドで実行するように設計されています。

予測モデリングと独自のスコアリングシステムを通じて、プラットフォームは、重要なリソースをコミットする前に、製品がスケールアップする可能性があるかどうかを評価します。

製品がそのしきい値を満たした場合、システムは以下をサポートします。

• ストアの作成とブランディング
• クリエイティブの生成と広告キャンペーン
• ユーザーの獲得と有機的な成長
• コンバージョンとリテンションの最適化
• ロジスティクスとサプライチェーンの調整

このフルスタックモデルは、従来、Eコマースビジネスを運営するために必要なツールとサービスプロバイダーのパッチワークに取って代わるものです。

「エージェントOS」のシフト

ZyGは、エージェントAIシステムへのより広範な移行の一部です。エージェントAIシステムは、データを分析するだけでなく、データに基づいて行動します。

Eコマースでは、これは、ダッシュボードと手動のワークフローから、マーケティング、価格設定、在庫、顧客エンゲージメントを含む意思決定を継続的に行うシステムへの移行を意味します。これらのプラットフォームは、統合されたデータパイプラインとクローズドループのフィードバックに依存して、リアルタイムで成果を最適化します。

これまでに成功を収めたチームによって構築された

会社は2025年に、ironSourceの背後にあるエグゼクティブによって設立されました。CEOのOmer Kaplanと会長のTomer Bar-Zeevが含まれます。彼らの大規模なデジタルプラットフォームのスケーリングに関する経験は、ZyGの自動化、データインフラストラクチャ、パフォーマンス駆動型の実行への焦点を информします。

より広範なチームには、高スケールシステムの構築に関する経験を持つエンジニアとAIスペシャリストが含まれます。これにより、会社の信頼性と運用の深さへの重点が強化されます。

より大きな絵

ZyGのようなプラットフォームの台頭は、Eコマースの運営がより自律的になる可能性を示唆しています。

ツール、エージェンシー、内部チームを組み合わせるのではなく、ビジネスは、製品テストから顧客リテンションまで、ライフサイクル全体の実行を処理する統合システムに依存する可能性が高くなります。これにより、運用の複雑さが大幅に削減され、新しいブランドが立ち上げられスケールアップされる速度が加速する可能性があります。

これは、パフォーマンスの測定方法も変えます。意思決定が自動化されるにつれて、焦点は、コンシステンシー、適応性、リアルタイムで複数の変数を最適化する能力などのシステムレベルの成果に移る可能性があります。

同時に、より大きな自動化は、コントロールと監視に関する新しい課題を引き起こします。AIシステムが予算の割り当て、クリエイティブのテスト、在庫の決定などの責任を負うにつれて、透明性と信頼できるガードレールを確保することが重要になります。

より広い意味では、これは、より少ない人が、より高度なシステムを管理する「オペレーター軽量」の会社への移行を反映しています。競争上の優位性は、実行自体から、これらのシステムをどのように構成して管理するかに移る可能性があります。