Loops 融资 350 万美元种子轮，推动 AI 搜索、购物助手与零售数据互联

在网上找到商品很容易，但要判断它是否合适，消费者仍可能需要在搜索结果、尺码表、商品页面之间来回切换，甚至还得从头开始与客服沟通。Loops 认为，零售商需要一个共享的智能层，将这些环节连接起来。

Loops宣布完成一轮350 万美元的种子轮融资，投资方包括 a16z speedrun、NTT Docomo、Connecticut Innovations、Alumni Ventures 和 Monday Capital。公司计划将这笔资金用于产品开发、客户部署能力建设和国际扩张，同时打造其所称的商业 AI 操作系统。

该平台整合了搜索、商品发现、购物助手、客户运营、商品信息完善和虚拟试穿功能。其核心主张是：当这些能力共享对零售商商品目录、业务背景和客户旅程的认知时，发挥的作用会更大。

打通 AI 购物的各个环节

零售商即使部署了功能强大的搜索引擎，顾客仍可能因为问题得不到解答而无所适从。零售商也可以添加对话式助手，但助手需要准确的商品信息，还要了解顾客此前考虑过什么。每增加一个应用，就多出一项需要维护的集成。

Loops 希望通过一个底层共享层来解决这种割裂。公告描述了这样一个循环：更完善的商品目录数据提升搜索效果，搜索为购物助手提供背景信息，而对话则能暴露缺失的商品信息，之后可通过信息完善来补齐。

设想一位顾客想在预算范围内挑选一套适合户外婚礼的穿搭。要理解这一需求，仅仅匹配“婚礼”一词远远不够。一个实用的系统需要理解场合、价格上限、风格偏好和商品特征，并在顾客询问合身程度或替代选项时继续保留这些背景信息。这正是 Loops 希望实现的连贯购物体验。

该公司对商品描述的说明称，AI 搜索可以理解完整句子、场合、预算和限制条件。Loops 还表示，搜索结果可以按照零售商的营收和利润率目标进行排序。这是一项颇具意义的产品设计选择：除了与用户需求的相关性，商业目标也可能影响哪些合适的商品优先显示。

商品目录数据是基础

许多工作在顾客提出问题之前就已经开始。商品目录中的描述往往参差不齐，属性信息也可能缺失。如果没有服装面料、版型或护理说明等信息，即使助手表达流畅、听起来很有把握，也无法可靠地回答相关问题。

据公司介绍，Loops 的商品信息完善功能可以补充商品目录中缺失的结构化信息、描述和属性。此次公告将其视为基础能力，帮助搜索和助手理解库存商品。更完善的结构化信息有助于顾客通过不同界面更轻松地查找和比较商品。

购物助手随后会利用库存、尺码和政策等商品目录信息，引导顾客做出选择。Loops 表示，该助手可部署在零售商的网站、移动应用和 WhatsApp 上。其市场平台助手则可在包括 Trendyol 在内的各类市场平台上回答商品问题，并采用零售商的商品目录信息和品牌口吻。

虚拟试穿为这一购物旅程增添了视觉体验。Loops 称，顾客可以上传照片，在决定购买前查看商品穿在自己身上的效果。视觉模拟和合身建议或许能帮助顾客评估商品，但公告并未证明这两项功能能够保证商品实际合身或消除退货。

更广泛的技术要点在于编排：围绕共享信息协调各项专业能力。公司在公告中披露的架构细节不足，因此无法独立评估其模型技术栈、评估方法，也无法了解它如何在不同渠道之间持续维护完整的客户背景信息。

早期客户数据说明了什么

Loops 报告称，公司拥有 70 多家客户和试点项目，处理了数百万次购物体验，且 64% 的试点项目转化为付费客户。这些数据表明公司早期已取得商业进展，但公告没有提供用于进一步评估这些数据所需的底层客户群规模、时间跨度或合同金额。

公告列举了土耳其连锁超市 A101，称其使用该平台进行商品目录导航和购物辅助。根据 Loops 发布的对比数据，涉及该平台的会话，其观测到的购买转化率比对照组高出约 83%。

这一结果需要谨慎解读。公司明确指出，这是一项观察性结果，而非通过随机试验测得。主动使用助手的顾客，其购买意愿可能本来就与未使用助手的顾客不同。这项对比结果值得进一步研究，但不能证明单靠 Loops 就使转化率提高了 83%。

时尚零售商 Mavi 是另一个被点名的案例，它利用 Loops 提供围绕风格、场合和尺码合身度的 AI 搜索与购物辅助服务。这些部署案例有助于展示该平台在不同商品目录中的预期作用，但实施所需投入以及能否稳定取得可重复的财务成效，仍有待未来报道进一步说明。

零售业：垂直领域 AI 的起点

这家公司的创立故事，体现了它希望消除的购物阻碍。联合创始人 Ari Nazir 和 İlker Selim Zorluoğlu 当时在巴厘岛，Zorluoğlu 想给年幼的女儿买一份礼物，便联系了零售商，却等了好几个小时才收到回复。最终，这笔交易没有达成。公告称，Nazir 在一个周末内完成了首个原型。

如今，Loops 将商业领域视为其更广泛战略的首个应用场景：围绕特定行业的知识、集成能力和工作流程，深入构建 AI 系统。金融服务和能源是其计划拓展的下两个领域。公司还在开发专用的小语言模型能力，以处理那些因领域知识和部署限制而更适合采用专用模型的任务。

这些目标超出了当前零售产品的范畴，应视为开发计划。眼下的考验在于，随着客户群不断扩大，Loops 能否将互联购物体验转化为可靠且可重复部署的解决方案。

种子轮融资为公司推进这项工作提供了资源。其发展机遇植根于一个实际的零售难题：帮助购物者从对心仪商品不够准确的描述出发，最终放心下单，并在整个过程中获得准确信息和实用帮助。