Jarvis ML是一个为销售产品、服务和体验的品牌提供AI驱动个性化引擎的平台，今日宣布在由戴尔科技资本领投的种子轮融资中筹集了1600万美元。TechCrunch对首席执行官Rakesh Yadav进行采访时表示，新资金将用于扩大Jarvis ML的研发以及销售和营销团队，以“加速产品开发和市场渗透”。
随着疫情促使品牌整顿——或从零开始——建立线上存在感，个性化的价值变得尤为突出。习惯于Netflix和Amazon等提供的定制化产品推荐后，客户开始要求所有规模的企业都提供同样的服务。根据麦肯锡的数据，71%的购物者现在期望企业能提供个性化互动，而76%的人在未能实现这一点时会感到沮丧。
一些研究——尤其是来自客户分析供应商的研究（这并不令人意外）——表明个性化是一项值得的投资。在一项调查中，40%的受访者表示，由于个性化体验，他们购买了比原计划更昂贵的商品。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。作为谷歌的前高级员工工程师，他曾领导开发谷歌支付和谷歌广告背后的机器学习平台，Yadav致力于创造一种能够使公司将数据转化为品牌参与的产品，例如营销活动或定制化的网络体验。
Yadav通过电子邮件告诉TechCrunch：“疫情加速了消费者购买趋势向线上的转变。这也意味着在线推荐策略对于企业适应这一不断变化的消费者范式至关重要。”“像亚马逊、Airbnb、谷歌和Facebook这样的大型科技公司利用机器学习来取悦消费者，并限制处于成长阶段和中端市场的公司的独立性，这些公司最终被 relegated 到科技巨头生态系统中的供应商或履约角色。Jarvis ML使这些公司能够利用它们已有的数据，减少对科技巨头的依赖，同时实现可持续扩展。”
Yadav将Jarvis ML描述为一个完全托管的“机器学习即服务”解决方案，旨在允许公司快速为其产品部署个性化引擎。该平台利用算法学习公司输入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其网站、应用程序、广告以及礼宾服务和客户服务。
人们发现各种偏见都源于个性化引擎，这通常是由于数据不平衡——在用于开发引擎的数据中，某些客户群体代表性不足。去年，LinkedIn 表示已修复一个问题，该问题导致其连接建议对使用频率低于其他用户的用户准确性降低。其他研究表明，在电子商务网站上，推荐系统可能相对于购买量大的客户，对经济困难客户不公平。
Yadav 没有直接回应关于偏见的问题，而是强调 Jarvis ML 的客户“拥有自己的数据”，并且该平台旨在优化不同购物者的“终身价值、偏好和口味”所带来的收入。
Yadav 解释说：“Jarvis ML 只是一个平台，有助于将数据转化为可操作的品牌互动，例如营销活动或个性化网站体验。”“通过对客户群体进行画像……Jarvis ML 可以提供高度相关的推荐产品、服务和体验，以最大化销售额。我们的系统从一系列基于品味的模型池中挑选最佳模型，并选择最适合我们企业客户的模型。”
在推荐引擎市场——据 Grand View Research 称，到 2028 年该市场规模可能达到 173.0 亿美元——Jarvis ML 与专注于电子商务的初创公司如 Constructor 和 RichRelevance 展开竞争。其他竞争对手还包括 Flybits 和 Monetate（后者于 2019 年被 Kibo 收购）。
但 Yadav 对 Jarvis ML 在竞争中的增长能力表示信心，并指出像 Twiddy & Company Vacation Rentals 这样的客户已早期采用该服务。这家初创公司目前拥有 21 名员工，计划到今年年底将团队规模扩大至 40 人以上。
Yadav 说：“我们的产品易于上手，并提供强大的机器学习能力，帮助企业增加收入……例如，一家旅游公司可以在其网站上向来自比弗利山庄的家庭展示海滨住宅，同时向来自盐湖城的退休夫妇展示更普通的公寓。根据终身价值的背景，这些内容对每位客户都是相关的。”“技术层面的高管只需利用 Jarvis ML JavaScript SDK 并进行一行代码更改即可生成结果。”