Jarvis ML是一个为销售产品、服务和体验的品牌提供人工智能驱动的个性化引擎的平台，该平台今天宣布，它在由 Dell Technologies Capital 牵头的种子轮融资中筹集了 1600 万美元。首席执行官 Rakesh Yadav 在接受 TechCrunch 采访时表示，新资金将用于发展 Jarvis ML 的研发、销售和营销团队，以“加速产品开发和市场渗透”。
随着大流行促使品牌美化或从头开始创建在线业务，个性化的价值成为人们关注的焦点。习惯了类似 Netflix 和亚马逊的定制产品推荐，客户开始对各种规模的公司提出相同的要求。 据麦肯锡称，71% 的购物者现在希望企业提供个性化的互动，而 76% 的人在这种情况没有发生时会感到沮丧。
一些研究——尤其是来自客户分析供应商的研究，毫不奇怪——表明个性化是一项值得的投资。在一项调查中，40% 的消费者表示，由于个性化体验，他们购买了比原计划更昂贵的东西。但从技术角度来看，创建这种类型的个性化可能具有挑战性。
这就是 Yadav于 2021 年创立 Jarvis ML 的原因。Yadav 曾是 Google 的高级工程师，在那里他领导了 Google Payments 和 Google Ads 背后的机器学习平台的开发，他试图创建一种产品，使公司能够将数据转化为品牌参与，例如营销活动或定制的网络体验。
“大流行加速了消费者在线购买趋势的转变。这也意味着在线推荐策略对于企业适应这种不断变化的消费者模式至关重要，”Yadav 通过电子邮件告诉 TechCrunch。 “亚马逊、Airbnb、谷歌和 Facebook 等大型科技公司使用机器学习来取悦消费者，并限制成长阶段和中端市场公司的独立性，这些公司最终在科技巨头生态系统中沦为供应商或履行角色。 Jarvis ML 使这些公司能够利用他们已经拥有的数据来减少对科技巨头的依赖，同时可持续地扩展。”
Jarvis ML 网站的截图。
Yadav 将 Jarvis ML 描述为一种完全托管的“机器学习即服务”解决方案，旨在让公司快速将个性化引擎部署到他们的产品中。该平台利用算法来学习公司提供给它的数据中的销售和库存模式，同时构建预测、定价和促销模型，使这些公司能够个性化他们的网站、应用程序和广告以及礼宾服务和客户服务。
已发现各种偏差源于个性化引擎。通常，它们是数据不平衡的结果——一组客户在用于开发引擎的数据中代表性不足。去年，LinkedIn 表示已解决一个问题，该问题导致其连接建议对于使用该服务的人比其他人更不准确。其他研究表明，在电子商务网站上，与大量购买的客户相比，推荐系统可能会不公平地对待经济上处于不利地位的客户。
Yadav 没有直接解决偏见问题，但强调 Jarvis ML 客户“拥有他们的数据”，并且该平台针对不同购物者的“终身价值、偏好和品味”优化收入。
“J arvis ML 只是一个平台，可帮助将这些数据用于可操作的品牌参与，例如营销活动或个性化网站体验，”Yadav 解释说。 “通过分析客户群…… Jarvis ML 可以提供高度相关的推荐产品、服务和体验，以最大限度地提高销售额。我们的系统从这些基于品味的模型池中挑选出最好的模型，并为我们的企业客户挑选出最好的模型。”
在推荐引擎市场—— 根据Grand View Research 的数据，到 2028 年这个市场价值可能达到 173 亿美元——Jarvis ML 与Constructor和Richrelevance等专注于电子商务的初创公司竞争。其他竞争对手包括Flybits和Monetate （2019 年被 Kibo 收购）。
但 Yadav 对 Jarvis ML 在竞争中的增长能力表示信心，并指出 Twiddy & Company Vacation Rentals 等客户的早期采用。这家初创公司目前拥有 21 名员工，计划在今年年底前扩大到 40 多人。
“我们的产品易于上手，并提供深度机器学习功能，帮助企业增加收入……例如，一家旅游公司可以自动在其网站上向比佛利山庄的一个家庭展示海滨住宅，同时向来自比佛利山庄的退休夫妇展示更普通的公寓盐湖城。两者都与每个客户相关，具体取决于生命周期价值的背景，”Yadav 说。 “技术 C 级管理人员可以通过简单地利用 Jarvis ML JavaScript SDK 和一行代码更改来产生结果。”
原文： https://techcrunch.com/2022/04/21/jarvis-ml-snags-16m-to-help-companies-personalize-their-products/