Algolia 收购 Velou，以加强 AI 购物的产品智能

零售商即使拥有合适的库存产品，也可能因为目录未能描述消费者的需求而失去销售。当 AI 助手负责搜索时，这一问题更加重要：只有系统能够找到真正满足请求的商品，具有说服力的答案才有价值。

Algolia 收购了 Velou，这是一家总部位于纽约、专注于产品数据丰富和目录智能的 AI 公司，以加强该基础。该交易于 10 月 6 日宣布，使产品理解更贴近使用它的搜索和推荐系统。

收购公告称财务条款未披露，Velou 的六人团队将加入 Algolia。Velou 已为超过 50 家零售和高端品牌企业客户提供服务。Algolia 表示，其每年处理近两万亿次搜索，覆盖超过 18,000 家客户，这为所收购技术提供了更大的潜在分发渠道。

为何更佳搜索始于更优产品数据

搜索系统必须将客户的意图与商品的可用信息相匹配。如果一个商品列表只有照片和简短标题，却省略了重要属性，系统可用于匹配详细请求的可靠信息就会减少。

设想一位购物者在寻找一盏带可调臂的紧凑型台灯。若目录仅记录品牌和颜色，搜索引擎可能无法按尺寸或结构进行过滤。更丰富的记录可以将这些约束明确化。这是对数据问题的说明性示例，而非针对某个具体 Velou 部署的声明。

同样的问题也出现在代理式商务中，即 AI 系统帮助消费者发现并选择商品。仅凭助理层面的更佳语言理解，无法自行确立未记录的产品特性。改进底层记录可使证据可供多个界面使用。

Velou 为 Algolia 带来的价值

Velou 使用多模态 AI 将产品描述和图像转换为结构化信息。在其 公司网站公告 中，Algolia 描述了将这些信息映射到精心策划的零售分类体系：为类别、属性及其取值提供一致的词汇表。公司称，随着目录的变化，丰富过程会持续运行，并将属性关联至来源证据。

Velou 的网站 将 Commerce-1 标识为其面向零售的模型，并描述了映射商品之间关系的产品图谱。除了生成缺失属性和标准化标签外，该平台旨在为替代品和兼容产品提供上下文，然后将丰富后的记录推回现有的商务系统。

分类体系和产品图谱解决了发现任务的不同方面。统一的词汇有助于系统比较供应商使用不同描述的商品。关系帮助连接这些商品。对于被要求组装协调采购的助理而言，单个商品的特性以及它们之间的关联都可能重要。

Algolia 计划将 Velou 的产品智能置于搜索、推荐、个性化、商品陈列和 Agent Studio 之下。公司表示，现有的 API、SDK 和集成将保持不变。其声明的目标是提升这些产品所使用的信息，同时避免重建零售商已有的 Algolia 实施。

收购背后的客户成果

两家公司引用了两个零售案例。Get The Label 在使用 Velou 的六个月内新增了超过 190,000 项产品属性，报告称站内搜索收入提升了 60%。Everything5pounds 将其目录属性提升了超过 85%，同时报告搜索转化率上升了 33%。

这些是公司报告的客户结果，而非通过对照实验确定的仅由丰富带来的改进幅度。然而，它们仍使商业目标具体化：更好的产品描述必须转化为消费者找到合适商品并完成购买。

对于评估该技术的零售商而言，有用的衡量标准不仅限于新字段的数量。特定查询是否返回合适的结果？过滤器是否反映准确的产品特性？商品陈列团队是否能够检查并纠正属性背后的证据？这些问题将数据质量与客户体验联系起来。

AI 购物堆栈的战略性收购

此次收购为 Algolia 提供了一种方式来影响输入，从而提升其更广泛平台的有效性。丰富可以从同一产品记录支持搜索框、推荐引擎和购物助理，而无需为每种体验单独进行目录修复工作。

准确性仍然是核心。产品照片可能展示可见的设计特征，但零售商需要可靠的规格和护理说明证据。附加不受支持的属性可能会产生看似吸引人的推荐，却让买家失望。Algolia 对可检查证据的重视因此成为其集成承诺中有意义的一部分。

该交易还展示了在在业务中实现代理式 AI时的一个实际考虑因素：系统需要关于其操作对象的可用信息。在商业中，这意味着目录必须足够详细，以支持购物者的实际需求。

Algolia 接下来的测试是，是否将丰富和检索整合在同一平台上能够在其客户群中始终如一地提升发现能力。目标很明确：让合适的产品更容易被找到，无论请求是通过搜索框还是 AI 助手发起。