Quando Danielle Schmelkin foi comprar online algo especial para usar no casamento de sua sobrinha em 2021, ela estava procurando “um tipo de vestido muito específico baseado nas tendências que tinha visto recentemente”.
Para sua alegria, Bloomingdales.com apareceu como um personal shopper. O filtro do menu para “vestidos formais” a levou a escolher entre 15 critérios como comprimento do vestido, cor, decote, comprimento da manga e enfeites. Momentos depois, ela estava selecionando 200 opções desejáveis. “Foi rápido e muito focado”, disse ela. “Não tive problemas em passar de uma página para outra, porque houve resultados significativos para mim.” Ela encontrou “o vestido perfeito” e comprou-o.
Meses depois, Schmelkin – em sua função de diretora de informação do J. Crew Group – foi apresentada à Lily AI, uma plataforma alimentada por inteligência artificial que começou a trabalhar com varejistas de moda em 2019. A Bloomingdale’s, ela descobriu, já era uma empresa cliente. Intrigada, Schmelkin fez um teste em seu catálogo de produtos da marca Madewell da empresa.
A Madewell forneceu fotos e descrições de produtos para suas roupas. A inteligência artificial da Lily AI foi capaz de atribuir cerca de 13 atributos a cada produto – de mais de 15.000 tags que uma equipe de especialistas no domínio da moda começou a curar em 2016, três anos antes de a Lily AI ter clientes de varejo. Quando Madewell testou, Lily AI já havia feito mais de um bilhão de pesquisas, cada uma ajudando o algoritmo a se tornar mais sofisticado. Assim, foi possível combinar com precisão as mercadorias com termos coloquiais – “luxo tranquilo”, “sala de estudos”, “boho chic” – que os compradores on-line digitavam na barra de pesquisa, em vez de apenas descreverem as descrições dos produtos.
Em menos de um mês, a Madewell registrou um aumento de 3% nas compras provenientes de pesquisas on-line, segundo Schmelkin. Lily AI agora é usada em todo o J. Crew Group, e cada marca continua a ver “aumentos significativos”, disse ela, acrescentando: “Lily AI é o verdadeiro negócio”.
Com a aceleração das compras online desde a pandemia, as principais cadeias retalhistas estão a lutar para conquistar os consumidores – estima-se que 70 por cento dos quais abandonam as suas pesquisas sem comprar. Uma maneira é através do tipo de aprendizado de máquina, inteligência artificial e curadoria humana oferecido pela Lily AI. A procura deste tipo de tecnologia tornou o cenário cada vez mais competitivo, com start-ups relativamente novas, como Syte.AI e Vue.AI.
No entanto, Lily AI reivindicou sua reivindicação muito antes de o recente burburinho sobre IA atingir um nível febril. Já conta com as marcas Macy’s, Bloomingdale’s, Gap Inc., Abercrombie & Fitch e ThredUp entre seus clientes.
A Bloomingdale’s começou a usar Lily AI em um teste de vestidos de quatro meses em outubro de 2019. Houve um aumento de 3,5% na conversão de pedidos online, de acordo com dados fornecidos pela Lily AI. O varejista expandiu a Lily AI para todas as roupas em 2020. No ano seguinte, a Lily AI disse que a Bloomingdale’s gerou cerca de US$ 20 milhões em receitas online adicionais. A Bloomingdale’s disse que adicionou Lily AI a todos os seus produtos em 2022.
Esses resultados ajudaram a Lily AI a atrair investidores. A Canaan Partners foi a parceira principal no financiamento da Série B de US$ 25 milhões da Lily AI em 2022, o que elevou o total arrecadado da empresa para US$ 42 milhões.
Lily é “única na solução específica do problema de descoberta de sites”, disse Sucharita Kodali, analista de varejo da Forrester.
“Lily ganhou força com grandes nomes do varejo e está bem posicionada para manter e crescer”, além de vestuário, beleza e casa, em setores como viagens e automóveis, disse ela, acrescentando: “A tecnologia é agnóstica”.
A Lily AI foi fundada por Purva Gupta, 35, presidente-executivo da empresa, e Sowmiya Chocka Narayanan, 38, diretor de tecnologia. Ambas as mulheres imigraram da Índia para os Estados Unidos aos 20 anos, com a ambição de se tornarem empreendedoras.
A ideia da Lily surgiu em 2013, depois que Gupta, uma economista, se mudou para os Estados Unidos com o marido, um estudante de MBA em Yale. Ela procurou por “um vestido de praia esvoaçante com mangas” em lojas da cidade de Nova York e em pesquisas on-line, apenas para continuar riscando. Ela considerou que o idioma poderia ser a barreira, disse ela, e se perguntou: “Será que eu estava tendo um problema de imigração?”
Então Gupta mudou para o modo de pesquisa acadêmica, passando os 18 meses seguintes pesquisando a comunidade de Yale, fazendo entrevistas individuais com mulheres americanas aleatórias de todas as idades. Ela perguntou a mesma coisa a cada um: “Descreva a última peça de roupa que você comprou e por que aquela em particular, em vez de outras que estavam disponíveis”.
As mais de 1.000 mulheres com quem ela conversou usaram, em média, cerca de 20 termos cada para descrever novos vestidos, blusas, bolsas e sapatos que compraram. Nenhum deles falou da mesma forma que os varejistas.
“O comerciante de varejo está dizendo ‘roupa esportiva de atoalhado meia-noite’ e, na linguagem do consumidor, isso é um ‘moletom azul marinho’”, disse Gupta. Ela sentiu uma oportunidade de negócio para preencher a lacuna, “com um produto que teria de ser profundamente técnico”.
Seu marido a incentivou a ir para Palo Alto, Califórnia, para o Founder Institute, uma incubadora de empresas que cria ideias. Lá, ela conheceu Chocka Narayanan, uma engenheira de software que deixou a Índia em 2008 para fazer mestrado na Universidade do Texas em Austin.
Filha de um engenheiro civil (que também é casada com um engenheiro), a Sra. Chocka Narayanan esteve mergulhada no mundo das start-ups tecnológicas desde que obteve a sua licenciatura em tecnologia da informação. Nos Estados Unidos, ela trabalhou no Yahoo, na época como engenheira de software sênior em desenvolvimento de produtos na startup de jogos Pocket Gems. Mais tarde, ela foi engenheira sênior no gerenciador de conteúdo baseado em nuvem Box.
Com US$ 100 mil apoiados pela Unshackled Ventures, um fundo de capital de risco em estágio inicial para start-ups fundadas por imigrantes, as duas mulheres criaram o Lily como um aplicativo de compras. A tecnologia de IA forneceu recomendações personalizadas aos compradores; A pesquisa de consumo da Sra. Gupta serviu de base para a Sra. Chocka Narayanan construir os algoritmos proprietários da Lily.
Sra. Gupta criou o nome Lily, com o objetivo de evocar uma amiga e companheira de compras para mulheres. O aplicativo ganhou o prêmio de melhor start-up na conferência South by Southwest em 2017, o que o ajudou a arrecadar US$ 2 milhões de investidores iniciais naquele ano.
Mas tornou-se evidente que a moderna aplicação telefónica não seria escalável e os parceiros fecharam-na, reformulando o seu modelo de pesquisa e compra para grandes retalhistas de moda. Lily AI nasceu.
Ao longo do caminho, Lily AI atraiu investidores anjos como Serena Ventures, o fundo de capital de risco apoiado por Serena Williams, bem como a designer Tory Burch e seu marido, o executivo-chefe da Tory Burch, Pierre-Yves Roussel, que disse que era um investimento raro. para o casal fora de sua empresa.
Chocka Narayanan montou uma equipe de 40 engenheiros, muitos deles do Fast.AI, um grupo de pesquisa sem fins lucrativos. “Eles são cientistas de aprendizado de máquina que estão ampliando os limites da visão computacional”, disse ela.
Sra. Gupta reuniu a equipe de 25 especialistas no domínio da moda: ex-consultores de imagem, estilistas e vendedores de varejo, alguns dos quais ela encontrou através do Craigslist. Este grupo continuou ajustando as descrições dos produtos e os termos de pesquisa, adicionando um elemento humano importante à tecnologia alimentada por IA da Lily.
“Aprendemos desde cedo que são necessários muitos dados de treinamento limpos e imparciais, rotulados por humanos que são especialistas que entendem todos esses mínimos detalhes sobre moda”, disse Gupta. “Esses dados limpos não existiam.” Ela acrescentou que os especialistas incluíram “palavras coloquiais de consumo, para que pudéssemos treinar nossos modelos de aprendizado de máquina para saber qual é a diferença entre ‘boho’ e ‘boho chic’”.
Uma das primeiras contratações de Gupta para a equipe de domínio foi Kathy Lee, ex-estilista de moda. Ela se lembra de estar sentada com seus colegas em uma sala de conferências em 2016, com livros e revistas de moda, olhando para as roupas nas telas dos computadores, enquanto criavam etiquetas. Eles brincaram sobre o que constituía um “coquetel festivo” e dissecaram as nuances do tweed espinha de peixe e das listras chevron. Esse foi o trabalho meticuloso necessário para criar os 15.000 rótulos iniciais de Lily. Desde então, eles continuaram a adicionar e ajustar.
“Você cria uma receita com detalhes que melhoram com o tempo com o aprendizado de máquina”, disse Lee.
“Somos mais do que uma busca em sites”, disse Gupta. “Esta inteligência artificial foi construída para todo o varejo.”
