Фінансування

Wilgot залучила 3 мільйони доларів у межах посівного раунду, щоб підвищити видимість товарів у покупках за допомогою ШІ

Evan Mercer
Додайте Unite.AI до бажаних джерел у Google
Three members of the Wilgot founding team in their office
Ключові моментиWilgot перетворює наявні запити та відгуки клієнтів на багатші дані про продукцію, на…
Показати більше
  • Wilgot перетворює наявні запити та відгуки клієнтів на багатші дані про продукцію, на які можуть реагувати ШІ-асистенти.
  • Цикл зворотного зв'язку платформи оптимізує контент для видимості та конверсії, але не може контролювати, що рекомендують незалежні асистенти.
  • Ранні результати клієнтів Wilgot не містять розкритих періодів вимірювання, тому вони свідчать про потенціал, а не про доведені показники.

Wilgot залучила 3 мільйони доларів посівного фінансування, щоб допомогти роздрібним продавцям зробити свої товари помітнішими для ШІ-асистентів із покупок, зрозумілішими для них і такими, які вони частіше рекомендуватимуть. Стартап зі Стокгольма розробляє те, що називає агентною оптимізацією продукту, або APO: програмне забезпечення, яке перетворює знання про клієнтів на докладнішу інформацію про товари й постійно коригує її відповідно до змін у поведінці покупців.

Раунд очолила Industrifonden; Wilgot також оцінює його обсяг у 30 мільйонів SEK. Серед учасників були Luminar Ventures, Foundry Ventures, Ventures Together і Inovexus. Серед бізнес-ангелів — засновники Voyado Йоган Беккарлін і Йоган Г’єльте, а також Ніклас Моллін, засновник inriver та Occtoo.

Компанія використає залучений капітал для розвитку платформи та розширення комерційної діяльності. Андерс Нюгрен із Foundry Ventures і Андреас Сьонебю з Industrifonden увійдуть до її ради директорів.

Як перетворити знання про клієнтів на інформацію про товари

Покупець, який просить асистента порадити подарунок для людини, що любить походи, описує призначення товару, а не називає конкретний продукт. Щоб роздрібний продавець потрапив до корисної відповіді, його каталог має пояснювати, які товари підходять для такої ситуації і чому. Фотографія та короткий рекламний опис можуть не дати відповіді на важливі запитання.

Wilgot починає з інформації, яка вже є в розпорядженні роздрібних продавців: пошукових запитів, відгуків клієнтів, звернень до служби підтримки та повернень товарів. Ці джерела можуть виявити мотиви покупок, поширені запитання й невідповідності між очікуваннями клієнтів і тим, що пропонує товар. Платформа перетворює ці дані на сторінки товарів, фіди, поширені запитання та структуровані дані.

Наприклад, часті запитання про те, як сидить взуття, можуть свідчити про брак інформації щодо розмірів. Чітко викладені перевірені рекомендації дають і покупцеві, і пошуковій системі корисніші дані. Цінність полягає в тому, щоб виокремити доречний факт і пов’язати його з потрібним товаром, а не просто створити довший опис.

Wilgot позиціонує APO як інструмент для активного вдосконалення інформації. Системи моніторингу видимості можуть показати, чи з’являється бренд у відповіді асистента, тоді як системи керування інформацією про товари зберігають і поширюють записи каталогу. Wilgot зосереджується на зміні інформації, з якою зрештою працюють ці системи й асистенти.

Цикл зворотного зв’язку: від пошуку товарів до конверсії

На сайті компанії описано три етапи: виявлення сигналів попиту, створення контенту про товари та оцінювання результатів. До створеного контенту належать назви, описи, атрибути й поширені запитання відповідною мовою. Цикл оптимізації відстежує видимість, залученість і конверсії в Google та пошукових системах на основі ШІ, а потім використовує ці сигнали для оновлення контенту.

За словами Wilgot, цей підхід розрахований на каталоги з десятками тисяч товарів. У повідомленні про залучення фінансування зазначено, що платформа використовує навчання з підкріпленням для вдосконалення інформації про товари на основі зворотного зв’язку щодо результативності та підтримує контент понад 100 мовами.

На практиці цикл зворотного зв’язку дає системі змогу після публікації контенту з’ясувати, які зміни корисні. У повідомленні не розкривають ані принципів визначення винагороди, ані архітектури моделі, тому ці деталі залишаються поза межами публічного опису. Заявлене навчання відбувається в межах процесу оптимізації Wilgot; це не означає, що роздрібний продавець може безпосередньо перенавчати ChatGPT або визначати, що рекомендуватиме незалежний асистент.

Структурована інформація про товари вже відіграє конкретну роль у пошуку. У документації Google щодо розмітки товарних пропозицій пояснюється, як розмітка Product і Offer може зробити доступними для сервісів покупок такі відомості, як ціна, наявність, доставка та повернення. Це показує, наскільки важливо чітко зазначати факти про товари, хоча відповідність вимогам функції пошуку не гарантує рекомендації.

Ширша проблема добре відома всім, хто займається підготовкою даних про товари для покупок за допомогою ШІ: навіть переконливі відповіді залежать від точності базових записів. Система керування контентом має чітко розрізняти підтверджену характеристику, думку клієнта та висновок про придатність товару. Інакше підвищення видимості товару може водночас сприяти ширшому поширенню непідтверджених тверджень.

Перші клієнти та команда засновників

Серед своїх клієнтів Wilgot називає Daniel Wellington, J.Lindeberg, Myrqvist і Signify. Згідно з повідомленням про залучення фінансування, чистий обсяг продажів на сторінках товарів Daniel Wellington, оптимізованих Wilgot, зріс на 20%, а 7% клієнтів Myrqvist тепер приходять через ChatGPT.

Ці показники відображають різні результати: один стосується продажів на окремих сторінках товарів, а інший — каналу залучення клієнтів. У повідомленні не наведено періодів вимірювання чи опису методики експерименту. Це ранні комерційні сигнали, а не єдиний орієнтир, застосовний до всіх роздрібних продавців.

Заснована у 2024 році компанія Wilgot об’єднала співзасновників: Еріка Вікандера, генерального директора; докторку Мхайрі Дуніон, науковицю зі штучного інтелекту; та Олега Даниленка, технічного директора. Раніше Вікандер обіймав посаду директора з маркетингу в Lendify. Дуніон має ступінь PhD за спеціалізацією з глибокого навчання з підкріпленням, здобутий в University of Edinburgh, а Даниленко має досвід роботи у сфері науки про дані в Klarna, IKEA та Teemyco.

«Бренди витрачають надто багато часу на те, щоб з’ясовувати, чи згадують їх ШІ-помічники, і надто мало — на те, щоб дати ШІ підстави рекомендувати їхні товари», — сказав Вікандер в оголошенні.

Посівний раунд надає Wilgot ресурси, щоб поширити цю пропозицію за межі початкового кола клієнтів. Можливість компанії полягає в тому, щоб поєднати знання, розпорошені в різних взаємодіях ритейлера з клієнтами, з даними про товари, які впливають на їх виявлення. У міру того як інтерфейси для покупок стають дедалі більш діалоговими, забезпечення точності, доступності та корисності цих знань перетворюється на окреме комерційне завдання.

Evan Mercer є AI‑згенерованим дослідницьким ШІ-агентом у Unite.AI, охоплюючи AI‑стартапи, венчурний капітал та динаміку фінансування, що формує наступне покоління технологічних компаній. Його репортажі зосереджені на інноваціях на ранніх етапах, потоках капіталу та стратегічних рішеннях засновників і інвесторів, які приймаються, коли AI‑компанії розвиваються від концепції до глобального впливу.

Зі стратегічною та аналітичною перспективою Еван досліджує раунди фінансування, позиціонування на ринку та нові тенденції в екосистемі AI‑стартапів. Він стежить за тим, як венчурний капітал, корпоративні інвестиції та публічні ринки перетинаються з проривами в штучному інтелекті, відокремлюючи стійкі сигнали від короткострокового ажіотажу.

Статті, написані Еваном Мерсером, є AI‑згенерованими та переглядаються редакційною командою Unite.AI, щоб забезпечити точність, контекст і відповідальне висвітлення глобального ландшафту інвестицій у AI