Loops pozyskuje 3,5 mln dolarów w rundzie seedowej na połączenie wyszukiwania AI, asystentów zakupowych i danych handlowych

Znalezienie produktu w internecie jest łatwe. Ocena, czy to właściwy wybór, nadal może wymagać przełączania się między wynikami wyszukiwania, tabelami rozmiarów i stronami produktów, a także rozmowy z obsługą klienta, która zaczyna się od zera. Loops stawia na to, że sprzedawcy potrzebują wspólnej warstwy inteligencji, która połączy te etapy.

Loops ogłosiło pozyskanie 3,5 mln dolarów w rundzie seedowej od a16z speedrun, NTT Docomo, Connecticut Innovations, Alumni Ventures i Monday Capital. Firma planuje przeznaczyć te środki na rozwój produktu, zwiększenie możliwości wdrażania go u klientów oraz ekspansję międzynarodową, rozwijając rozwiązanie, które określa mianem systemu operacyjnego AI dla handlu.

Platforma łączy wyszukiwanie, odkrywanie produktów, asystę zakupową, obsługę klienta, wzbogacanie danych o produktach i wirtualne przymierzanie. Jej główna idea zakłada, że te funkcje są bardziej przydatne, gdy korzystają ze wspólnej wiedzy o katalogu sprzedawcy, kontekście biznesowym i ścieżce klienta.

Łączenie elementów zakupów wspieranych przez AI

Sprzedawca może wdrożyć sprawną wyszukiwarkę, a mimo to pozostawić klientów z pytaniami bez odpowiedzi. Może dodać asystenta konwersacyjnego, ale ten potrzebuje dokładnych informacji o produktach i wiedzy o tym, które z nich klient już brał pod uwagę. Każda kolejna aplikacja oznacza kolejną integrację, którą trzeba utrzymywać.

Loops chce rozwiązać problem tej fragmentacji za pomocą jednej wspólnej warstwy. W ogłoszeniu opisano cykl, w którym lepsze dane katalogowe usprawniają wyszukiwanie, wyszukiwarka przekazuje kontekst asystentowi zakupowemu, a rozmowy ujawniają braki w informacjach o produktach, które można uzupełnić dzięki ich wzbogacaniu.

Wyobraźmy sobie klienta, który szuka stroju na wesele w plenerze, mieszcząc się w określonym budżecie. Zrozumienie takiego zapytania wymaga czegoś więcej niż dopasowania słowa „wesele”. Przydatny system musi rozpoznać okazję, limit cenowy, preferencje dotyczące stylu i cechy produktów, a następnie zachować ten kontekst, gdy klient zapyta o dopasowanie lub alternatywy. Do takiego spójnego doświadczenia dąży Loops.

Opisy produktów firmy wyjaśniają, że AI Search interpretuje pełne zdania, okazje, budżety i ograniczenia. Loops podaje również, że wyniki można ustalać w rankingu z uwzględnieniem celów sprzedawcy dotyczących przychodów i marży. To istotna decyzja projektowa: cele komercyjne mogą wpływać na to, które odpowiednie produkty pojawią się na początku listy, obok trafności względem zapytania.

Dane katalogowe to podstawa

Duża część pracy odbywa się, zanim klient zada pytanie. Katalogi produktów często zawierają niespójne opisy i braki w atrybutach. Jeśli brakuje informacji o materiale, kroju lub sposobie pielęgnacji odzieży, płynnie wypowiadający się asystent nie będzie w stanie rzetelnie odpowiedzieć na pytania o te szczegóły tylko dlatego, że brzmi pewnie.

Według firmy funkcja Product Enrichment w Loops uzupełnia brakującą strukturę katalogu, opisy i atrybuty. W komunikacie przedstawiono ją jako podstawę, która pomaga zarówno wyszukiwarce, jak i asystentowi rozumieć asortyment. Lepiej uporządkowane informacje mogą ułatwić wyszukiwanie i porównywanie produktów w różnych interfejsach.

Asystent zakupowy prowadzi następnie klientów przez proces podejmowania decyzji, korzystając z informacji katalogowych, takich jak dostępność towaru, rozmiary i zasady sprzedaży. Loops opisuje wdrożenie rozwiązania w witrynie sprzedawcy, aplikacji mobilnej i WhatsApp. Marketplace Assistant odpowiada na pytania o produkty na platformach handlowych, w tym na Trendyol, korzystając z katalogu sprzedawcy i komunikując się zgodnie z tonem jego marki.

Wirtualne przymierzanie dodaje do tej ścieżki element wizualny. Loops informuje, że klienci mogą użyć zdjęcia, aby zobaczyć, jak produkty będą na nich wyglądać, zanim zdecydują się na zakup. Symulacja wizualna i wskazówki dotyczące dopasowania mogą pomóc w ocenie produktu, ale ogłoszenie nie dowodzi, że którakolwiek z tych funkcji gwarantuje fizyczne dopasowanie ani eliminuje zwroty.

Szerszy aspekt techniczny dotyczy orkiestracji, czyli koordynowania wyspecjalizowanych funkcji wokół wspólnych informacji. Firma nie ujawniła w ogłoszeniu wystarczająco wielu szczegółów architektury, by można było niezależnie ocenić stosowane modele, metody ewaluacji ani sposób zachowywania całego kontekstu klienta między kanałami.

Co pokazują pierwsze wyniki klientów

Loops informuje o ponad 70 klientach i pilotażach, milionach obsłużonych doświadczeń zakupowych oraz o tym, że 64% pilotaży przekształca się w płatną współpracę. Dane te wskazują na wczesną komercyjną dynamikę, choć ogłoszenie nie podaje wielkości poszczególnych kohort, okresów ani wartości umów, które pozwoliłyby ocenić je bardziej szczegółowo.

W komunikacie wymieniono turecką sieć supermarketów A101 jako użytkownika platformy, wykorzystującego ją do poruszania się po katalogu i uzyskiwania pomocy przy zakupach. Z opublikowanego przez Loops porównania wynika, że w sesjach z udziałem platformy odnotowany współczynnik konwersji zakupowej był o około 83% wyższy niż w grupie porównawczej.

Ten wynik należy interpretować ostrożnie. Firma wyraźnie określa go jako obserwacyjny, a nie uzyskany w pomiarze randomizowanym. Klienci, którzy decydują się skorzystać z asystenta, mogą już na początku różnić się intencją zakupu od tych, którzy tego nie robią. Porównanie stanowi zachęcający sygnał wart zbadania, ale nie dowodzi, że sam Loops spowodował wzrost konwersji o 83%.

Kolejnym przykładem jest sprzedawca odzieży Mavi, który korzysta z Loops do wyszukiwania opartego na AI i wspomagania zakupów, pomagając klientom znaleźć produkty odpowiednie pod względem stylu, okazji i dopasowania. Te wdrożenia pokazują, jaką rolę platforma ma pełnić w przypadku różnych katalogów, ale pytania o nakład pracy związany z jej wdrożeniem i powtarzalne efekty finansowe pozostają bez odpowiedzi i wymagają przyszłych relacji.

Handel detaliczny jako punkt wyjścia dla wertykalnej AI

Historia powstania firmy odzwierciedla problem, który chce ona rozwiązać. Współzałożyciele Ari Nazir i İlker Selim Zorluoğlu przebywali na Bali, gdy Zorluoğlu próbował kupić prezent dla swojej małej córki. Skontaktował się ze sprzedawcą i czekał godzinami na odpowiedź. Do sprzedaży nie doszło. Jak podano w komunikacie, Nazir zbudował pierwszy prototyp w jeden weekend.

Loops postrzega dziś handel jako pierwsze zastosowanie szerszej strategii: tworzenia systemów AI ściśle dopasowanych do wiedzy, integracji i procesów roboczych w poszczególnych branżach. Kolejnymi planowanymi obszarami są usługi finansowe i energetyka. Firma rozwija również wyspecjalizowane możliwości małych modeli językowych na potrzeby zadań, w których wiedza branżowa i ograniczenia związane z wdrożeniem przemawiają za zastosowaniem bardziej wyspecjalizowanego modelu.

Te ambicje wykraczają poza obecny produkt dla handlu detalicznego i należy traktować je jako plany rozwoju. Najważniejszym sprawdzianem będzie to, czy Loops zdoła przekształcić zintegrowane doświadczenie zakupowe w niezawodne, powtarzalne wdrożenia w miarę wzrostu bazy klientów.

Finansowanie rundy seed zapewnia firmie środki na realizację tych planów. Jej szansa wynika z praktycznego problemu w handlu detalicznym: pomocy klientowi w przejściu od nieprecyzyjnego opisu tego, czego szuka, do pewnego zakupu, dzięki rzetelnym informacjom i użytecznemu wsparciu na każdym etapie.