Algolia придбала Velou, щоб посилити інтелект продукту для AI‑шопінгу

У роздрібного продавця може бути потрібний товар у наявності, а все ж втрачати продаж, бо його каталог не описує, чого шукає покупець. Проблема стає ще більш важливою, коли пошук здійснює AI‑ассистент: переконлива відповідь корисна лише тоді, коли система може знайти товар, який дійсно відповідає запиту.

Algolia придбала Velou, нью‑йоркська компанія, що спеціалізується на збагаченні даних про продукти та інтелектуальному аналізі каталогів, щоб зміцнити цю основу. Оголошено 6 жовтня, угода наближає розуміння продукту до систем пошуку та рекомендацій, які його використовують.

оголошення про придбання зазначає, що фінансові умови не розкриті, а команда Velou з шести осіб приєднується до Algolia. Velou вже обслуговує понад 50 роздрібних та преміальних брендових корпоративних клієнтів. Algolia повідомляє, що щорічно обробляє майже два трильйони пошуків для понад 18 000 клієнтів, що надає придбаній технології значно більший потенційний канал розповсюдження.

Чому кращий пошук починається з кращих даних про продукт

Системи пошуку мають поєднувати намір клієнта з інформацією, доступною про товар. Якщо в оголошенні є лише фотографія та коротка назва, але відсутні важливі атрибути, система отримує менш надійних даних для порівняння з детальним запитом.

Уявіть покупця, який шукає компактну настільну лампу з регульованою рукояткою. Каталог, який фіксує лише бренд і колір, може залишити пошуковий движок без можливості фільтрувати за розміром чи конструкцією. Багатший запис може зробити ці обмеження явними. Це лише ілюстративний приклад проблеми даних, а не твердження про конкретне впровадження Velou.

Ту саму проблему переносимо в агентну комерцію, де AI‑системи допомагають споживачам відкривати та вибирати товари. Краще розуміння мови на рівні асистента не може самостійно встановити недокументовану характеристику продукту. Покращення базового запису робить доказ доступним для більш ніж одного інтерфейсу.

Що Velou додає до Algolia

Velou використовує мультимодальний AI, щоб перетворювати описи продуктів та зображення у структуровану інформацію. У його оголошення на веб‑сайті компанії Algolia описує відображення цієї інформації у відібрану роздрібну таксономію: послідовний словник для категорій, атрибутів та їхніх значень. Компанія повідомляє, що збагачення виконується під час змін у каталогах і прив’язує атрибути до джерельних доказів.

веб‑сайт Velou ідентифікує Commerce-1 як свою модель, орієнтовану на роздріб, і описує графи продуктів, які відображають взаємозв’язки між товарами. Окрім генерації відсутніх атрибутів та стандартизованих тегів, платформа розрахована на надання контексту для альтернативних та сумісних продуктів, а потім надсилати збагачені записи назад у існуючі комерційні системи.

Таксономія та граф продукту вирішують різні аспекти завдання пошуку. Спільний словник допомагає системам порівнювати товари, у яких постачальники використовують різні описи. Взаємозв’язки допомагають з’єднувати ці товари. Для асистента, якому потрібно сформувати координовану покупку, важливими можуть бути як характеристики кожного продукту, так і зв’язки між ними.

Algolia планує розмістити інтелект продукту Velou під пошуком, рекомендаціями, персоналізацією, мерчандайзингом та Agent Studio. Компанія заявляє, що існуючі API, SDK та інтеграції залишаться без змін. Її мета — покращити інформацію, з якою працюють ці продукти, уникаючи перебудови існуючих впроваджень Algolia у роздрібних продавців.

Результати для клієнтів, що стоять за придбанням

Компанії вказують на два роздрібних приклади. Get The Label додав понад 190 000 атрибутів продукту за шість місяців за допомогою Velou, повідомляючи про 60 % зростання доходу від пошуку на сайті. Everything5pounds збільшив атрибути свого каталогу більш ніж на 85 %, разом із повідомленим 33 % підвищенням конверсій у пошуку.

Це результати, повідомлені компанією, а не контрольне порівняння, що визначає, яку частину кожного покращення забезпечило саме збагачення. Проте вони роблять комерційну мету конкретною: кращі описи продуктів мають призводити до того, що покупці знаходять відповідні товари та завершують покупки.

Для роздрібного продавця, який оцінює технологію, корисні показники виходять за межі кількості нових полів. Чи повертає конкретний запит відповідний результат? Чи відображають фільтри точні характеристики продукту? Чи може команда мерчандайзингу перевіряти та виправляти докази, що стоять за атрибутом? Ці питання пов’язують якість даних із досвідом клієнтів.

Стратегічна покупка для стеку AI‑шопінгу

Придбання дає Algolia можливість впливати на вхідний параметр, який формує ефективність її ширшої платформи. Збагачення може підтримувати пошуковий рядок, движок рекомендацій та торгового агента з одного запису продукту, замість того, щоб вимагати окремих зусиль з виправлення каталогу для кожного досвіду.

Точність залишається центральною. Фото товару може показати видимий елемент дизайну, але роздрібний продавець потребує надійних доказів щодо специфікацій та інструкцій з догляду. Додавання непідтримуваного атрибуту може створити привабливу рекомендацію, яка розчарує покупця. Тому акцент Algolia на перевірних доказах є важливою частиною її обіцянки щодо інтеграції.

Угода також ілюструє практичне міркування щодо впровадження агентного ШІ в бізнесі: системам потрібна придатна інформація про об’єкти, на які вони впливають. У комерції це означає каталог, достатньо деталізований, щоб підтримувати реальні вимоги покупця.

Наступний випробувальний етап Algolia — перевірити, чи об’єднання збагачення та пошуку під одним дахом стабільно покращує виявлення для всіх клієнтів. Амбіція проста: зробити правильний товар легшим у пошуку, незалежно від того, чи запит надходить через пошукове поле, чи через ШІ‑асистента.