Стартап Onton привлек $7,5 млн на развитие AI-платформы для шопинга

Крупные технологические компании используют искусственный интеллект не только для генерации контента, но и для помощи в покупках. Компании OpenAI, Google и Amazon активно инвестируют в AI-ассистентов, которые исследуют товарные категории и предлагают подходящие продукты.

Стартапы Perplexity, Daydream и Cherry также построили бизнес вокруг AI для поиска товаров. Все эти усилия привели к тому, что покупатели стали чаще использовать искусственный интеллект для шопинга. Платформа для покупки мебели с AI Onton (ранее известная как Deft) сообщает, что ее пользовательская база выросла с 50 000 до более чем 2 миллионов активных пользователей в месяц, обслуживая миллионы поисковых запросов и генераций изображений.

На волне этого роста стартап объявил о привлечении $7,5 млн (около 600 млн рублей) в новом раунде финансирования под руководством Footwork, при участии Liquid 2, Parable Ventures и других. Этот раунд увеличил общее финансирование компании до примерно $10 млн (около 800 млн рублей).

Сооснователи Onton Зак Хадсон и Алекс Гуннарсон
Источник изображения: Onton

Полученные средства компания планирует направить на расширение в новые категории, такие как одежда, а впоследствии и потребительская электроника.

В этом году компания сменила название с Deft на Onton из-за путаницы с оригинальным именем и трудностей с получением премиального домена.

Зак Хадсон, сооснователь Onton, отмечает, что хотя большие языковые модели хорошо угадывают вероятные намерения, они не решили многих проблем электронной коммерции. Он добавил, что стартап наблюдает увеличение среднего времени, которое потребитель тратит на принятие решения о покупке.

Источник изображения: Onton

В основе технологии компании лежит нейро-символическая архитектура. Хадсон заявил, что этот подход позволяет устранить проблемы с галлюцинациями у LLM и предоставлять более качественные, логичные результаты поиска. Модель стартапа также может обучаться информации из реального мира, которая может отсутствовать в описании товара.

«Допустим, вы ищете мебель, подходящую для домашних животных. Наши инструменты знают, что если в предмете есть полиэстер, он будет более устойчивым к пятнам и царапинам, а значит, более подходящим для питомцев. Наши инструменты обучаются этому через каждый поисковый запрос и становятся умнее с ускоренной скоростью», — пояснил Хадсон.

Он добавил, что часто при поиске товара, который может называться по-разному на разных сайтах, пользователь не получает хороших результатов. AI-модель компании учитывает такие сценарии при показе результатов.

Onton добавила различные методы ввода и функции для помощи в краткосрочных и долгосрочных решениях. Теперь можно загрузить изображение или добавить промпт, чтобы сгенерировать желаемый результат для обустройства дома или офиса, и Onton подберет соответствующую мебель.

Источник изображения: Onton

Onton также предлагает бесконечное полотно с генерацией изображений, где можно добавлять существующие фото вместе с найденными товарами для идей. Можно даже загрузить изображение комнаты и попросить инструмент обставить ее мебелью.

Компания считает, что такие функции дают потребителям больше возможностей для достижения желаемого, даже если они не могут идеально описать его словами, в отличие от чисто чат-подхода.

Стартап заявляет, что с такими подходами конверсия клиентов в 3-5 раз выше, чем на традиционных сайтах электронной коммерции, поскольку пользователи могут доверять исходным данным.

Хадсон отметил, что благодаря технологическим и интерфейсным изменениям запуск раздела с одеждой будет проще. Компания формирует каталог для этой категории и планирует скоро запустить вертикаль. В этой категории ей предстоит конкуренция с такими компаниями, как Daydream, Aesthetic и Style.ai.

Штат компании вырос с трех сотрудников в 2023 году до десяти в настоящее время, с планами расширения до 15 человек за счет найма инженеров и исследователей.

ИИ: Интересно наблюдать, как AI начинает трансформировать именно процесс выбора и покупки товаров, а не только их поиск. Подход Onton с нейро-символической архитектурой выглядит перспективно для решения практических задач электронной коммерции, где точность рекомендаций критически важна.