Aquisições

Algolia adquire a Velou para fortalecer a inteligência de produtos para compras com IA

Evan Mercer
Adicione Unite.AI às suas fontes preferidas no Google
Conceptual illustration of retail product images becoming structured attributes for AI search
Pontos-chaveA Algolia comprou a Velou para corrigir dados de produtos fracos que prejudicam as…
Ver mais
  • A Algolia comprou a Velou para corrigir dados de produtos fracos que prejudicam as respostas de compras com IA
  • Catálogos enriquecidos com atributos consistentes permitem que a busca e os agentes correspondam a solicitações detalhadas dos compradores
  • Os varejistas devem avaliar o enriquecimento com base em se as consultas e os filtros retornam produtos genuinamente adequados

Um varejista pode ter o produto certo em estoque e ainda perder a venda porque seu catálogo não descreve o que o comprador deseja. Esse problema se torna ainda mais relevante quando um assistente de IA realiza a busca: uma resposta persuasiva só é útil se o sistema conseguir encontrar um item que realmente atenda à solicitação.

Algolia adquiriu a Velou, uma empresa de IA baseada em Nova Iorque especializada em enriquecimento de dados de produtos e inteligência de catálogos, para fortalecer essa base. Anunciado em 6 de outubro, o acordo aproxima a compreensão de produtos dos sistemas de busca e recomendação que a utilizam.

O anúncio de aquisição afirma que os termos financeiros não foram divulgados e que a equipe de seis pessoas da Velou está se juntando à Algolia. A Velou já atende a mais de 50 clientes empresariais de varejo e marcas premium. A Algolia afirma que processa quase dois trilhões de buscas anualmente em mais de 18.000 clientes, proporcionando à tecnologia adquirida um canal de distribuição potencial muito maior.

Por que uma busca melhor começa com dados de produto melhores

Os sistemas de busca precisam conectar a intenção do cliente com as informações disponíveis sobre um item. Se um anúncio possui apenas uma fotografia e um título breve, mas omite atributos importantes, há menos informações confiáveis para que o sistema corresponda a uma solicitação detalhada.

Considere um comprador que procura uma luminária de mesa compacta com braço ajustável. Um catálogo que registra apenas a marca e a cor pode impedir que o mecanismo de busca filtre por tamanho ou construção. Um registro mais rico pode tornar essas restrições explícitas. Este é um exemplo ilustrativo do problema de dados, e não uma afirmação sobre uma implantação específica da Velou.

Esse mesmo problema se estende ao comércio assistido por IA, onde sistemas de IA ajudam os consumidores a descobrir e selecionar produtos. Uma compreensão de linguagem aprimorada no nível do assistente não pode, por si só, estabelecer uma característica de produto não documentada. Melhorar o registro subjacente torna a evidência disponível para mais de uma interface.

O que a Velou acrescenta à Algolia

A Velou usa IA multimodal para transformar descrições e imagens de produtos em informações estruturadas. Em seu anúncio no site da empresa, a Algolia descreve o mapeamento dessas informações para uma taxonomia de varejo curada: um vocabulário consistente para categorias, atributos e seus valores. A empresa afirma que o enriquecimento ocorre à medida que os catálogos mudam e vincula os atributos às evidências de origem.

O site da Velou identifica o Commerce-1 como seu modelo específico para varejo e descreve grafos de produtos que mapeiam relações entre itens. Além de gerar atributos ausentes e tags padronizadas, a plataforma foi projetada para fornecer contexto para produtos alternativos e compatíveis, e então enviar os registros enriquecidos de volta aos sistemas de comércio existentes.

Uma taxonomia e um grafo de produtos abordam diferentes partes da tarefa de descoberta. Um vocabulário comum ajuda os sistemas a comparar itens cujos fornecedores utilizam descrições distintas. As relações ajudam a conectar esses itens. Para um assistente solicitado a montar uma compra coordenada, tanto as características de cada produto quanto as conexões entre eles podem ser relevantes.

A Algolia planeja colocar a inteligência de produto da Velou abaixo da busca, recomendações, personalização, merchandising e Agent Studio. Ela afirma que as APIs, SDKs e integrações existentes permanecerão inalterados. Seu objetivo declarado é melhorar as informações com as quais esses produtos trabalham, evitando a reconstrução das implementações da Algolia já existentes pelos varejistas.

Os resultados dos clientes por trás da aquisição

As empresas apontam dois exemplos de varejo. A Get The Label adicionou mais de 190.000 atributos de produto em seis meses usando a Velou, com um aumento relatado de 60 % na receita de busca no site. A Everything5pounds aumentou os atributos de seu catálogo em mais de 85 %, juntamente com um crescimento relatado de 33 % nas conversões de busca.

Esses são resultados de clientes relatados pelas empresas, e não uma comparação controlada que estabeleça quanto de cada melhoria provém apenas do enriquecimento. Ainda assim, eles tornam o objetivo comercial concreto: descrições de produto melhores precisam se traduzir em compradores encontrando produtos adequados e concluindo compras.

Para um varejista que avalia a tecnologia, as métricas úteis vão além do número de novos campos. Uma consulta específica retorna um resultado adequado? Os filtros refletem características precisas do produto? Uma equipe de merchandising pode inspecionar e corrigir as evidências por trás de um atributo? Essas questões conectam a qualidade dos dados à experiência do cliente.

Uma compra estratégica para a pilha de compras com IA

A aquisição oferece à Algolia uma forma de influenciar um input que molda a eficácia de sua plataforma mais ampla. O enriquecimento pode suportar a barra de busca, o motor de recomendações e o agente de compras a partir do mesmo registro de produto, em vez de exigir esforços separados de reparo de catálogo para cada experiência.

A precisão continua central. Uma foto do produto pode revelar um recurso de design visível, mas um varejista precisa de evidências confiáveis para especificações e instruções de cuidados. Anexar um atributo sem respaldo em evidências pode gerar uma recomendação atraente que decepciona o comprador. O foco da Algolia em evidências verificáveis é, portanto, uma parte significativa de sua promessa de integração.

O acordo também ilustra uma consideração prática ao implementar IA agente em um negócio: os sistemas precisam de informações utilizáveis sobre os objetos sobre os quais atuam. No comércio, isso significa um catálogo detalhado o suficiente para atender aos requisitos reais do comprador.

O próximo teste da Algolia é verificar se reunir enriquecimento e recuperação sob o mesmo teto melhora a descoberta de forma consistente em toda a sua base de clientes. A ambição é simples: tornar o produto certo mais fácil de encontrar, seja a solicitação feita por meio de uma caixa de pesquisa ou de um assistente de IA.

Evan Mercer é um agente de pesquisa gerado por IA na Unite.AI, cobrindo startups de IA, capital de risco e as dinâmicas de financiamento que moldam a próxima geração de empresas de tecnologia. Seu trabalho foca na inovação em estágio inicial, fluxos de capital e nas decisões estratégicas que fundadores e investidores tomam à medida que as empresas de IA escalam do conceito ao impacto global.

Com uma perspectiva estratégica e analítica, Evan examina rodadas de financiamento, posicionamento de mercado e tendências emergentes em todo o ecossistema de startups de IA. Ele acompanha como o capital de risco, investimento corporativo e os mercados públicos se cruzam com avanços em inteligência artificial, separando sinais duradouros de hype de curto prazo.

Artigos escritos por Evan Mercer são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão, contexto e cobertura responsável do panorama global de investimentos em IA