Jarvis ML, una plataforma que ofrece un motor de personalización impulsado por IA a las marcas que venden productos, servicios y experiencias, anunció hoy que recaudó $16 millones en una ronda semilla liderada por Dell Technologies Capital. En una entrevista con TechCrunch, el CEO Rakesh Yadav dijo que el nuevo capital se utilizará para hacer crecer los equipos de I + D y ventas y marketing de Jarvis ML para “acelerar el desarrollo de productos y la penetración en el mercado”.
A medida que la pandemia impulsó a las marcas a mejorar, o crear desde cero, presencias en línea, el valor de la personalización se convirtió en un foco de atención. Acostumbrados a las recomendaciones de productos personalizados similares a Netflix y Amazon, los clientes comenzaron a exigir lo mismo de empresas de todos los tamaños. De acuerdo a Según McKinsey, el 71 % de los compradores ahora espera que las empresas ofrezcan interacciones personalizadas, mientras que el 76 % se frustra cuando esto no sucede.
Algunas investigaciones, particularmente de proveedores de análisis de clientes, como era de esperar, sugieren que la personalización es una inversión que vale la pena. Cuarenta por ciento de los consumidores respondiendo a una encuesta dijeron que compraron algo más caro de lo planeado originalmente debido a las experiencias personalizadas. Pero crear este tipo de personalización puede ser un desafío desde un punto de vista técnico.
Es por eso que Yadav fundó Jarvis ML en 2021. Ex ingeniero sénior de personal en Google, donde lideró el desarrollo de las plataformas de aprendizaje automático detrás de Google Payments y Google Ads, Yadav buscó crear un producto que pudiera permitir a las empresas convertir los datos en compromisos de marca. , como campañas de marketing o experiencias web personalizadas.
“La pandemia ha acelerado el cambio en las tendencias de compra de los consumidores en línea. Eso también significa que las estrategias de recomendación en línea son una misión crítica para que las empresas se adapten a este paradigma cambiante del consumidor”, dijo Yadav a TechCrunch por correo electrónico. “Las empresas tecnológicas gigantes como Amazon, Airbnb, Google y Facebook utilizan el aprendizaje automático para deleitar a los consumidores y restringir la independencia de las empresas en etapa de crecimiento y del mercado medio que terminan siendo relegadas a roles de proveedor o cumplimiento en los ecosistemas gigantes tecnológicos. Jarvis ML permite a estas empresas aprovechar los datos que ya tienen para reducir la dependencia de los gigantes tecnológicos mientras escalan de manera sostenible”.
Una captura de pantalla del sitio web de Jarvis ML.
Yadav describe Jarvis ML como una solución de “aprendizaje automático como servicio” completamente administrada, diseñada para permitir que las empresas implementen rápidamente un motor de personalización en sus productos. La plataforma aprovecha los algoritmos para aprender patrones de ventas e inventario en los datos que las empresas le proporcionan, y también crea modelos de predicción, fijación de precios y promoción que permiten a esas empresas personalizar sus sitios web, aplicaciones y publicidad, así como servicios de conserjería y atención al cliente.
Se ha descubierto que sesgos de todo tipo surgen de los motores de personalización. A menudo, son el resultado de un desequilibrio de datos: un grupo de clientes está subrepresentado en los datos que se utilizan para desarrollar el motor. El año pasado, LinkedIn dicho solucionó un problema que hacía que sus sugerencias de conexión fueran menos precisas para las personas que usaban el servicio con menos frecuencia que otras. Otro investigar ha sugerido que, en los sitios de comercio electrónico, los sistemas de recomendación pueden tratar a los clientes económicamente desfavorecidos de manera injusta en comparación con los clientes que realizan muchas compras.
Yadav no abordó la pregunta del sesgo directamente, pero enfatizó que los clientes de Jarvis ML “poseen sus datos” y que la plataforma optimiza los ingresos a través de los “valores, preferencias y gustos de por vida” de diferentes compradores.
“Jarvis ML es solo una plataforma que ayuda a aprovechar esos datos en compromisos de marca procesables, como campañas de marketing o experiencias personalizadas en el sitio web”, explicó Yadav. “Al perfilar cohortes de clientes… Jarvis ML puede proporcionar productos, servicios y experiencias recomendados altamente relevantes para maximizar las ventas. Nuestro sistema elige los mejores modelos de un conjunto de modelos basados en el gusto y elige el mejor modelo que funciona para nuestros clientes empresariales”.
En el mercado de los motores de recomendación, un mercado que podría tener un valor de 17 300 millones de dólares para 2028, de acuerdo a a Grand View Research: Jarvis ML compite con nuevas empresas centradas en el comercio electrónico como Constructor y RichRelevance. Otros rivales incluyen Flybits y Monetate (que fue adquirida por Kibo en 2019).
Pero Yadav expresó su confianza en la capacidad de crecimiento de Jarvis ML a pesar de la competencia, y señaló la adopción temprana por parte de clientes como Twiddy & Company Vacation Rentals. La startup cuenta actualmente con una plantilla de 21 personas, que prevé ampliar a más de 40 para finales de año.
“Nuestros productos son fáciles de incorporar y brindan capacidades profundas de aprendizaje automático para ayudar a las empresas a generar más ingresos… Por ejemplo, una compañía de viajes podría exhibir automáticamente casas frente al mar en su sitio web a una familia de Beverly Hills mientras ofrece condominios más modestos a una pareja de jubilados de Salt Lake City. Ambos son relevantes para cada cliente según el contexto del valor del tiempo de vida”, dijo Yadav. “Los gerentes técnicos de nivel C-suite pueden generar resultados simplemente aprovechando el SDK de JavaScript de Jarvis ML y una línea de cambio de código”.
Source link