Accueil » Lily AI obtient de nouveaux capitaux pour aider les détaillants à faire correspondre les clients aux produits – TechCrunch

Lily AI obtient de nouveaux capitaux pour aider les détaillants à faire correspondre les clients aux produits – TechCrunch

by marco

Pendant la pandémie, les détaillants ont été contraints d’adopter le commerce électronique. Mais certains ont constaté qu’ils avaient du mal à fidéliser leurs clients à mesure que les attentes des consommateurs changeaient et que les habitudes d’achat changeaient. En raison d’une concurrence redoutable comme Amazon, ont-ils découvert, les clients ont peu de patience pour les sites qui ne leur présentent pas ce qu’ils veulent. Selon une étude de l’Institut Baymard, pour 100 clients potentiels, 70 partiront sans acheter.

C’est pourquoi Purva Gupta a lancé Lily AI, une Plate-forme alimentée par l’IA qui connecte les acheteurs d’un détaillant ou d’une marque aux produits qu’ils pourraient chercher à acheter. Co-fondée par Sowmiya Narayanan, Lily fournit des algorithmes conçus pour alimenter les composants de la boutique en ligne tels que les moteurs de recherche et les carrousels de découverte de produits.

Lily a annoncé aujourd’hui avoir levé 25 millions de dollars lors d’un cycle de financement de série B dirigé par Canaan, portant son total levé à 41 millions de dollars.

« Différents acheteurs recherchent de manière unique, ce qui rend essentiel pour les marques de commerce électronique de détail de créer la bonne taxonomie de produits pour capturer à la fois les recherches courantes et à longue traîne », a déclaré Gupta à TechCrunch par e-mail. « Pensez à vos propres expériences frustrantes sur les sites de vente au détail en ligne et à la réception de résultats non pertinents ou, pire, à aucun résultat, même lorsque le produit que vous recherchez est clairement proposé par ce détaillant. »

Avant de co-lancer Lily, Gupta a occupé divers postes chez Eko India et l’UNICEF. Narayanan a apporté son expérience dans le développement de logiciels chez Texas Instruments, Yahoo! (divulgation complète : société mère de TechCrunch) et Box, où elle était développeur Web complet pour le produit Box Notes.

Lily a commencé sa vie comme une application pour les détaillants pour aider à comprendre les préférences personnelles des femmes acheteurs en matière de mode. Mais lorsque la traction s’est avérée difficile à gagner, Gupta et Narayanan a pivoté pour créer une solution plus axée sur l’entreprise, présentée sous la forme d’un produit d’abonnement plug-in, logiciel en tant que service.

Lily retient désormais une équipe «d’experts» de la mode, de la maison et de la beauté qui aident à affiner les taxonomies de produits, qui sont ensuite utilisées pour former des algorithmes de recherche et de recommandation de produits. (Le groupe recherche et développe également des moyens de transformer des attributs de produits tels que « tissu côtelé » et « style vestimentaire minimaliste » en un « langage » mathématique que les algorithmes peuvent comprendre.) , » « ajustement » et « occasion ») et utilise les données client des marques liées aux données d’attribut de l’article pour créer une prédiction de l’affinité de chaque client avec les attributs des produits du catalogue.

Crédits image : Lily IA

Gupta reconnaît qu’il existe d’autres entreprises dans les espaces d’attribution de produits et de marquage automatisé de produits qui s’appuient sur l’automatisation et l’IA. Par exemple, Depict.ai fournit un outil de recommandation de produits qui s’appuie sur des données provenant d’Internet. Black Crow AI développe une plate-forme pour prédire quels produits les clients du commerce électronique achèteront, tandis que Constructor vend l’accès à un cadre qui alimente la recherche et la découverte pour les marchés de détail numériques.

Meta a également expérimenté la prédiction des attributs vestimentaires pour Facebook Marketplace, présentant il y a deux ans un système capable d’extraire les attributs vestimentaires et les styles de mode à partir de photos de modèles sur Instagram et Flickr.

Mais elle soutient que Lily est l’une des options les plus puissantes en termes de configurabilité. Gupta a également souligné que la plate-forme préservait la confidentialité dans la mesure du possible, n’utilisant pas les noms, adresses ou informations de transaction financière des clients en faveur de l’utilisation d’interactions utilisateur anonymes sur les sites de commerce électronique de ses clients.

« Les décideurs informatiques avec lesquels nous travaillons se concentrent sur l’application plus concrète et tangible de Lily plutôt que d’être sur les premières lignes stratégiques. Ils sont intéressés par la profondeur et la précision des informations que Lily peut fournir ; comment formons-nous les modèles ; et la précision des niveaux de sortie et de confiance », a-t-elle déclaré. « Nous gagnons avec la personnalisation de notre produit pour répondre à leurs besoins et une équipe de réussite client dédiée disponible pour prendre en compte les changements d’objectifs ou de résultats au fil du temps. »

Dans tous les cas, des clients de renom se sont inscrits aux services de Lily à ce jour, notamment Macy’s, The Gap et ses marques assorties, Bloomingdale’s et thredUP.

Lily répugne à rendre publics ses chiffres d’affaires, et l’entreprise de 87 employés dit qu’elle n’a pas de projection de la taille de ses effectifs pour la fin de l’année. Écartant les questions sur le secret, Gupta affirme que Lily est « bien placée » pour capitaliser sur de nouveaux marchés verticaux dans les mois à venir, même en tenant compte des vents contraires macroéconomiques.

« Lily AI a énormément grandi depuis le début de la pandémie, alors que les crises sanitaires ont rapidement intensifié le passage du commerce de détail au commerce électronique et à la transformation numérique », a déclaré Gupta. « Nous utiliserons le nouveau financement pour nous développer davantage dans les marques de commerce électronique de détail d’entreprise et de taille moyenne dans les domaines de la maison, de la beauté et de la mode… Nous prévoyons également d’étendre notre solution beaucoup plus profondément à d’autres applications au sein de la pile de vente au détail, ainsi que d’autres suite d’analyses riches pour nos clients.

related posts