Loops ระดมทุนรอบ Seed ได้ 3.5 ล้านดอลลาร์ เพื่อเชื่อมโยง AI Search ระบบช่วยเลือกซื้อสินค้า และข้อมูลค้าปลีก

การค้นหาสินค้าทางออนไลน์เป็นเรื่องง่าย แต่การตัดสินใจว่าสินค้านั้นเหมาะกับตนเองหรือไม่อาจยังต้องสลับไปมาระหว่างผลการค้นหา ตารางขนาดสินค้า หน้ารายละเอียดสินค้า และการสนทนากับฝ่ายบริการลูกค้าที่ต้องเริ่มต้นใหม่ตั้งแต่ต้น Loops เชื่อว่าร้านค้าปลีกจำเป็นต้องมีชั้นข้อมูลอัจฉริยะร่วมกันที่เชื่อมโยงช่วงเวลาเหล่านั้นเข้าด้วยกัน

Loops ประกาศระดมทุนรอบ Seed มูลค่า 3.5 ล้านดอลลาร์ จาก a16z speedrun, NTT Docomo, Connecticut Innovations, Alumni Ventures และ Monday Capital บริษัทมีแผนนำเงินทุนไปใช้พัฒนาผลิตภัณฑ์ เพิ่มขีดความสามารถในการนำระบบไปใช้งานกับลูกค้า และขยายธุรกิจไปต่างประเทศ ขณะพัฒนาสิ่งที่บริษัทเรียกว่า “ระบบปฏิบัติการ AI สำหรับการค้า”

แพลตฟอร์มนี้รวบรวมการค้นหา การค้นพบสินค้า ระบบช่วยเลือกซื้อสินค้า การดำเนินงานด้านลูกค้า การเพิ่มข้อมูลผลิตภัณฑ์ และการลองสินค้าเสมือนจริงไว้ด้วยกัน แนวคิดหลักคือความสามารถเหล่านี้จะมีประโยชน์มากขึ้นเมื่อใช้ความรู้ร่วมกันเกี่ยวกับแค็ตตาล็อก บริบททางธุรกิจ และเส้นทางการซื้อของลูกค้าของร้านค้าปลีก

เชื่อมโยงองค์ประกอบต่าง ๆ ของ AI เพื่อการเลือกซื้อสินค้า

ร้านค้าปลีกอาจติดตั้งเครื่องมือค้นหาที่มีประสิทธิภาพ แต่ลูกค้าก็ยังอาจประสบปัญหาเมื่อหาคำตอบสำหรับข้อสงสัยไม่ได้ ร้านค้าสามารถเพิ่มผู้ช่วยสนทนาได้ แต่ผู้ช่วยนั้นต้องมีข้อมูลผลิตภัณฑ์ที่ถูกต้องและเข้าใจบริบทว่านักช้อปพิจารณาสินค้าใดไปแล้ว การเพิ่มแอปพลิเคชันอีกตัวก็หมายถึงต้องดูแลการเชื่อมต่อระบบเพิ่มขึ้นอีกหนึ่งรายการ

Loops มุ่งแก้ปัญหาการทำงานแยกส่วนนี้ด้วยชั้นระบบพื้นฐานเพียงชั้นเดียว ประกาศของบริษัทอธิบายวงจรที่ข้อมูลแค็ตตาล็อกที่ดีขึ้นช่วยปรับปรุงการค้นหา การค้นหาส่งต่อบริบทให้ผู้ช่วยเลือกซื้อสินค้า และบทสนทนาช่วยเผยให้เห็นข้อมูลผลิตภัณฑ์ที่ขาดหายไป ซึ่งสามารถเติมเต็มได้ด้วยการเพิ่มข้อมูลผลิตภัณฑ์

ลองนึกถึงนักช้อปที่กำลังหาเสื้อผ้าสำหรับงานแต่งงานกลางแจ้งในงบประมาณที่กำหนด การทำความเข้าใจคำขอนี้ต้องอาศัยมากกว่าการจับคู่กับคำว่า “งานแต่งงาน” ระบบที่มีประโยชน์ต้องตีความโอกาสในการสวมใส่ ขีดจำกัดด้านราคา ความชอบด้านสไตล์ และคุณลักษณะของสินค้า จากนั้นยังต้องคงบริบทเหล่านี้ไว้เมื่อนักช้อปถามเกี่ยวกับความพอดีหรือสินค้าอื่นที่เป็นทางเลือก นี่คือประสบการณ์ที่เชื่อมโยงกันในลักษณะที่ Loops กำลังพัฒนา

คำอธิบายผลิตภัณฑ์ของบริษัทระบุว่า AI Search ตีความประโยคเต็มรูปแบบ โอกาสในการใช้งาน งบประมาณ และข้อจำกัดต่าง ๆ ได้ Loops ยังระบุด้วยว่าสามารถจัดอันดับผลลัพธ์โดยคำนึงถึงเป้าหมายด้านรายได้และอัตรากำไรของร้านค้าปลีก นี่เป็นทางเลือกสำคัญในการออกแบบผลิตภัณฑ์ เพราะเป้าหมายทางการค้าสามารถมีอิทธิพลต่อการเลือกรายการสินค้าที่เหมาะสมให้แสดงเป็นอันดับแรก ควบคู่ไปกับความเกี่ยวข้องกับคำขอ

ข้อมูลแค็ตตาล็อกคือรากฐาน

งานส่วนใหญ่เกิดขึ้นก่อนที่นักช้อปจะตั้งคำถาม แค็ตตาล็อกสินค้ามักมีคำอธิบายที่ไม่สม่ำเสมอและขาดแอตทริบิวต์ หากไม่มีข้อมูลเกี่ยวกับวัสดุ ความพอดี หรือวิธีดูแลรักษาเสื้อผ้า ผู้ช่วยที่สื่อสารได้คล่องแคล่วก็ไม่อาจตอบคำถามเกี่ยวกับรายละเอียดเหล่านั้นได้อย่างน่าเชื่อถือ เพียงแค่พูดด้วยน้ำเสียงมั่นใจก็ไม่เพียงพอ

บริษัทระบุว่าความสามารถ Product Enrichment ของ Loops ช่วยเติมโครงสร้างแค็ตตาล็อก คำอธิบาย และแอตทริบิวต์ที่ขาดหายไป ข่าวประชาสัมพันธ์นำเสนอความสามารถนี้ในฐานะรากฐานที่ช่วยให้ทั้งระบบค้นหาและผู้ช่วยเข้าใจสินค้าคงคลังได้ ข้อมูลที่มีโครงสร้างดีขึ้นช่วยให้ค้นหาและเปรียบเทียบสินค้าได้ง่ายขึ้นผ่านอินเทอร์เฟซที่หลากหลาย

จากนั้นผู้ช่วยเลือกซื้อสินค้าจะช่วยแนะนำลูกค้าตลอดกระบวนการตัดสินใจ โดยอาศัยข้อมูลในแค็ตตาล็อก เช่น สินค้าคงเหลือ ขนาด และนโยบายต่าง ๆ Loops ระบุว่าสามารถติดตั้งใช้งานบนเว็บไซต์ แอปมือถือ และ WhatsApp ของร้านค้าปลีกได้ ส่วน Marketplace Assistant จะตอบคำถามเกี่ยวกับสินค้าบนมาร์เก็ตเพลสต่าง ๆ รวมถึง Trendyol โดยใช้แค็ตตาล็อกและน้ำเสียงของแบรนด์ร้านค้าปลีก

การลองสินค้าเสมือนจริงช่วยเพิ่มองค์ประกอบด้านภาพให้กับเส้นทางการซื้อดังกล่าว Loops ระบุว่านักช้อปสามารถใช้ภาพถ่ายเพื่อดูว่าสินค้าจะมีลักษณะอย่างไรเมื่อสวมใส่ ก่อนตัดสินใจซื้อ การจำลองภาพและคำแนะนำเรื่องความพอดีอาจช่วยให้ผู้คนประเมินสินค้าได้ แต่ประกาศดังกล่าวไม่ได้ยืนยันว่าทั้งสองอย่างรับประกันความพอดีเมื่อสวมใส่จริงหรือช่วยขจัดการคืนสินค้าได้

ประเด็นทางเทคนิคในภาพรวมคือการประสานระบบ กล่าวคือ การประสานความสามารถเฉพาะด้านต่าง ๆ โดยอาศัยข้อมูลร่วมกัน ประกาศของบริษัทยังไม่ได้เปิดเผยรายละเอียดสถาปัตยกรรมมากพอที่จะประเมินได้อย่างอิสระเกี่ยวกับชุดโมเดล วิธีการประเมินผล หรือวิธีรักษาบริบทของลูกค้าทั้งหมดให้ต่อเนื่องระหว่างช่องทางต่าง ๆ

ตัวเลขจากลูกค้ากลุ่มแรกสะท้อนอะไรบ้าง

Loops รายงานว่ามีลูกค้าและโครงการนำร่องมากกว่า 70 ราย มีประสบการณ์การใช้งานของนักช้อปที่ได้รับการรองรับหลายล้านครั้ง และโครงการนำร่อง 64% เปลี่ยนเป็นลูกค้าที่ชำระเงิน ตัวเลขเหล่านี้แสดงให้เห็นถึงแรงส่งทางการค้าในระยะแรก แม้ประกาศจะไม่ได้ให้ข้อมูลขนาดกลุ่มตัวอย่าง ช่วงเวลา หรือมูลค่าสัญญาที่จำเป็นต่อการประเมินตัวเลขเหล่านี้อย่างละเอียด

ข่าวประชาสัมพันธ์ระบุชื่อ A101 เครือซูเปอร์มาร์เก็ตจากตุรกี ว่าเป็นผู้ใช้แพลตฟอร์มสำหรับการเรียกดูแค็ตตาล็อกและระบบช่วยเลือกซื้อสินค้า ในผลเปรียบเทียบที่ Loops เผยแพร่ เซสชันที่ใช้แพลตฟอร์มมีอัตราการเปลี่ยนเป็นการซื้อที่สังเกตพบสูงกว่ากลุ่มเปรียบเทียบประมาณ 83%

ผลลัพธ์ดังกล่าวต้องตีความอย่างระมัดระวัง บริษัทระบุอย่างชัดเจนว่าผลนี้มาจากการสังเกต ไม่ใช่การวัดผลแบบสุ่ม นักช้อปที่เลือกใช้ผู้ช่วยอาจมีความตั้งใจซื้อแตกต่างจากผู้ที่ไม่ได้ใช้ตั้งแต่แรก ผลเปรียบเทียบนี้เป็นสัญญาณที่น่าสนใจและควรศึกษาเพิ่มเติม แต่ไม่ได้ยืนยันว่า Loops เพียงอย่างเดียวทำให้อัตราการเปลี่ยนเป็นการซื้อเพิ่มขึ้น 83%

Mavi ซึ่งเป็นผู้ค้าปลีกแฟชั่น เป็นอีกหนึ่งตัวอย่างที่มีการกล่าวถึง โดยใช้ Loops สำหรับการค้นหาด้วย AI และผู้ช่วยเลือกซื้อสินค้า ซึ่งช่วยแนะนำสินค้าตามสไตล์ โอกาสในการสวมใส่ และความพอดี การนำระบบไปใช้เหล่านี้ช่วยให้เห็นบทบาทที่แพลตฟอร์มมุ่งหมายไว้กับแค็ตตาล็อกสินค้าหลากหลายประเภท ขณะที่คำถามเกี่ยวกับความพยายามในการติดตั้งใช้งานและผลลัพธ์ทางการเงินที่เกิดขึ้นซ้ำได้ยังต้องรอรายงานในอนาคต

จุดเริ่มต้นจากธุรกิจค้าปลีกสู่ AI เฉพาะอุตสาหกรรม

ที่มาของบริษัทสะท้อนถึงอุปสรรคที่บริษัทต้องการขจัดออกไป Ari Nazir และ İlker Selim Zorluoğlu ผู้ร่วมก่อตั้งอยู่ที่บาหลี เมื่อ Zorluoğlu พยายามซื้อของขวัญให้ลูกสาววัยเล็ก ติดต่อผู้ค้าปลีก แล้วรอคำตอบนานหลายชั่วโมง แต่สุดท้ายก็ไม่ได้ซื้อขายกัน ตามประกาศของบริษัท Nazir สร้างต้นแบบแรกขึ้นภายในช่วงสุดสัปดาห์

ปัจจุบัน Loops มองว่าธุรกิจพาณิชย์เป็นการประยุกต์ใช้ขั้นแรกของกลยุทธ์ที่กว้างขึ้น นั่นคือการสร้างระบบ AI ที่ผสานองค์ความรู้ การเชื่อมต่อระบบ และขั้นตอนการทำงานของแต่ละอุตสาหกรรมไว้อย่างลึกซึ้ง บริษัทวางแผนขยายไปสู่บริการทางการเงินและพลังงานเป็นลำดับถัดไป นอกจากนี้ยังพัฒนาขีดความสามารถเฉพาะทางด้านโมเดลภาษาขนาดเล็ก สำหรับงานที่องค์ความรู้เฉพาะทางและข้อจำกัดในการติดตั้งใช้งานเอื้อต่อการใช้โมเดลที่มีขอบเขตเฉพาะเจาะจงยิ่งขึ้น

เป้าหมายเหล่านี้ขยายไปไกลกว่าผลิตภัณฑ์ค้าปลีกในปัจจุบัน และควรทำความเข้าใจว่าเป็นแผนการพัฒนา สิ่งที่ต้องพิสูจน์ในระยะใกล้คือ Loops จะเปลี่ยนประสบการณ์การเลือกซื้อสินค้าที่เชื่อมโยงข้อมูลเข้าด้วยกันให้เป็นการติดตั้งใช้งานที่เชื่อถือได้และทำซ้ำได้ ขณะที่ฐานลูกค้าเติบโตขึ้นได้หรือไม่

เงินทุนรอบเริ่มต้นช่วยให้บริษัทมีทรัพยากรสำหรับดำเนินงานดังกล่าว โอกาสของบริษัทตั้งอยู่บนปัญหาในธุรกิจค้าปลีกที่พบได้จริง นั่นคือการช่วยให้ผู้ซื้อเปลี่ยนจากคำอธิบายความต้องการที่ยังไม่ชัดเจนไปสู่การตัดสินใจซื้ออย่างมั่นใจ ด้วยข้อมูลที่ถูกต้องและความช่วยเหลือที่เป็นประโยชน์ตลอดกระบวนการ