Algolia przejmuje Velou, aby wzmocnić inteligencję produktową w zakupach opartych na SI

Sprzedawca może mieć właściwy produkt w magazynie i mimo to stracić sprzedaż, ponieważ jego katalog nie opisuje, czego chce klient. Problem ten staje się jeszcze poważniejszy, gdy to asystent SI wykonuje wyszukiwanie: przekonująca odpowiedź jest przydatna tylko wtedy, gdy system potrafi znaleźć produkt, który rzeczywiście spełnia żądanie.

Algolia przejęła Velou, nowojorską firmę specjalizującą się w wzbogacaniu danych produktowych i inteligencji katalogowej, aby wzmocnić tę podstawę. Ogłoszono 6 października; transakcja przybliża rozumienie produktów do systemów wyszukiwania i rekomendacji, które z nich korzystają.

W ogłoszeniu o przejęciu podano, że warunki finansowe nie zostały ujawnione, a sześciu‑osobowy zespół Velou dołącza do Algolia. Velou obsługuje już ponad 50 klientów detalicznych i marek premium w segmencie przedsiębiorstw. Algolia informuje, że obsługuje rocznie prawie dwa biliony zapytań wyszukiwania w ponad 18 000 klientów, co daje przejętej technologii znacznie większy potencjalny kanał dystrybucji.

Dlaczego lepsze wyszukiwanie zaczyna się od lepszych danych produktowych

Systemy wyszukiwania muszą łączyć intencję klienta z informacjami dostępnymi o produkcie. Jeśli oferta zawiera zdjęcie i krótki tytuł, ale pomija ważne atrybuty, system ma mniej wiarygodnych danych, z którymi może dopasować szczegółowe zapytanie.

Rozważmy klienta poszukującego kompaktowej lampki biurkowej z regulowanym ramieniem. Katalog, który rejestruje jedynie markę i kolor, może uniemożliwić silnikowi wyszukiwania filtrowanie pod kątem rozmiaru lub konstrukcji. Bogatszy rekord może wyraźnie określić te ograniczenia. To jedynie ilustracyjny przykład problemu danych, a nie twierdzenie dotyczące konkretnego wdrożenia Velou.

Ten sam problem przenosi się na handel agentowy, w którym systemy SI pomagają konsumentom odkrywać i wybierać produkty. Lepsze rozumienie języka na poziomie asystenta nie może samo w sobie ustalić nieudokumentowanej cechy produktu. Udoskonalenie podstawowego rekordu udostępnia dowody wielu interfejsom.

Co Velou wnosi do Algolia

Velou wykorzystuje multimodalną SI, aby przekształcać opisy produktów i obrazy w informacje strukturalne. W ogłoszeniu na stronie internetowej firmy Algolia opisuje mapowanie tych danych na starannie opracowaną taksonomię detaliczną: spójny słownik kategorii, atrybutów i ich wartości. Firma podaje, że wzbogacanie odbywa się w miarę zmian katalogów i łączy atrybuty ze źródłowymi dowodami.

Strona Velou wskazuje Commerce-1 jako swój model dedykowany detalowi i opisuje grafy produktów, które mapują relacje między pozycjami. Oprócz generowania brakujących atrybutów i ujednoliconych znaczników, platforma ma zapewniać kontekst dla alternatywnych i kompatybilnych produktów, a następnie przesyłać wzbogacone rekordy z powrotem do istniejących systemów handlowych.

Taksonomia i graf produktów rozwiązują różne aspekty zadania odkrywania. Wspólny słownik pomaga systemom porównywać pozycje, których dostawcy używają odmiennych opisów. Relacje ułatwiają łączenie tych pozycji. Dla asystenta, któremu polecono skompletować skoordynowane zakupy, zarówno cechy każdego produktu, jak i powiązania między nimi mogą mieć znaczenie.

Algolia planuje umieścić inteligencję produktową Velou pod warstwą wyszukiwania, rekomendacji, personalizacji, merchandisingu i Agent Studio. Firma informuje, że istniejące API, SDK i integracje pozostaną bez zmian. Celem jest ulepszenie informacji, z którymi te produkty współpracują, przy jednoczesnym unikaniu przebudowy istniejących wdrożeń Algolia u detalistów.

Wyniki klientów stojące za przejęciem

Firmy przytaczają dwa przykłady detaliczne. Get The Label dodało ponad 190 000 atrybutów produktowych w ciągu sześciu miesięcy przy użyciu Velou, odnotowując 60 % wzrost przychodów z wyszukiwania na stronie. Everything5pounds zwiększyło liczbę atrybutów w katalogu o ponad 85 %, wraz z 33 % wzrostem konwersji w wyszukiwaniu.

Są to wyniki zgłoszone przez firmy, a nie kontrolowane porównanie określające, jak duży udział w poprawie ma samo wzbogacenie. Niemniej jednak konkretują cel handlowy: lepsze opisy produktów muszą przełożyć się na to, że klienci znajdą odpowiednie produkty i sfinalizują zakupy.

Dla detalisty oceniającego technologię przydatne miary wykraczają poza liczbę nowych pól. Czy konkretne zapytanie zwraca odpowiedni wynik? Czy filtry odzwierciedlają dokładne cechy produktów? Czy zespół merchandisingowy może sprawdzić i skorygować dowody stojące za atrybutem? Te pytania łączą jakość danych z doświadczeniem klienta.

Strategiczne nabycie dla stosu zakupów AI

Przejęcie daje Algolia możliwość wpływania na dane wejściowe, które kształtują skuteczność szerszej platformy. Wzbogacanie może wspierać pasek wyszukiwania, silnik rekomendacji i agenta zakupowego z jednego rekordu produktu, zamiast wymagać oddzielnych działań naprawczych katalogu dla każdego doświadczenia.

Dokładność pozostaje kluczowa. Zdjęcie produktu może ujawnić widoczną cechę konstrukcyjną, ale sprzedawca potrzebuje wiarygodnych dowodów dotyczących specyfikacji i instrukcji pielęgnacji. Dodanie nieobsługiwanego atrybutu może spowodować atrakcyjną rekomendację, która rozczaruje kupującego. Dlatego nacisk Algolia na weryfikowalne dowody jest istotną częścią jej obietnicy integracji.

Umowa również ilustruje praktyczną kwestię przy wdrażaniu sztucznej inteligencji agentowej w przedsiębiorstwie: systemy potrzebują użytecznych informacji o obiektach, na które działają. W handlu oznacza to katalog wystarczająco szczegółowy, aby wspierać rzeczywiste wymagania kupującego.

Kolejnym testem Algolia będzie sprawdzenie, czy połączenie wzbogacania i wyszukiwania pod jednym dachem poprawi odkrywanie produktów konsekwentnie w całej bazie klientów. Ambicja jest prosta: ułatwić znalezienie właściwego produktu, niezależnie od tego, czy zapytanie przychodzi przez pole wyszukiwania, czy asystenta AI.