这家创业公司在阿姆斯特丹和北马其顿设有办事处，现在与20多个客户合作，包括Depop、Otrium和Minto。在过去的三年里，它已经标记了超过2.5亿张
图片，并说它为其零售客户平均增加了10%的转换率。
Pixyle AI的神经网络训练其视觉AI算法，不仅能识别图像中的时尚物品，还能按颜色或图案等属性对其进行分类，这些属性与购物者搜索物品时使用的关键词相匹配。我们的目标是像人类一样"看"图像。例如，有人搜索"粉色和紫色花纹的夏季短裙"，会得到具有所有这些属性的结果。
在阿姆斯特丹大学获得博士学位的科杜莫娃在2019年转向B2B之前为消费者创建了一个视觉搜索
应用。他认为在线零售商面临的最大挑战之一是放弃购物车，这往往是因为网站搜索和产品发现不佳。来自Google Cloud的研究表明，即使因为大流行而在网上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%的人就会放弃他们的购物车，去其他网站。
Pixyle AI的团队
搜索结果的原因通常是糟糕的数据。零售商经常从列出二手物品出售的品牌中得到不完整和不准确的产品数据，这意味着物品不会在搜索结果中显示出来。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，而且容易出现人为错误。
"以颜色属性为例，一个人可能评估为黄色，另一个人可能发现更多的是橙色，"Kordumova说。"在二手市场中，平台上有数以百万计的产品被上传，手动将属性添加到元数据中是根本不可能的任务。"
Pixyle AI将从图片中提取详细属性的过程自动化，现在有一个不断增长的时尚分类法，已经有超过2万个属性，目标是覆盖所有可能的服装搜索查询。
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，如衣橱编目应用Whering、虚拟试衣解决方案Virtusize和现场购物市场Galaxy。Pixyle人工智能已经帮助那些从实体店转向"phygital"的品牌，或者说是将电子商务与实体零售点相融合的全渠道战略，实现了产品标签的自动化。这提高了他们能够将其购物体验数字化的速度。
Pixyle AI的技术如何被使用的一些例子包括在Otrium实现人工产品输入和目录标准化的自动化。这个季末时尚市场之前一直在手动标记和处理产品属性，但无法跟上他们不断增长的库存。Kordumova说，Otrium在实施Pixyle AI为其进货物流团队实现颜色检测自动化后，其生产力提高了65%。
对于消费者来说，Pixyle AI提供了一个视觉搜索工具，让他们上传他们要找的东西的图片，并得到类似的结果。Kordumova说，可持续时尚市场Project Cece报告说，在其网站添加Pixyle AI的视觉搜索工具后，产品外链的转换率提高了50%。
其他开发了视觉AI驱动的产品发现工具的公司包括Syte、Visenze、Vue.AI和Google，后者最近推出了一个多搜索工具，让人们同时使用文本和图像进行搜索。Kordumova说，Pixyle AI的与众不同之处在于，它专注于具有详细属性的产品数据充实，并给予其客户高度的定制和标签灵活性。
Pixyle AI计划利用其新资金加强其产品供应，在美国和欧洲进行扩张，并进入新的垂直领域。它将为细分行业增加新的套件和新的产品，如产品描述的生成和使用OCR技术的标签检测，以识别品牌、材料成分和尺寸。它还将为其视觉发现产品增加"购物外观"和"多模式"搜索。对于垂直行业，Pixyle AI计划在2023年最后一个季度进入家庭用品和家具领域。
