Loops haalt $3,5 miljoen op in seedronde om AI-zoeken, winkelassistentie en retaildata met elkaar te verbinden

Online een product vinden is eenvoudig. Bepalen of het ook het juiste product is, kan nog steeds betekenen dat je heen en weer moet schakelen tussen zoekresultaten, maattabellen, productpagina’s en een gesprek met de klantenservice dat helemaal opnieuw begint. Loops zet erop in dat retailers een gedeelde informatielaag nodig hebben die deze momenten met elkaar verbindt.

Loops heeft een seedronde van $3,5 miljoen aangekondigd, waaraan a16z speedrun, NTT Docomo, Connecticut Innovations, Alumni Ventures en Monday Capital deelnemen. Het bedrijf wil de financiering gebruiken voor productontwikkeling, meer capaciteit voor klantimplementaties en internationale uitbreiding, terwijl het bouwt aan wat het een AI-besturingssysteem voor de handel noemt.

Het platform brengt zoeken, productontdekking, winkelassistentie, klantenservice, productverrijking en virtueel passen samen. De centrale belofte is dat deze mogelijkheden meer opleveren wanneer ze gebruikmaken van gedeelde kennis over het assortiment van de retailer, de zakelijke context en de klantreis.

De onderdelen van AI-winkelen met elkaar verbinden

Een retailer kan een geavanceerde zoekmachine inzetten en klanten toch met onbeantwoorde vragen laten zitten. De retailer kan een gesprekspartner toevoegen, maar die heeft nauwkeurige productinformatie nodig en moet weten wat de klant al heeft overwogen. Elke extra applicatie brengt ook een nieuwe integratie met zich mee die onderhouden moet worden.

Loops wil die versnippering aanpakken met één onderliggende laag. In de aankondiging wordt een kringloop beschreven waarin betere catalogusgegevens het zoeken verbeteren, zoekopdrachten context bieden aan de winkelassistent en gesprekken ontbrekende productinformatie aan het licht brengen, die vervolgens met productverrijking kan worden aangevuld.

Stel je een klant voor die binnen een bepaald budget een outfit zoekt voor een bruiloft in de buitenlucht. Om die vraag te begrijpen, is meer nodig dan het woord ‘bruiloft’ herkennen. Een bruikbaar systeem moet de gelegenheid, de prijslimiet, stijlvoorkeuren en productkenmerken interpreteren en die context vasthouden wanneer de klant vragen stelt over de pasvorm of alternatieven. Dat is het soort samenhangende ervaring waar Loops aan werkt.

In de productbeschrijvingen van het bedrijf staat dat AI Search volledige zinnen, gelegenheden, budgetten en beperkingen interpreteert. Loops zegt ook dat resultaten kunnen worden gerangschikt op basis van de omzet- en margedoelen van de retailer. Dat is een betekenisvolle keuze in het productontwerp: commerciële doelstellingen kunnen meewegen bij de volgorde waarin geschikte artikelen worden getoond, naast de relevantie voor de zoekopdracht.

Catalogusgegevens vormen de basis

Veel van het werk vindt plaats voordat een klant een vraag stelt. Productcatalogi bevatten vaak beschrijvingen van wisselende kwaliteit en ontbrekende kenmerken. Als informatie over het materiaal, de pasvorm of de wasvoorschriften van een kledingstuk ontbreekt, kan een vlot pratende assistent vragen daarover niet betrouwbaar beantwoorden door alleen maar zelfverzekerd te klinken.

Volgens het bedrijf vult de functie Product Enrichment ontbrekende catalogusstructuur, beschrijvingen en kenmerken aan. In de aankondiging wordt dit voorgesteld als de basis die zowel de zoekfunctie als de assistent helpt het assortiment te begrijpen. Beter gestructureerde informatie kan ervoor zorgen dat producten via verschillende interfaces gemakkelijker worden gevonden en vergeleken.

De winkelassistent begeleidt klanten vervolgens bij hun keuzes en gebruikt daarbij catalogusgegevens over bijvoorbeeld voorraad, maten en beleid. Loops beschrijft implementaties op de website, in de mobiele app en via WhatsApp van een retailer. De Marketplace Assistant beantwoordt vragen over producten op marktplaatsen, waaronder Trendyol, met behulp van de catalogus en merkstem van de retailer.

Virtueel passen voegt een visueel element toe aan die klantreis. Loops zegt dat klanten een foto kunnen gebruiken om te zien hoe producten hun staan voordat ze tot aankoop overgaan. Visuele simulaties en advies over de pasvorm kunnen mensen helpen een artikel te beoordelen, maar de aankondiging toont niet aan dat deze functies een fysieke pasvorm garanderen of retouren voorkomen.

Het bredere technische punt is orkestratie: gespecialiseerde mogelijkheden coördineren op basis van gedeelde informatie. Het bedrijf heeft in de aankondiging niet genoeg architectuurdetails bekendgemaakt om onafhankelijk te kunnen beoordelen welke modellen het gebruikt, hoe het die evalueert en hoe alle klantcontext tussen kanalen wordt behouden.

Wat de eerste klantcijfers laten zien

Loops meldt meer dan 70 klanten en pilotprojecten, miljoenen afgehandelde winkelervaringen en een percentage van 64% voor pilots die betalende klanten worden. Deze cijfers wijzen op vroege commerciële tractie, maar de aankondiging bevat geen gegevens over de onderliggende cohortgroottes, tijdsperioden of contractwaarden die nodig zijn om ze nader te beoordelen.

In de bekendmaking wordt de Turkse supermarktketen A101 genoemd als gebruiker van het platform voor catalogusnavigatie en winkelassistentie. Volgens een door Loops gepubliceerde vergelijking lag de waargenomen aankoopconversie bij sessies waarbij het platform werd gebruikt ongeveer 83% hoger dan in de vergelijkingsgroep.

Dat resultaat moet zorgvuldig worden geïnterpreteerd. Het bedrijf omschrijft het uitdrukkelijk als observationeel en niet als een meting op basis van een gerandomiseerde proef. Klanten die ervoor kiezen een assistent te gebruiken, hebben mogelijk al een andere aankoopintentie dan klanten die dat niet doen. De vergelijking is een bemoedigend signaal dat nader onderzoek verdient, maar bewijst niet dat Loops op zichzelf de conversie met 83% heeft verhoogd.

Modewinkel Mavi is een ander genoemd voorbeeld: het bedrijf gebruikt Loops voor AI-zoekopdrachten en winkelhulp bij vragen over stijl, gelegenheden en pasvorm. Deze toepassingen helpen de beoogde rol van het platform voor uiteenlopende catalogi te illustreren, maar vragen over de implementatie-inspanningen en herhaalbare financiële resultaten blijven voor toekomstige berichtgeving open.

Een startpunt in de detailhandel voor sectorspecifieke AI

Het ontstaansverhaal van het bedrijf weerspiegelt de frictie die het wil wegnemen. Medeoprichters Ari Nazir en İlker Selim Zorluoğlu waren op Bali toen Zorluoğlu een cadeau voor zijn jonge dochter probeerde te kopen, contact opnam met de winkelier en urenlang op een reactie wachtte. De verkoop ging niet door. Volgens de aankondiging bouwde Nazir het eerste prototype in één weekend.

Loops beschouwt de detailhandel nu als de eerste toepassing van een bredere strategie: AI-systemen ontwikkelen die diep zijn afgestemd op de kennis, integraties en werkprocessen van specifieke sectoren. Financiële dienstverlening en energie zijn de volgende geplande sectoren. Het bedrijf ontwikkelt ook gespecialiseerde mogelijkheden voor kleine taalmodellen voor taken waarbij domeinkennis en implementatiebeperkingen de voorkeur geven aan een meer gericht model.

Die ambities reiken verder dan het huidige retailproduct en moeten worden gezien als ontwikkelplannen. De eerste test is of Loops zijn geïntegreerde winkelervaring kan omzetten in betrouwbare, herhaalbare implementaties naarmate het klantenbestand groeit.

De seedfinanciering geeft het bedrijf de middelen om dat werk voort te zetten. De kans ligt in een praktisch winkelprobleem: klanten helpen om van een onvolmaakte beschrijving van wat ze willen tot een zelfverzekerde aankoop te komen, met accurate informatie en nuttige hulp gedurende het hele proces.