Loops 完成 350 万美元种子轮：a16z speedrun 与 NTT Docomo 参投，AI 购物助手连商品数据

一家成立于 2025 年、团队规模不大的旧金山公司，把「把商品描述写清楚」当成了 AI 导购的地基。10 月 12 日，这家叫 Loops 的电商 AI 公司宣布完成 350 万美元种子轮融资。

投资方共五家：a16z speedrun、NTT Docomo、Connecticut Innovations、Alumni Ventures 与 Monday Capital。SiliconANGLE 的报道称 a16z speedrun 领投本轮；Loops 官方公告的措辞是融资来自这几家机构，未使用领投表述。

资金用途是三项：产品研发、客户部署能力与国际扩张。中间那一项值得留意——一个购物助手得先理解目录背后的生意，才能帮着卖目录里的东西。

对跨境电商卖家来说，这笔钱本身不算大。有意思的是它的架构顺序，以及那组需要打折读的客户数字。

一、五个模块，起点在助手之下

Loops 把五件事塞进了同一套系统：AI 搜索与商品发现、购物助手、市场平台支持、商品富化（product enrichment）、虚拟试穿。

架构的起点在购物助手之下，不在助手本身。

理由不难理解。零售商品目录里最常见的状态是：描述参差不齐、属性大面积缺失。如果一件衣服的材质、版型、洗护说明在数据里根本没有，那么一个再流畅的对话助手也答不了这些问题，它只能靠语气自信去掩盖信息空白。

所以顺序被倒过来排：先用商品富化补齐目录结构、描述与属性，让商品对机器和消费者都可读；搜索才能按买家意图工作——理解整句话、场合、预算与约束条件，而不是匹配关键词；助手也能在同一份商品上下文里继续对话，不会每次都从零开始。

Loops 公布的一个产品细节值得单独拎出来：搜索结果可以围绕零售商的收入与毛利目标排序。这是个有分量的设计选择——商业目标会和用户请求的相关性一起，决定哪些「合适」的商品排在前面。对零售商是好事，对消费者则意味着「最合适」和「最赚钱」之间未必划等号。

部署层面，Loops 称助手可以覆盖零售商官网、移动 App 与 WhatsApp；Marketplace Assistant 负责市场平台上的商品提问，点名案例包括 Trendyol。

二、集成清单：Shopify、Woo 与一批区域平台

集成清单是这份公告里最可直接核对的部分。

官方列出的集成包括 Shopify、WooCommerce、Akinon、ikas、Ticimax、IdeaSoft 与 T-Soft，并提供脚本与 API。

这份名单透露了两个信号。

一是覆盖路径清晰：Shopify 与 WooCommerce 是全球化独立站的两大入口，Akinon、ikas、Ticimax、IdeaSoft、T-Soft 则集中在土耳其及周边区域市场——这和它点名的两个客户 A101、Mavi 都来自土耳其高度吻合。

二是接入方式留了后手：除了现成集成，还提供脚本与 API，说明它预期会碰到大量不在名单上的自建站系统。

需要提醒的是，这些都属于厂商自述的能力。集成「支持」不等于接上就能用，属性映射、类目结构、多语言字段这些脏活仍然要落在卖家自己身上。

三、70 家与 64%：这两个数字怎么读

客户数据是这份公告里最容易被误读的部分。

Loops 报出三个数字：超过 70 个客户与试点、已处理数百万次购物交互、64% 的试点转化为付费客户。

三个数字都要打折读。

第一，70 多个是「客户」与「试点」的合计数，不是 70 多家付费零售商。devcuration 在报道中专门点出：这个总数包含试用关系，它不是 70 多家付费零售商的计数。

第二，64% 的分母正是这批试点。一家零售商从试用走到付费，确实是个明确的商业里程碑——说明有人试过之后选择把它留在购买流程里。但它同时是公司自报口径，公告里没有给出队列规模、时间跨度与合同金额。

第三，因此 64% 不能当行业基准用。它只能说明这家公司早期的转化情况，不能说明 AI 导购这个品类的普遍水平，更不能拿来推算自己上马后的效果。

四、A101 的 83% 为什么不能直接当结论

Loops 点名了两个客户，各对应一类场景。

土耳其连锁超市 A101 用 Loops 做目录导航与购物助手。在 Loops 公布的对比中，使用该平台的会话，其观察到的购买转化率比对照组高出约 83%。

这个数字需要小心解释，Loops 自己就把它描述为观察性结果，而非随机化测量的结论。

原因不复杂：主动去跟助手对话的购物者，本来就可能比不对话的人有更强的购买意愿。两组人的购买意图不同，转化率的差异就不能直接归因于软件。这是典型的选择偏差。

换句话说，83% 是一个值得继续追查的信号，不是「上了 AI 导购转化率就涨 83%」的证据。要验证，得做随机对照，而不是看图说话。

另一个点名客户是服装零售商 Mavi，用 Loops 做 AI 搜索与购物助手，让顾客按风格、场合、版型来描述需求，再被引导穿过整个目录。

五、商品数据成了新的基础设施

对卖家来说，这笔融资传递的信号相当具体。

第一，把商品属性、规格与适用场景的完整性，当成 AI 时代的基础设施来维护。在 AI 导购的场景里，一个缺失的属性会直接出现在助手的回答中——顾客问「能不能机洗」，而你的商品数据里没有这一项，交易就在这里断掉。

第二，优先补齐缺失属性，再考虑上助手。顺序反了，助手只会更流畅地给出不确定的答案，把错误包装得更得体。

第三，评估虚拟试穿对退货率的可能影响。虚拟试穿和版型引导确实可能帮顾客更好地判断商品，但 Loops 的公告并未给出它可以保证合身或消除退货的证据。这项影响需要自己用退货数据验证，而不是直接采信演示。

行业侧的背景也值得一提。面向 AI 购物场景的支付公司 Trustap 于今年 6 月融资 1000 万美元，目标是让市场平台上的商品列表能被 AI 购物代理直接交易；Coveo 在 2025 年 9 月发布的调研则显示，71% 的英国消费者计划在圣诞购物中使用生成式 AI。

Loops 的判断是：AI 正一个流程一个流程地进入电商——一个产品管搜索，一个管问答，一个管商品描述，一个管虚拟试穿，零售商被迫自己缝合。它想做的是把这四件事收进同一套系统。

这套系统能不能真的跨零售商、跨市场复用，目前没有足够可复查的证据。真正的问题留在这里：当商品数据被整理到机器可读的程度，卖家失去的定价与展示自由度，和换来的转化率提升，究竟哪个更大？

六、参考资料

• The Next Web：《Loops raises $3.5M to build the AI operating system for commerce》
• SiliconANGLE：《E-commerce AI startup Loops raises $3.5M to create smoother online shopping experiences》
• Unite.AI：《Loops Raises $3.5M Seed to Connect AI Search, Shopping Assistance, and Retail Data》
• DevCuration：《Loops Raises $3.5M Seed to Connect AI Shopping Workflows》
• Business Matters：《Loops raises $3.5m to build an AI operating system for retailers》
• Superpower Daily：《Loops raises $3.5 million to connect AI search, shopping help and virtual try-on》