Finansiering

Wilgot henter 3 millioner dollar i såkornfinansiering for å gjøre produkter mer synlige i AI-drevet handel

Evan Mercer
Legg til Unite.AI blant dine foretrukne kilder på Google
Three members of the Wilgot founding team in their office
Viktige punkterWilgot gjør eksisterende kundeforespørsler og anmeldelser om til rikere produktdata som…
Vis mer
  • Wilgot gjør eksisterende kundeforespørsler og anmeldelser om til rikere produktdata som AI-assistenter kan handle på.
  • Plattformens tilbakemeldingssløyfe optimaliserer innhold for synlighet og konvertering, men kan ikke kontrollere hva uavhengige assistenter anbefaler.
  • Wilgots tidlige kunderesultater mangler oppgitte måleperioder, så de signaliserer løfte snarere enn dokumenterte referansetall.

Wilgot har hentet 3 millioner dollar i såkornfinansiering for å hjelpe forhandlere med å gjøre produktene sine enklere å finne, forstå og anbefale for AI-handelsassistenter. Stockholm-startupen utvikler det den kaller agentbasert produktoptimalisering, eller APO: programvare som gjør kundekunnskap om til mer utfyllende produktinformasjon og fortløpende tilpasser innholdet etter hvert som handlemønstrene endrer seg.

Industrifonden ledet finansieringsrunden, som Wilgot også beskriver som 30 millioner SEK. Blant deltakerne var Luminar Ventures, Foundry Ventures, Ventures Together og Inovexus. Blant engleinvestorene var Voyado-gründerne Johan Bäckarlin og Johan Hjelte, samt Niclas Mollin, grunnlegger av inriver og Occtoo.

Selskapet skal bruke kapitalen til å videreutvikle plattformen og utvide den kommersielle rekkevidden. Anders Nygren fra Foundry Ventures og Andreas Söneby fra Industrifonden går inn i styret.

Fra kundekunnskap til produktinformasjon

En kunde som spør en assistent om en gave til noen som liker å gå på tur, beskriver en planlagt brukssituasjon snarere enn å navngi et produkt. For at en forhandler skal dukke opp i et nyttig svar, må produktkatalogen forklare hvilke varer som passer i den situasjonen, og hvorfor. Et bilde og en kort markedsføringstekst kan la viktige spørsmål stå ubesvart.

Wilgot tar utgangspunkt i informasjon forhandlere allerede har: søk, kundeanmeldelser, kundeservicehenvendelser og returer. Disse kildene kan avdekke hvorfor kundene kjøper, hvilke spørsmål som går igjen, og hvor det er avvik mellom kundenes forventninger og det produktet leverer. Plattformen omgjør denne innsikten til produktsider, datafeeder, vanlige spørsmål og strukturert data.

Gjentatte spørsmål om hvordan en sko sitter, kan for eksempel tyde på at størrelsesinformasjonen er mangelfull. Når verifiserte råd gjøres tydelige, får både kunden og søkesystemet bedre grunnlag for å vurdere produktet. Verdien ligger i å hente ut en relevant opplysning og knytte den til riktig produkt, ikke bare i å skrive en lengre beskrivelse.

Wilgot beskriver APO som et aktivt lag for forbedring. Verktøy for synlighetsovervåking kan vise om et merke dukker opp i svaret fra en assistent, mens systemer for produktinformasjon lagrer og distribuerer katalogoppføringer. Wilgot fokuserer på å endre informasjonen som disse systemene og assistentene til syvende og sist bruker.

En tilbakemeldingssløyfe fra oppdagelse til konvertering

På selskapets nettsted beskrives tre trinn: å finne signaler om etterspørsel, generere produktinnhold og måle resultatene. Innholdet som produseres, omfatter titler, beskrivelser, attributter og vanlige spørsmål på det aktuelle språket. Optimaliseringssløyfen følger med på synlighet, engasjement og konverteringsresultater på Google og i AI-søk, og bruker deretter disse signalene til å revidere innholdet.

Wilgot sier at løsningen er utviklet for produktkataloger med titusenvis av varer. Ifølge kunngjøringen om finansieringen bruker plattformen forsterkende læring til å forbedre produktinformasjonen basert på tilbakemeldinger om resultatene, og den støtter innhold på mer enn 100 språk.

I praksis gjør tilbakemeldingssløyfen det mulig for systemet å lære hvilke endringer som er nyttige etter at innholdet er publisert. Kunngjøringen beskriver ikke hvordan belønningen utformes eller hvordan modellen er bygget opp, så disse detaljene er ikke en del av den offentlige beskrivelsen. Den læringen som omtales, skjer i Wilgots optimaliseringsprosess. Det betyr ikke at en forhandler kan finjustere ChatGPT direkte eller bestemme hva en uavhengig assistent anbefaler.

Strukturert produktinformasjon har allerede en konkret funksjon i søk. Googles dokumentasjon om produktoppføringer for selgere forklarer hvordan Product- og Offer-merking kan gjøre opplysninger som pris, tilgjengelighet, frakt og retur tilgjengelige i handleopplevelser. Dette viser hvor viktig det er å oppgi produktfakta tydelig, men å være kvalifisert for en søkefunksjon er ikke det samme som å være garantert en anbefaling.

Den bredere utfordringen er velkjent innen klargjøring av produktdata for AI-handel: Selv velformulerte svar er avhengige av at de underliggende opplysningene er riktige. Et innholdssystem må bevare skillet mellom en verifisert spesifikasjon, en kundes mening og en slutning om hvor egnet produktet er. Hvis ikke kan økt synlighet også bidra til at en udokumentert påstand spres videre.

De første kundene og gründerteamet

Wilgot oppgir Daniel Wellington, J.Lindeberg, Myrqvist og Signify som kunder. Ifølge kunngjøringen om finansieringen økte nettoomsetningen med 20 % på Daniel Wellington-produktsider som Wilgot hadde optimalisert, mens 7 % av Myrqvists kunder nå kommer via ChatGPT.

Tallene beskriver ulike resultater: Det ene gjelder salg på utvalgte produktsider, mens det andre gjelder en kanal for kundeanskaffelse. Kunngjøringen oppgir ikke måleperiodene eller det eksperimentelle opplegget. Tallene gir tidlige kommersielle signaler, men er ikke én felles referanseverdi som gjelder for alle forhandlere.

Wilgot ble grunnlagt i 2024 og samler medgrunnlegger og administrerende direktør Erik Wikander, medgrunnlegger og KI-forsker Dr. Mhairi Dunion og medgrunnlegger og teknologidirektør Oleg Danylenko. Wikander var tidligere markedsdirektør i Lendify. Dunion har en doktorgrad med fordypning i dyp forsterkende læring fra University of Edinburgh, mens Danylenko har bakgrunn fra datavitenskap hos Klarna, IKEA og Teemyco.

«Merkevarer bruker for mye tid på å måle om KI-assistenter nevner dem, og for lite tid på å gi KI en grunn til å anbefale produktene deres», sa Wikander i kunngjøringen.

Såkornrunden gir Wilgot ressurser til å utvide dette verdiforslaget utover den tidlige kundebasen. Selskapet har mulighet til å koble kunnskapen som er spredt på tvers av en forhandlers kundeinteraksjoner, med produktoppføringene som påvirker hva kundene oppdager. Etter hvert som handlegrensesnittene blir mer samtalebaserte, blir det en kommersiell oppgave i seg selv å gjøre denne kunnskapen nøyaktig, tilgjengelig og nyttig.

Evan Mercer er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-oppstartsbedrifter, venturekapital og finansieringsdynamikken som former neste generasjon av teknologiselskaper. Rapporteringen hans fokuserer på tidligfaseinnovasjon, kapitalstrømmer og de strategiske beslutningene grunnleggere og investorer tar når AI-selskaper skalerer fra konsept til global påvirkning.

Med et strategisk og analytisk perspektiv undersøker Evan finansieringsrunder, markedsposisjonering og fremvoksende trender i AI-oppstartsmiljøet. Han følger hvordan venturekapital, bedriftsinvesteringer og børsnoterte markeder krysser med gjennombrudd innen kunstig intelligens, og skiller varige signaler fra kortsiktig hype.

Artiklene skrevet av Evan Mercer er AI-genererte og gjennomgås av Unite.AI sitt redaksjonelle team for å sikre nøyaktighet, kontekst og ansvarlig dekning av det globale AI-investeringslandskapet