Financiamento

Wilgot capta US$ 3 milhões em rodada seed para melhorar a visibilidade dos produtos nas compras com IA

Evan Mercer
Adicione Unite.AI às suas fontes preferidas no Google
Three members of the Wilgot founding team in their office
Pontos-chaveA Wilgot transforma consultas e avaliações de clientes existentes em dados de produto…
Ver mais
  • A Wilgot transforma consultas e avaliações de clientes existentes em dados de produto mais ricos sobre os quais os assistentes de IA podem agir.
  • O ciclo de feedback da plataforma otimiza o conteúdo para visibilidade e conversão, mas não pode controlar o que os assistentes independentes recomendam.
  • Os primeiros resultados de clientes da Wilgot não divulgam períodos de medição, pelo que indicam promessa em vez de benchmarks comprovados.

Wilgot captou US$ 3 milhões em uma rodada seed para ajudar varejistas a tornar seus produtos mais fáceis de encontrar, entender e recomendar por assistentes de compras com IA. A startup de Estocolmo está desenvolvendo o que chama de Otimização Agêntica de Produtos, ou APO: um software que transforma o conhecimento sobre os clientes em informações mais detalhadas sobre os produtos e ajusta continuamente esse conteúdo à medida que os hábitos de compra mudam.

Industrifonden liderou a rodada, que Wilgot também descreve como uma captação de SEK 30 milhões. Participaram Luminar Ventures, Foundry Ventures, Ventures Together e Inovexus. Entre os investidores-anjo estavam Johan Bäckarlin e Johan Hjelte, fundadores da Voyado, além de Niclas Mollin, fundador da inriver e da Occtoo.

A empresa usará o capital para desenvolver sua plataforma e ampliar seu alcance comercial. Anders Nygren, da Foundry Ventures, e Andreas Söneby, da Industrifonden, passarão a integrar o conselho da empresa.

Transformando o conhecimento sobre os clientes em informações sobre produtos

Quando alguém pede a um assistente que sugira um presente para uma pessoa que gosta de fazer trilhas, está descrevendo uma situação de uso, não indicando um produto. Para que um varejista apareça em uma resposta útil, seu catálogo precisa explicar quais itens são adequados àquela situação e por quê. Uma foto e uma breve descrição de marketing podem deixar perguntas importantes sem resposta.

Wilgot parte de informações que os varejistas já possuem: consultas de pesquisa, avaliações de clientes, chamados de suporte e devoluções. Essas fontes podem revelar as motivações de compra, dúvidas recorrentes e discrepâncias entre o que os clientes esperam e o que um produto oferece. A plataforma transforma essas descobertas em páginas de produtos, feeds, perguntas frequentes e dados estruturados.

Por exemplo, perguntas recorrentes sobre o caimento de um sapato podem indicar que faltam informações sobre a numeração. Deixar orientações verificadas explícitas fornece evidências mais úteis tanto para quem compra quanto para um sistema de busca. O valor está em extrair um dado relevante e associá-lo ao item certo, em vez de simplesmente produzir uma descrição mais longa.

Wilgot apresenta a APO como uma camada de aprimoramento ativo. Ferramentas de monitoramento de visibilidade podem mostrar se uma marca aparece na resposta de um assistente, enquanto sistemas de informações de produtos armazenam e distribuem registros de catálogo. O foco da Wilgot é alterar as informações com as quais esses sistemas e assistentes trabalham em última instância.

Um ciclo de feedback entre descoberta e conversão

O site da empresa descreve três etapas: identificar sinais de demanda, gerar conteúdo sobre os produtos e medir os resultados. Entre os conteúdos gerados estão títulos, descrições, atributos e perguntas frequentes, no idioma pertinente. O ciclo de otimização acompanha a visibilidade, o engajamento e o desempenho em conversões no Google e em buscas com IA e, em seguida, usa esses sinais para revisar o conteúdo.

Segundo Wilgot, essa abordagem foi concebida para catálogos com dezenas de milhares de produtos. O comunicado sobre a captação afirma que a plataforma usa aprendizado por reforço para aprimorar as informações dos produtos com base no feedback de desempenho e oferece suporte a conteúdo em mais de 100 idiomas.

Na prática, o ciclo de feedback permite que o sistema aprenda quais alterações são úteis depois que o conteúdo é publicado. O comunicado não revela como as recompensas são definidas nem a arquitetura do modelo; por isso, esses detalhes não fazem parte da descrição pública. O aprendizado alegado ocorre no processo de otimização da Wilgot; isso não significa que um varejista possa treinar diretamente o ChatGPT ou determinar o que um assistente independente recomenda.

As informações estruturadas sobre produtos já desempenham um papel concreto nas buscas. A documentação do Google sobre listagens de produtos explica como a marcação de Product e Offer pode disponibilizar detalhes como preço, disponibilidade, frete e devoluções para experiências de compra. Isso ilustra a importância de explicitar os dados dos produtos, embora a elegibilidade para aparecer em um recurso de busca não garanta uma recomendação.

A questão mais ampla é conhecida por quem trabalha com preparação de dados de produtos para compras com IA: mesmo respostas fluentes dependem de registros subjacentes precisos. Um sistema de conteúdo precisa preservar a distinção entre uma especificação verificada, a opinião de um cliente e uma inferência sobre a adequação do produto. Caso contrário, aumentar a visibilidade de um item também pode fazer uma alegação sem comprovação circular mais amplamente.

Primeiros clientes e equipe fundadora

Wilgot cita Daniel Wellington, J.Lindeberg, Myrqvist e Signify entre seus clientes. Segundo o anúncio da captação, as vendas líquidas aumentaram 20% nas páginas de produtos da Daniel Wellington otimizadas pela Wilgot, enquanto 7% dos clientes da Myrqvist agora chegam por meio do ChatGPT.

Esses números representam resultados diferentes: um diz respeito às vendas em páginas de produtos selecionadas, enquanto o outro se refere a um canal de aquisição de clientes. O comunicado não informa os períodos de medição nem o desenho experimental. São sinais comerciais iniciais, não um único parâmetro de referência aplicável a todos os varejistas.

Fundada em 2024, a Wilgot reúne Erik Wikander, cofundador e CEO; a Dra. Mhairi Dunion, cofundadora e cientista de IA; e Oleg Danylenko, cofundador e CTO. Wikander foi diretor de marketing da Lendify. Dunion tem doutorado com foco em aprendizado por reforço profundo pela Universidade de Edimburgo, enquanto a experiência de Danylenko inclui ciência de dados na Klarna, na IKEA e na Teemyco.

“As marcas estão gastando tempo demais medindo se os assistentes de IA as mencionam e tempo de menos dando à IA um motivo para recomendar seus produtos”, disse Wikander no anúncio.

A rodada seed oferece à Wilgot recursos para expandir essa proposta para além de sua base inicial de clientes. A oportunidade está em conectar o conhecimento disperso nas interações de uma varejista com seus clientes aos registros de produtos que influenciam a descoberta. À medida que as interfaces de compra se tornam mais conversacionais, tornar esse conhecimento preciso, acessível e útil passa a ser, por si só, uma tarefa comercial.

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