当 Svetlana Kordumova 攻读人工智能和计算机视觉博士学位时，她对网上寻找商品的过程感到沮丧。搜索结果通常不准确，她知道她正在学习的技术可以改善体验。 Pixyle AI于 2019 年推出，旨在改善电子商务网站上的产品发现，今天宣布获得来自 South Central Ventures 的 100 万欧元种子轮融资（约合 105 万美元）。
这家初创公司在阿姆斯特丹和北马其顿设有办事处，目前与 20 多家客户合作，包括 Depop、Otrium 和 Minto。在过去三年中，它标记了超过 2.5 亿张图片，并表示其零售客户的转化率平均提高了 10%。
Pixyle AI 的神经网络训练其视觉 AI 算法，不仅可以识别图像中的时尚商品，还可以根据颜色或图案等属性对它们进行分类，这些属性与购物者在搜索商品时使用的关键字相匹配。目标是像人类一样“看”图像。例如，如果有人搜索“粉色和紫色花朵印花夏季短裙”，则会得到包含所有这些属性的结果。
Kordumova 在阿姆斯特丹大学获得博士学位，她首先为消费者创建了一个视觉搜索应用程序，然后在 2019 年转向 B2B。她告诉 TechCrunch，在线零售商面临的最大挑战之一是购物车放弃，这通常是因为网站搜索不佳和产品发现。 谷歌云的研究表明，尽管由于大流行而在线购物的人比以往任何时候都多，但如果只有一件商品找不到，52% 的人会放弃购物车并转到另一个网站。
绿色山顶上的 Pixyle AI 团队
搜索结果的原因通常是坏数据。零售商经常从列出二手商品的品牌中获得不完整和不准确的产品数据，这意味着这些商品不会出现在搜索结果中。许多零售商通过手动输入更好的产品数据来处理这个问题，但这个过程是劳动密集型的、昂贵的并且容易出现人为错误。
“以颜色属性为例，一个人可能认为是黄色的东西，另一个人可能会觉得更偏橙色，”Kordumova 说。 “对于在平台上上传数百万产品的二手市场，手动向元数据添加属性简直是一项不可能完成的任务。”
Pixyle AI 自动执行从图片中提取详细属性的过程，现在有一个不断增长的时尚分类法，已经记录了 20,000 多个属性，目标是涵盖所有可能的关于服装的搜索查询。
这家初创公司的客户包括在线市场、实体零售商和时尚科技初创公司，例如衣橱分类应用程序 Whering、虚拟试衣解决方案 Virtusize 和实时购物市场 Galaxy。 Pixyle AI 通过自动化产品标签，帮助品牌从实体店转向“phygital”或将电子商务与实体零售点相结合的全渠道战略。这提高了他们将购物体验数字化的速度。
Pixyle AI 技术如何使用的一些示例包括在 Otrium 自动执行手动产品输入和目录标准化。季末时尚市场以前一直在手动标记和处理产品属性，但无法跟上不断增长的库存。 Kordumova 表示，在实施 Pixyle AI 为其入站物流团队自动进行颜色检测后，Otrium 能够将其生产率提高 65%。
对于消费者，Pixyle AI 提供了一个视觉搜索工具，让他们可以上传他们正在寻找的图像并获得类似的结果。 Kordumova 表示，可持续时尚市场 Project Cece 报告称，在将 Pixyle AI 的视觉搜索工具添加到其网站后，产品外链的转化率提高了 50%。
其他开发了视觉人工智能产品发现工具的公司包括Syte 、 Visenze 、 Vue.AI和谷歌，后者最近推出了一种多搜索工具，让人们可以同时使用文本和图像进行搜索。 Kordumova 表示，Pixyle AI 的与众不同之处在于专注于丰富具有详细属性的产品数据，并为其客户提供高水平的定制和标记灵活性。
“为了使产品数据丰富真正适用于我们客户的每种特定情况，我们首先让我们的团队就我们要实现的目标达成一致，并确保在我们的 AI 模型开始工作之前设置正确的配置，”她说。 “这意味着我们映射分类法、配置云架构并根据客户的确切需求部署客户和技术支持团队，确保成功实施和使用我们的平台以帮助他们实现长期业务目标。”
Pixyle AI 计划利用其新资金来增强其产品供应，在美国和欧洲扩张并进入新的垂直领域。它将为行业细分和新产品添加新套件，例如使用识别品牌、材料成分和尺寸的 OCR 技术生成产品描述和标签检测。它还将在其视觉发现产品中添加“shop the look”和“multi-modal”搜索。对于垂直领域，Pixyle AI 计划在 2023 年最后一个季度进军家居用品和家具领域。
South Central Ventures 执行合伙人 Jan Kobler 在一份关于投资的声明中说：“吸引在线购物者的一个关键部分是产品搜索，能够轻松快速地找到您想要的东西。然而，搜索一直严重不足，直到现在仍然是零售商和购物者未满足的需求。 Pixyle AI 非常专注于这个机会，并且已经在为零售商增加销售额。他们已经建立了一个强大的技术堆栈，已经在市场上经过试验和测试，并准备好扩展。”