การระดมทุน

Wilgot ระดมทุนรอบ Seed ได้ 3 ล้านดอลลาร์ เพื่อเพิ่มการมองเห็นสินค้าในการช้อปปิงด้วย AI

Evan Mercer
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
Three members of the Wilgot founding team in their office
ประเด็นสำคัญWilgot…
ดูเพิ่มเติม
  • Wilgot เปลี่ยนคำถามและรีวิวของลูกค้าที่มีอยู่ให้เป็นข้อมูลผลิตภัณฑ์ที่สมบูรณ์ยิ่งขึ้นซึ่งผู้ช่วย AI สามารถนำไปใช้ดำเนินการได้
  • วงจรป้อนกลับของแพลตฟอร์มปรับแต่งเนื้อหาเพื่อเพิ่มการมองเห็นและการแปลงยอดขาย แต่ไม่สามารถควบคุมสิ่งที่ผู้ช่วยอิสระจะแนะนำได้
  • ผลลัพธ์初期ของลูกค้า Wilgot ขาดการเปิดเผยระยะเวลาการวัดผล ดังนั้นจึงบ่งชี้ถึงศักยภาพมากกว่ามาตรฐานที่พิสูจน์แล้ว

Wilgot ระดมทุนรอบ Seed ได้ 3 ล้านดอลลาร์ เพื่อช่วยให้ผู้ค้าปลีกทำให้ผู้ช่วยช้อปปิงด้วย AI ค้นพบ ทำความเข้าใจ และแนะนำสินค้าของตนได้ง่ายขึ้น สตาร์ทอัพจากสตอกโฮล์มรายนี้กำลังพัฒนาสิ่งที่เรียกว่า Agentic Product Optimization หรือ APO ซึ่งเป็นซอฟต์แวร์ที่นำความรู้เกี่ยวกับลูกค้ามาแปลงเป็นข้อมูลสินค้าที่มีรายละเอียดมากขึ้น และปรับเนื้อหานั้นอย่างต่อเนื่องเมื่อพฤติกรรมการช้อปปิงเปลี่ยนแปลงไป

Industrifonden เป็นผู้นำการระดมทุนรอบนี้ ซึ่ง Wilgot ระบุด้วยว่ามีมูลค่า 30 ล้านโครนาสวีเดน ผู้ร่วมลงทุนประกอบด้วย Luminar Ventures, Foundry Ventures, Ventures Together และ Inovexus ส่วนนักลงทุนอิสระรายบุคคล ได้แก่ Johan Bäckarlin และ Johan Hjelte ผู้ก่อตั้ง Voyado รวมถึง Niclas Mollin ผู้ก่อตั้ง inriver และ Occtoo

บริษัทจะนำเงินทุนไปพัฒนาแพลตฟอร์มและขยายการเข้าถึงตลาดเชิงพาณิชย์ Anders Nygren จาก Foundry Ventures และ Andreas Söneby จาก Industrifonden จะเข้าร่วมเป็นกรรมการบริษัท

เปลี่ยนความรู้เกี่ยวกับลูกค้าให้เป็นข้อมูลสินค้า

เมื่อลูกค้าขอให้ผู้ช่วยแนะนำของขวัญให้คนที่ชอบเดินป่า ลูกค้ากำลังบอกว่าสินค้านั้นจะนำไปใช้ในสถานการณ์ใด ไม่ได้ระบุชื่อสินค้าโดยตรง หากผู้ค้าปลีกต้องการให้สินค้าปรากฏในคำตอบที่เป็นประโยชน์ แค็ตตาล็อกของตนต้องอธิบายว่าสินค้าชิ้นใดเหมาะกับสถานการณ์ดังกล่าวและเพราะเหตุใด รูปถ่ายกับคำบรรยายสินค้าเชิงการตลาดสั้น ๆ อาจยังตอบคำถามสำคัญได้ไม่ครบ

Wilgot เริ่มจากข้อมูลที่ผู้ค้าปลีกมีอยู่แล้ว ได้แก่ คำค้นหา รีวิวจากลูกค้า บัตรแจ้งปัญหาที่ส่งถึงฝ่ายสนับสนุน และการคืนสินค้า แหล่งข้อมูลเหล่านี้อาจเผยให้เห็นแรงจูงใจในการซื้อ คำถามที่ลูกค้าถามซ้ำ และความไม่สอดคล้องระหว่างสิ่งที่ลูกค้าคาดหวังกับสิ่งที่สินค้าให้ได้ แพลตฟอร์มจะนำข้อมูลเชิงลึกเหล่านั้นไปสร้างเป็นหน้าสินค้า ฟีดข้อมูล คำถามที่พบบ่อย และข้อมูลแบบมีโครงสร้าง

ตัวอย่างเช่น คำถามซ้ำ ๆ เกี่ยวกับความพอดีของรองเท้าอาจชี้ให้เห็นว่าข้อมูลขนาดรองเท้ายังไม่ครบถ้วน การระบุคำแนะนำที่ผ่านการตรวจสอบแล้วอย่างชัดเจนช่วยให้ทั้งลูกค้าและระบบค้นหามีข้อมูลประกอบการพิจารณาที่เป็นประโยชน์มากขึ้น คุณค่าของวิธีนี้อยู่ที่การดึงข้อเท็จจริงที่เกี่ยวข้องมาเชื่อมโยงกับสินค้าที่ถูกต้อง ไม่ใช่แค่เขียนคำบรรยายให้ยาวขึ้น

Wilgot วางตำแหน่ง APO ให้เป็นชั้นการปรับปรุงที่ทำงานอยู่ตลอดเวลา เครื่องมือติดตามการมองเห็นสามารถแสดงได้ว่าแบรนด์ปรากฏในคำตอบของผู้ช่วยหรือไม่ ขณะที่ระบบข้อมูลสินค้าทำหน้าที่จัดเก็บและเผยแพร่ระเบียนสินค้า Wilgot มุ่งเน้นการปรับเปลี่ยนข้อมูลที่ระบบและผู้ช่วยเหล่านั้นนำไปใช้งานในท้ายที่สุด

วงจรป้อนกลับตั้งแต่การค้นพบสินค้าไปจนถึงการเปลี่ยนเป็นยอดขาย

เว็บไซต์ของบริษัทระบุว่ากระบวนการมี 3 ขั้นตอน ได้แก่ การค้นหาสัญญาณความต้องการ การสร้างเนื้อหาสินค้า และการวัดผลลัพธ์ เนื้อหาที่สร้างขึ้นประกอบด้วยชื่อสินค้า คำบรรยาย คุณลักษณะ และคำถามที่พบบ่อย โดยจัดทำเป็นภาษาที่เกี่ยวข้อง วงจรการปรับปรุงจะติดตามการมองเห็น การมีส่วนร่วม และประสิทธิภาพในการเปลี่ยนผู้สนใจเป็นลูกค้าผ่าน Google และการค้นหาด้วย AI จากนั้นจึงใช้สัญญาณเหล่านั้นปรับเนื้อหา

Wilgot ระบุว่าแนวทางนี้ออกแบบมาสำหรับแค็ตตาล็อกที่มีสินค้าหลายหมื่นรายการ ข่าวประชาสัมพันธ์เกี่ยวกับการระดมทุนระบุว่าแพลตฟอร์มใช้การเรียนรู้แบบเสริมกำลังเพื่อปรับปรุงข้อมูลสินค้าโดยอาศัยผลตอบรับด้านประสิทธิภาพ และรองรับเนื้อหามากกว่า 100 ภาษา

ในทางปฏิบัติ วงจรป้อนกลับช่วยให้ระบบเรียนรู้ได้ว่าการเปลี่ยนแปลงใดเป็นประโยชน์หลังเผยแพร่เนื้อหาแล้ว ข่าวประชาสัมพันธ์ไม่ได้เปิดเผยรายละเอียดการออกแบบระบบรางวัลหรือสถาปัตยกรรมโมเดล ดังนั้นรายละเอียดเหล่านี้จึงไม่อยู่ในข้อมูลสาธารณะ การเรียนรู้ที่กล่าวอ้างเกิดขึ้นในกระบวนการปรับปรุงของ Wilgot ไม่ได้หมายความว่าผู้ค้าปลีกจะฝึก ChatGPT ใหม่ได้โดยตรง หรือกำหนดได้ว่าผู้ช่วยอิสระจะแนะนำอะไร

ข้อมูลสินค้าแบบมีโครงสร้างมีบทบาทที่ชัดเจนอยู่แล้วในการค้นหา เอกสารของ Google เกี่ยวกับข้อมูลสินค้าสำหรับผู้ค้าอธิบายว่ามาร์กอัป Product และ Offer ช่วยให้รายละเอียดต่าง ๆ เช่น ราคา สถานะสินค้า การจัดส่ง และการคืนสินค้า ปรากฏในประสบการณ์การช้อปปิงได้อย่างไร ตัวอย่างนี้แสดงให้เห็นความสำคัญของการระบุข้อเท็จจริงเกี่ยวกับสินค้าอย่างชัดเจน แม้การมีสิทธิ์ปรากฏในฟีเจอร์การค้นหาจะไม่เท่ากับการได้รับคำแนะนำอย่างแน่นอน

ประเด็นในวงกว้างนี้เป็นสิ่งที่พบได้ทั่วไปในการเตรียมข้อมูลสินค้าเพื่อการช้อปปิงด้วย AI: แม้คำตอบจะลื่นไหลเพียงใด ก็ยังต้องอาศัยระเบียนข้อมูลพื้นฐานที่ถูกต้อง ระบบจัดการเนื้อหาต้องแยกให้ชัดเจนระหว่างข้อมูลจำเพาะที่ผ่านการตรวจสอบแล้ว ความเห็นของลูกค้า และการอนุมานว่าสินค้าเหมาะกับการใช้งานหรือไม่ มิฉะนั้น การทำให้สินค้ามองเห็นได้มากขึ้นก็อาจทำให้ข้อกล่าวอ้างที่ไม่มีหลักฐานแพร่กระจายไปไกลขึ้นด้วย

ลูกค้ากลุ่มแรกและทีมผู้ก่อตั้ง

Wilgot ระบุว่า Daniel Wellington, J.Lindeberg, Myrqvist และ Signify เป็นลูกค้าของบริษัท ตามประกาศการระดมทุน ยอดขายสุทธิเพิ่มขึ้น 20% ในหน้าสินค้าของ Daniel Wellington ที่ Wilgot ปรับปรุง ขณะที่ปัจจุบันลูกค้าของ Myrqvist 7% มาจาก ChatGPT

ตัวเลขเหล่านี้สะท้อนผลลัพธ์คนละด้าน โดยตัวเลขหนึ่งเกี่ยวข้องกับยอดขายบนหน้าสินค้าที่เลือกไว้ ส่วนอีกตัวเลขเกี่ยวข้องกับช่องทางการได้มาซึ่งลูกค้า ข่าวประชาสัมพันธ์ไม่ได้ระบุช่วงเวลาที่ใช้วัดผลหรือรูปแบบการทดลอง ตัวเลขเหล่านี้จึงเป็นสัญญาณเชิงพาณิชย์ในระยะแรก ไม่ใช่เกณฑ์มาตรฐานเดียวที่ใช้ได้กับผู้ค้าปลีกทุกราย

Wilgot ก่อตั้งขึ้นในปี 2024 โดยมี Erik Wikander ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่บริหาร, Dr. Mhairi Dunion ผู้ร่วมก่อตั้งและนักวิทยาศาสตร์ด้าน AI และ Oleg Danylenko ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี Wikander เคยดำรงตำแหน่งประธานเจ้าหน้าที่ฝ่ายการตลาดที่ Lendify ส่วน Dunion สำเร็จการศึกษาระดับปริญญาเอกโดยเน้นด้านการเรียนรู้แบบเสริมกำลังเชิงลึกจาก University of Edinburgh ขณะที่ประสบการณ์ของ Danylenko ครอบคลุมงานด้านวิทยาการข้อมูลที่ Klarna, IKEA และ Teemyco

Wikander กล่าวในประกาศว่า “แบรนด์ต่าง ๆ ใช้เวลามากเกินไปกับการวัดว่าผู้ช่วย AI กล่าวถึงแบรนด์หรือไม่ แต่กลับใช้เวลาไม่มากพอในการมอบเหตุผลให้ AI แนะนำผลิตภัณฑ์ของตน”

การระดมทุนรอบ Seed ทำให้ Wilgot มีทรัพยากรสำหรับขยายแนวทางดังกล่าวให้ครอบคลุมมากกว่าฐานลูกค้ากลุ่มแรก โอกาสของบริษัทคือการเชื่อมโยงข้อมูลความรู้ที่กระจัดกระจายอยู่ตามปฏิสัมพันธ์ระหว่างผู้ค้าปลีกกับลูกค้า เข้ากับระเบียนข้อมูลผลิตภัณฑ์ที่มีอิทธิพลต่อการค้นพบสินค้า เมื่ออินเทอร์เฟซสำหรับการช็อปปิงมีลักษณะโต้ตอบด้วยบทสนทนามากขึ้น การทำให้ข้อมูลดังกล่าวถูกต้อง เข้าถึงได้ และเป็นประโยชน์ จึงกลายเป็นภารกิจทางธุรกิจในตัวเอง

Evan Mercer เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมสตาร์ทอัพ AI, การลงทุนเวนเจอร์, และพลวัตการระดมทุนที่กำหนดรูปแบบรุ่นต่อไปของบริษัทเทคโนโลยี การรายงานของเขามุ่งเน้นที่นวัตกรรมระยะเริ่มต้น, การไหลของทุน, และการตัดสินใจเชิงกลยุทธ์ของผู้ก่อตั้งและนักลงทุนเมื่อบริษัท AI เติบโตจากแนวคิดสู่ผลกระทบระดับโลก

ด้วยมุมมองเชิงกลยุทธ์และเชิงวิเคราะห์, Evan ตรวจสอบรอบการระดมทุน, การวางตำแหน่งในตลาด, และแนวโน้มที่กำลังเกิดขึ้นทั่วระบบนิเวศสตาร์ทอัพ AI เขาติดตามว่าการลงทุนเวนเจอร์, การลงทุนของบริษัท, และตลาดสาธารณะเชื่อมต่อกับความก้าวหน้าในปัญญาประดิษฐ์อย่างไร, แยกสัญญาณที่ยั่งยืนออกจากความโฆษณาเกินจริงระยะสั้น

บทความที่เขียนโดย Evan Mercer ถูกสร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อให้แน่ใจว่ามีความแม่นยำ, บริบท, และการครอบคลุมอย่างรับผิดชอบของภูมิทัศน์การลงทุน AI ระดับโลก