Algolia가 Velou를 인수해 AI 쇼핑을 위한 제품 인텔리전스를 강화

소매업자는 적절한 제품을 재고로 보유하고 있어도 카탈로그가 구매자가 원하는 것을 설명하지 못하면 판매를 놓칠 수 있습니다. AI 비서가 검색을 수행할 때 이 문제는 더욱 중대해집니다. 설득력 있는 답변은 시스템이 실제로 요청에 부합하는 항목을 찾을 수 있을 때만 유용합니다.

Algolia는 제품 데이터 강화와 카탈로그 인텔리전스를 전문으로 하는 뉴욕 기반 AI 기업 Velou를 인수했습니다. 10월 6일에 발표된 이번 거래는 제품 이해를 이를 활용하는 검색 및 추천 시스템에 더 가깝게 연결합니다.

인수 발표에 따르면 재무 조건은 공개되지 않았으며 Velou의 6인 팀이 Algolia에 합류합니다. Velou는 이미 50개가 넘는 소매 및 프리미엄 브랜드 기업 고객에게 서비스를 제공하고 있습니다. Algolia는 연간 거의 2조 건에 달하는 검색을 18,000개가 넘는 고객에게 처리하고 있어, 인수된 기술이 훨씬 더 큰 잠재적 배포 채널을 얻게 된다고 말합니다.

왜 더 나은 검색은 더 나은 제품 데이터에서 시작하는가

검색 시스템은 고객의 의도를 해당 상품에 대한 가용 정보와 연결해야 합니다. 목록에 사진과 간단한 제목만 있고 중요한 속성이 누락된 경우, 시스템이 상세한 요청에 맞추어 매칭할 신뢰할 수 있는 정보가 부족해집니다.

조절 가능한 팔이 있는 콤팩트한 책상 램프를 찾는 쇼핑객을 생각해 보십시오. 카탈로그에 브랜드와 색상만 기록되어 있다면 검색 엔진이 크기나 구조를 필터링하지 못할 수 있습니다. 보다 풍부한 기록은 이러한 제약 조건을 명시적으로 만들 수 있습니다. 이는 특정 Velou 도입 사례에 대한 주장이라기보다 데이터 문제를 설명하기 위한 예시입니다.

같은 문제가 에이전트형 커머스로 이어지는데, 여기서 AI 시스템은 소비자가 제품을 발견하고 선택하도록 돕습니다. 어시스턴트 수준에서의 향상된 언어 이해만으로는 문서화되지 않은 제품 특성을 스스로 확립할 수 없습니다. 기본 기록을 개선하면 그 증거를 여러 인터페이스에서 활용할 수 있게 됩니다.

Velou가 Algolia에 추가하는 내용

Velou는 멀티모달 AI를 활용해 제품 설명과 이미지를 구조화된 정보로 변환합니다. 회사 웹사이트에 게시된 발표에서 Algolia는 해당 정보를 선별된 소매 분류 체계에 매핑한다고 설명합니다. 이는 카테고리, 속성 및 그 값에 대한 일관된 어휘를 제공합니다. 회사는 카탈로그가 변경될 때마다 이 강화가 실행되며 속성을 원본 증거와 연결한다고 밝혔습니다.

Velou 웹사이트는 Commerce-1을 자사 소매 전용 모델로 식별하고, 아이템 간 관계를 매핑하는 제품 그래프를 설명합니다. 누락된 속성과 표준화된 태그를 생성하는 것과 함께, 이 플랫폼은 대체 제품 및 호환 제품에 대한 컨텍스트를 제공하도록 설계되었으며, 강화된 기록을 기존 커머스 시스템으로 다시 푸시합니다.

분류 체계와 제품 그래프는 발견 작업의 서로 다른 부분을 다룹니다. 공통 어휘는 공급자가 서로 다른 설명을 사용할 때 시스템이 아이템을 비교하는 데 도움이 됩니다. 관계는 이러한 아이템들을 연결하는 역할을 합니다. 조정된 구매를 구성하도록 요청받은 어시스턴트에게는 각 제품의 특성뿐 아니라 그들 간의 연결도 중요할 수 있습니다.

Algolia는 Velou의 제품 인텔리전스를 검색, 추천, 개인화, 머천다이징 및 Agent Studio 아래에 배치할 계획입니다. 기존 API, SDK 및 통합은 그대로 유지될 것이라고 밝혔습니다. 이들의 목표는 소매업체가 기존 Algolia 구현을 재구축하지 않으면서 해당 제품들이 활용하는 정보를 개선하는 것입니다.

인수 뒤에 숨은 고객 결과

양사는 두 가지 소매 사례를 제시합니다. Get The Label은 Velou를 사용해 6개월 동안 190,000개가 넘는 제품 속성을 추가했으며, 사이트 검색 매출이 60% 증가했다고 보고했습니다. Everything5pounds는 카탈로그 속성을 85% 이상 늘렸으며, 검색 전환율이 33% 상승했다고 보고했습니다.

이는 기업이 보고한 고객 성과이며, 각 개선이 순수히 강화에서 비롯된 정도를 입증하는 통제된 비교는 아닙니다. 그럼에도 이들은 상업적 목표를 구체화합니다: 더 나은 제품 설명이 쇼핑객이 적합한 제품을 찾고 구매를 완료하도록 이어져야 합니다.

기술을 평가하는 소매업체에게 유용한 측정 지표는 새로운 필드 수를 넘어섭니다. 특정 쿼리가 적절한 결과를 반환합니까? 필터가 정확한 제품 특성을 반영합니까? 머천다이징 팀이 속성 뒤에 있는 증거를 검사하고 수정할 수 있습니까? 이러한 질문들은 데이터 품질을 고객 경험과 연결합니다.

AI 쇼핑 스택을 위한 전략적 구매

이번 인수로 Algolia는 보다 넓은 플랫폼의 효율성을 좌우하는 입력을 영향을 줄 수 있게 되었습니다. 강화는 동일한 제품 기록을 통해 검색창, 추천 엔진 및 쇼핑 에이전트를 지원할 수 있어, 각각의 경험을 위해 별도의 카탈로그 수리 작업을 할 필요가 없습니다.

정확성은 여전히 핵심입니다. 제품 사진은 눈에 보이는 디자인 특징을 드러낼 수 있지만, 소매업자는 사양 및 관리 지침에 대한 신뢰할 수 있는 증거가 필요합니다. 지원되지 않는 속성을 첨부하면 매력적인 추천을 만들 수 있지만 구매자를 실망시킬 수 있습니다. 따라서 Algolia가 검증 가능한 증거에 중점을 두는 것은 통합 약속의 의미 있는 부분입니다.

이 거래는 비즈니스에서 에이전시 AI를 구현하는에 대한 실용적인 고려사항을 또한 보여줍니다: 시스템은 작동 대상에 대한 사용 가능한 정보를 필요로 합니다. 상업에서는 이는 쇼핑객의 실제 요구를 지원할 만큼 충분히 상세한 카탈로그를 의미합니다.

Algolia의 다음 시험은 풍부화와 검색을 하나의 플랫폼에 통합했을 때 고객 기반 전체에 걸쳐 탐색이 일관되게 향상되는지 여부입니다. 목표는 간단합니다: 검색 상자든 AI 어시스턴트든 요청이 들어오더라도 올바른 제품을 더 쉽게 찾을 수 있게 하는 것입니다.