Финансирование
Wilgot привлекает 3 млн долларов в рамках посевного раунда, чтобы повысить видимость товаров в покупках с помощью ИИ

Ключевые моментыWilgot превращает существующие запросы и отзывы клиентов в более богатые данные о…
Показать больше
- Wilgot превращает существующие запросы и отзывы клиентов в более богатые данные о продуктах, на которые могут опираться ИИ-ассистенты.
- Петля обратной связи платформы оптимизирует контент для видимости и конверсии, но не может контролировать, что рекомендуют независимые ассистенты.
- Ранние результаты Wilgot у клиентов не содержат раскрытых периодов измерения, поэтому они указывают на перспективность, а не на доказанные ориентиры.
Wilgot привлекла 3 млн долларов в рамках посевного раунда, чтобы помочь розничным продавцам сделать свои товары более доступными для поиска, понимания и рекомендаций со стороны ИИ-помощников по покупкам. Стокгольмский стартап разрабатывает программное обеспечение для того, что называет агентной оптимизацией товаров, или APO: оно превращает знания о клиентах в более подробную информацию о товарах и постоянно корректирует эти сведения по мере изменения покупательского поведения.
Industrifonden возглавил раунд, объем которого Wilgot также оценивает в 30 млн шведских крон. В нем приняли участие Luminar Ventures, Foundry Ventures, Ventures Together и Inovexus. Среди бизнес-ангелов — основатели Voyado Йохан Беккарлин и Йохан Хьельте, а также Никлас Моллин, основатель inriver и Occtoo.
Компания направит привлеченные средства на развитие платформы и расширение коммерческой деятельности. Андерс Нюгрен из Foundry Ventures и Андреас Сёнебю из Industrifonden войдут в совет директоров компании.
Как превратить знания о клиентах в информацию о товарах
Покупатель, который просит помощника подобрать подарок человеку, увлекающемуся походами, описывает цель покупки, а не называет конкретный товар. Чтобы попасть в полезный ответ, розничному продавцу необходимо указать в каталоге, какие товары подходят для такой ситуации и почему. Фотография и короткое рекламное описание могут не дать ответа на важные вопросы.
Wilgot использует уже имеющуюся у розничных продавцов информацию: поисковые запросы, отзывы покупателей, обращения в службу поддержки и возвраты. Эти данные помогают выявить мотивы покупок, часто задаваемые вопросы и расхождения между ожиданиями покупателей и тем, что предлагает товар. Платформа преобразует полученные сведения в страницы товаров, фиды, разделы часто задаваемых вопросов и структурированные данные.
Например, повторяющиеся вопросы о посадке обуви могут указывать на недостаток информации о размерах. Если явно изложить проверенные рекомендации, и покупатель, и поисковая система получат более полезные сведения. Ценность заключается в том, чтобы извлечь значимый факт и связать его с нужным товаром, а не просто создать более длинное описание.
Wilgot позиционирует APO как активный инструмент улучшения. Системы мониторинга видимости помогают понять, появляется ли бренд в ответе помощника, а системы управления информацией о товарах хранят и распространяют записи каталога. Wilgot сосредоточена на изменении информации, с которой в конечном итоге работают эти системы и помощники.
Цикл обратной связи: от поиска до конверсии
На сайте компании описаны три этапа: выявление сигналов спроса, создание контента о товарах и оценка результатов. К создаваемому контенту относятся названия, описания, характеристики и ответы на часто задаваемые вопросы; он формируется на соответствующем языке. В рамках цикла оптимизации отслеживаются видимость, вовлеченность и конверсия в Google и поисковых системах на базе ИИ, а затем контент корректируется с учетом полученных данных.
По словам Wilgot, этот подход предназначен для каталогов, в которых десятки тысяч товаров. В сообщении о привлечении инвестиций говорится, что платформа использует обучение с подкреплением для улучшения информации о товарах на основе обратной связи об их результативности и поддерживает контент более чем на 100 языках.
На практике цикл обратной связи позволяет системе после публикации контента определять, какие изменения полезны. В сообщении не раскрываются принципы формирования вознаграждения или архитектура модели, поэтому эти подробности остаются за рамками общедоступного описания. Заявленное обучение происходит в рамках процесса оптимизации Wilgot; это не означает, что розничный продавец может напрямую дообучать ChatGPT или определять, какие товары будет рекомендовать независимый помощник.
В документации Google по товарным объявлениям объясняется, как разметка Product и Offer помогает предоставлять для сервисов покупок такие сведения, как цена, наличие, доставка и возврат. Это показывает, насколько важно явно указывать факты о товаре, однако соответствие требованиям для показа в поисковой функции не гарантирует, что товар будет рекомендован.
Более широкая проблема хорошо знакома тем, кто занимается подготовкой данных о товарах для покупок с помощью ИИ: даже беглые и убедительные ответы зависят от точности исходных данных. Система управления контентом должна сохранять различие между проверенной характеристикой, мнением покупателя и выводом о пригодности товара. В противном случае повышение видимости товара может привести и к более широкому распространению неподтвержденного утверждения.
Первые клиенты и команда основателей
Среди клиентов Wilgot называет Daniel Wellington, J.Lindeberg, Myrqvist и Signify. Согласно сообщению о привлечении инвестиций, чистые продажи товаров на страницах Daniel Wellington, оптимизированных Wilgot, выросли на 20%, а сейчас 7% клиентов Myrqvist приходят через ChatGPT.
Эти показатели отражают разные результаты: один касается продаж на отдельных страницах товаров, другой — канала привлечения клиентов. В сообщении не указаны периоды измерения и дизайн эксперимента. Это первые коммерческие сигналы, а не единый показатель, применимый ко всем розничным продавцам.
Основанная в 2024 году компания Wilgot объединяет соучредителей: генерального директора Эрика Викандера, доктора Мхайри Данион, соучредителя и специалиста по искусственному интеллекту, и технического директора Олега Даниленко. Ранее Викандер занимал должность директора по маркетингу в Lendify. Данион получила степень PhD, специализируясь на глубоком обучении с подкреплением, в University of Edinburgh, а в профессиональный опыт Даниленко входит работа в области науки о данных в Klarna, IKEA и Teemyco.
«Бренды тратят слишком много времени на то, чтобы выяснять, упоминают ли их ИИ-ассистенты, и слишком мало — на то, чтобы дать ИИ повод рекомендовать их товары», — заявил Викандер в объявлении.
Посевной раунд позволит Wilgot распространить это предложение за пределы круга первых клиентов. Возможность компании заключается в том, чтобы связать разрозненные сведения из взаимодействий ритейлера с покупателями с данными о товарах, которые влияют на их поиск. По мере того как интерфейсы для покупок становятся всё более разговорными, обеспечение точности, доступности и полезности этих сведений само по себе превращается в коммерческую задачу.












