Gọi vốn
Wilgot huy động 3 triệu USD vòng hạt giống để tăng khả năng hiển thị sản phẩm trong hoạt động mua sắm bằng AI

Điểm chínhWilgot chuyển các truy vấn và đánh giá hiện có của khách hàng thành dữ liệu sản phẩm…
Xem thêm
- Wilgot chuyển các truy vấn và đánh giá hiện có của khách hàng thành dữ liệu sản phẩm phong phú hơn mà các trợ lý AI có thể hành động dựa trên đó.
- Vòng phản hồi của nền tảng tối ưu hóa nội dung cho khả năng hiển thị và chuyển đổi nhưng không thể kiểm soát những gì các trợ lý độc lập đề xuất.
- Kết quả khách hàng ban đầu của Wilgot thiếu các khoảng thời gian đo lường được công bố nên chúng cho thấy triển vọng chứ không phải là các chuẩn mực đã được chứng minh.
Wilgot đã huy động được 3 triệu USD vốn vòng hạt giống nhằm giúp các nhà bán lẻ khiến sản phẩm của họ dễ được trợ lý mua sắm AI tìm thấy, hiểu và đề xuất hơn. Công ty khởi nghiệp tại Stockholm đang phát triển giải pháp mà họ gọi là Tối ưu hóa Sản phẩm Tác nhân (APO): phần mềm chuyển hóa hiểu biết về khách hàng thành thông tin sản phẩm phong phú hơn, đồng thời liên tục điều chỉnh nội dung khi hành vi mua sắm thay đổi.
Industrifonden dẫn đầu vòng gọi vốn, mà Wilgot cũng mô tả là 30 triệu SEK. Các nhà đầu tư tham gia gồm Luminar Ventures, Foundry Ventures, Ventures Together và Inovexus. Các nhà đầu tư thiên thần gồm Johan Bäckarlin và Johan Hjelte, những người sáng lập Voyado, cùng Niclas Mollin, nhà sáng lập inriver và Occtoo.
Công ty sẽ dùng nguồn vốn này để phát triển nền tảng và mở rộng hoạt động kinh doanh. Anders Nygren của Foundry Ventures và Andreas Söneby của Industrifonden sẽ tham gia hội đồng quản trị.
Chuyển hóa hiểu biết về khách hàng thành thông tin sản phẩm
Một người mua hỏi trợ lý về món quà dành cho người thích đi bộ đường dài đang mô tả mục đích sử dụng, chứ không nêu tên một sản phẩm cụ thể. Để sản phẩm của nhà bán lẻ xuất hiện trong câu trả lời hữu ích, danh mục sản phẩm cần giải thích mặt hàng nào phù hợp với tình huống đó và vì sao. Một bức ảnh cùng phần mô tả tiếp thị ngắn có thể chưa giải đáp được những câu hỏi quan trọng.
Wilgot bắt đầu từ những thông tin mà nhà bán lẻ đã có: truy vấn tìm kiếm, đánh giá của khách hàng, yêu cầu hỗ trợ và hàng trả lại. Những nguồn này có thể cho thấy động cơ mua hàng, các câu hỏi thường gặp và sự chênh lệch giữa kỳ vọng của khách hàng với những gì sản phẩm thực sự mang lại. Nền tảng chuyển những phát hiện đó thành trang sản phẩm, luồng dữ liệu sản phẩm, mục câu hỏi thường gặp và dữ liệu có cấu trúc.
Chẳng hạn, những câu hỏi lặp đi lặp lại về độ vừa vặn của một đôi giày có thể cho thấy thông tin kích cỡ còn thiếu. Việc nêu rõ hướng dẫn đã được xác minh giúp cả người mua lẫn hệ thống tìm kiếm có thêm căn cứ hữu ích. Giá trị nằm ở việc trích xuất một dữ kiện phù hợp và gắn nó với đúng mặt hàng, thay vì chỉ tạo ra phần mô tả dài hơn.
Wilgot định vị APO là một lớp cải tiến chủ động. Các công cụ theo dõi khả năng hiển thị có thể cho biết thương hiệu có xuất hiện trong câu trả lời của trợ lý hay không, còn các hệ thống quản lý thông tin sản phẩm lưu trữ và phân phối dữ liệu danh mục. Wilgot tập trung thay đổi thông tin mà các hệ thống và trợ lý đó sử dụng.
Vòng phản hồi xuyên suốt quá trình khám phá và chuyển đổi
Trang web của công ty mô tả quy trình gồm ba giai đoạn: phát hiện tín hiệu nhu cầu, tạo nội dung sản phẩm và đo lường kết quả. Nội dung đầu ra gồm tiêu đề, mô tả, thuộc tính và câu hỏi thường gặp, được tạo bằng ngôn ngữ phù hợp. Vòng lặp tối ưu hóa theo dõi khả năng hiển thị, mức độ tương tác và hiệu quả chuyển đổi trên Google và các công cụ tìm kiếm AI, sau đó dùng những tín hiệu này để điều chỉnh nội dung.
Wilgot cho biết giải pháp này được thiết kế cho các danh mục có hàng chục nghìn sản phẩm. Thông cáo về vòng gọi vốn cho biết nền tảng sử dụng học tăng cường để cải thiện thông tin sản phẩm dựa trên phản hồi về hiệu quả hoạt động và hỗ trợ nội dung bằng hơn 100 ngôn ngữ.
Trên thực tế, vòng phản hồi giúp hệ thống có cách học hỏi những thay đổi nào hữu ích sau khi nội dung được đăng tải. Thông cáo không tiết lộ cách thiết kế hàm thưởng hay kiến trúc mô hình, vì vậy những chi tiết này không nằm trong phần mô tả công khai. Quá trình học hỏi được đề cập diễn ra trong quy trình tối ưu hóa của Wilgot; điều đó không có nghĩa nhà bán lẻ có thể trực tiếp huấn luyện lại ChatGPT hoặc quyết định nội dung mà một trợ lý độc lập sẽ đề xuất.
Thông tin sản phẩm có cấu trúc đã giữ một vai trò cụ thể trong hoạt động tìm kiếm. Tài liệu về dữ liệu có cấu trúc cho trang thông tin người bán của Google giải thích cách đánh dấu Product và Offer có thể cung cấp các chi tiết như giá, tình trạng còn hàng, vận chuyển và đổi trả cho các trải nghiệm mua sắm. Điều này cho thấy tầm quan trọng của việc nêu rõ các dữ kiện về sản phẩm, dù đủ điều kiện xuất hiện trong một tính năng tìm kiếm không đồng nghĩa với việc chắc chắn được đề xuất.
Vấn đề rộng hơn đã quen thuộc trong quy trình chuẩn bị dữ liệu sản phẩm cho hoạt động mua sắm bằng AI: những câu trả lời trôi chảy vẫn phụ thuộc vào hồ sơ dữ liệu nền chính xác. Hệ thống nội dung phải giữ rõ sự khác biệt giữa thông số kỹ thuật đã được xác minh, ý kiến của khách hàng và suy luận về mức độ phù hợp. Nếu không, việc tăng khả năng hiển thị cho một mặt hàng cũng có thể khiến một tuyên bố thiếu căn cứ lan truyền rộng hơn.
Khách hàng đầu tiên và đội ngũ sáng lập
Wilgot nêu Daniel Wellington, J.Lindeberg, Myrqvist và Signify là những khách hàng của mình. Theo thông báo về vòng gọi vốn, doanh số thuần tăng 20% trên các trang sản phẩm của Daniel Wellington được Wilgot tối ưu hóa, trong khi hiện nay 7% khách hàng của Myrqvist đến từ ChatGPT.
Các số liệu này phản ánh những kết quả khác nhau: một số liệu liên quan đến doanh số trên các trang sản phẩm được chọn, còn số kia phản ánh một kênh thu hút khách hàng. Thông cáo không cung cấp khoảng thời gian đo lường hay thiết kế thử nghiệm. Đây là những tín hiệu kinh doanh ban đầu, chứ không phải một chuẩn đối chiếu duy nhất có thể áp dụng cho mọi nhà bán lẻ.
Được thành lập năm 2024, Wilgot quy tụ Erik Wikander, đồng sáng lập kiêm CEO; Tiến sĩ Mhairi Dunion, đồng sáng lập kiêm nhà khoa học AI; và Oleg Danylenko, đồng sáng lập kiêm CTO. Trước đây, Wikander từng giữ chức giám đốc marketing tại Lendify. Dunion có bằng tiến sĩ với chuyên ngành học tăng cường sâu tại University of Edinburgh, còn Danylenko có kinh nghiệm về khoa học dữ liệu tại Klarna, IKEA và Teemyco.
“Các thương hiệu đang dành quá nhiều thời gian để đo lường xem trợ lý AI có nhắc đến mình hay không, nhưng lại chưa dành đủ thời gian để tạo cho AI lý do đề xuất sản phẩm của họ”, Wikander cho biết trong thông cáo.
Vòng gọi vốn hạt giống mang lại cho Wilgot nguồn lực để mở rộng đề xuất giá trị đó ra ngoài nhóm khách hàng ban đầu. Cơ hội của công ty nằm ở việc kết nối kho kiến thức phân tán trong các tương tác giữa nhà bán lẻ với khách hàng với hồ sơ sản phẩm ảnh hưởng đến quá trình tìm kiếm. Khi các giao diện mua sắm ngày càng mang tính hội thoại, việc đảm bảo kho kiến thức đó chính xác, dễ tiếp cận và hữu ích trở thành một nhiệm vụ thương mại riêng.












