Por qué invertimos en Jetlore

Inteligencia artificial aplicada a la personalización en e-commerce

English version

Jetlore es una empresa basada en Silicon Valley, fundada en 2011 por Eldar Sadikov y Montse Medina, entonces estudiantes de doctorado de Stanford, que desarrolla y comercializa una solución SaaS de personalización para e-commerce basada en machine learning/inteligencia artificial.

JME Venture Capital lideró su última ronda de inversión (extensión de la Serie A) en septiembre de 2016.


El problema del discovery

Sin temor a exagerar, podría decirse que el discovery, la capacidad descubrir productos de mi interés entre una oferta online casi infinita, es uno de los principales problemas a resolver en el internet de hoy en día.

Al eliminar las barreras de la distribución física y reducir los costes de producción, la tecnología ha creado un problema de oferta/elección ilimitada: Ni puedo buscar los productos que mejor podrían satisfacer mis necesidades, ni éstos productos “me pueden encontrar a mí”.

Nos prometieron el poder del long tail (y coches voladores) y en su lugar seguimos teniendo blockbusters (y 140 caracteres).

No los puedo buscar, porque ni siquiera sé que existen. Y cuando sé que existen, voy a Amazon.

Pero tampoco “me pueden encontrar a mi”, porque los algoritmos de recomendación — las herramientas que los e-commerce utilizan para sugerirme productos de mi interés — son algo burdos a la hora de aprender sobre mis preferencias y, además, no funcionan en la parte superior del funnel (email promocional, página home, páginas de listados de productos), donde se producen el ~70% de las interacciones con el cliente.

Así, en retail, si combinamos la existencia de un gigante con el cual es imposible competir en precio o calidad de servicio, con unos costes de captación de clientes en continuo aumento (cada vez es más sencillo lanzar un e-commerce, pero más difícil retener a los clientes), a las compañías de e-commerce no les queda más alternativa que:

  • tener producto propio
  • emplear herramientas que aumenten la conversión de visitas a clientes
  • aumentar su tráfico orgánico directo (sin coste), atrayendo clientes que acudan periódicamente a la web/app para descubrir productos nuevos como forma de entretenimiento (de manera similar a como visitamos Facebook para descubrir contenidos de nuestro interés)

Como muy bien apuntaba Benedict Evans:

Los algoritmos de recomendación tradicionales

Los algoritmos de recomendación más utilizados en e-commerce (los denominados de filtrado colaborativo), se basan en una mecánica muy sencilla: aprenden qué productos co-ocurren más frecuentemente para determinados eventos (“usuarios que compran X, también compran Y” o “usuarios que miran Z, también miran W”), y utilizan esa información para realizar recomendaciones cuando dichos eventos se vuelven a producir (“un usuario acaba de comprar X, así que le recomiendo Y” o “un usuario está navegando en la página del producto Z, así que le voy a recomendar también W”).

Este enfoque, si bien cuenta con la ventaja de la sencillez, es muy limitado en cuanto a su eficacia.

Al operar a nivel producto — en lugar de a nivel usuario — el algoritmo solo puede basar sus recomendaciones en una única acción (qué producto estoy mirando, qué producto acabo de comprar), en lugar de aprender por qué he mirado o comprado una serie de productos en los últimos días (o en toda mi historia), y por supuesto menos aún de aprender qué características de esos productos — que podrían estar también presentes en otros productos que no hayan sido comprados o vistos por nadie — son las que en realidad me resultan atractivas.

Debido a lo anterior, el algoritmo no es capaz de hacer recomendaciones “originales”, es decir, basadas en las preferencias únicas de cada usuario en lugar de en lo que otros usuarios hayan visto o comprado antes. Esta falta de originalidad provoca que el algoritmo se vuelva más ineficaz con el tiempo, pues los productos más vendidos son los más recomendados y por lo tanto más vendidos aún, en una suerte de profecía autocumplida. Como consecuencia, los productos que podrían resultar más interesantes para cada cliente quedan cada vez más enterrados bajo los grandes éxitos de venta y la experiencia del cliente se vuelve repetitiva.

La tecnología “learning-to-rank” de Jetlore

Jetlore ha desarrollado una tecnología propia — llamada learning-to-rank — que, de manera simplificada, funciona así:

  1. Analiza el catálogo del retailer, descomponiendo cada producto en una serie de atributos que lo caracterizan,
  2. Aprende (en tiempo real) las preferencias de cada usuario por cada atributo, en función de una serie de señales generadas por su comportamiento en cualquier canal (email, web, mobile), incluso offline,
  3. Calcula una puntuación que representa la relevancia (atractivo potencial) de cada producto para cada usuario (en función de los atributos del primero y las preferencias del segundo),
  4. Presenta a cada usuario (en cada canal, en tiempo real) los producto que le son más relevantes.

Además, la compañía proporciona a sus clientes las herramientas (plantillas de email y layouts para web y mobile) y el soporte necesarios para que la integración de su solución sea lo más sencilla y exitosa posible.

En cuanto su efectividad, lo mejor es dejar que los números hablen por sí mismos: Jetlore logra incrementos de entre un 20% y un 80% en las ventas de sus clientes, entre los que se encuentran compañías de todo el mundo tan importantes como eBay, Nordstrom Rack o Inditex.

En definitiva, la tecnología de Jetlore permite a los retailers ofrecer una experiencia altamente individualizada y novedosa en cada visita que mejora la conversión e incentiva la retención.

¿Alguien buscaba un Facebook para productos?

Nuestra decisión de inversión

Si a un producto tan increíble como el descrito, que tiene además grandes posibilidades de aplicación en otros negocios y verticales, le añadimos…

  1. Unos fundadores con un talento extraordinario, con una gran ética del trabajo, en los que confiamos plenamente, y con los que nos encanta trabajar; rodeados por un equipo directivo de primer nivel y por un equipo técnico offshore que mitiga en parte los costes laborales disparatados del Silicon Valley,
  2. Un cap table muy sano, en el que los fundadores mantienen una participación muy importante en el capital, y en el que además hay inversores internacionales de primer nivel con los que nos sentimos muy cómodos trabajando,
  3. Un mercado (marketing technology) enorme, en crecimiento, poblado por grandes clientes dispuestos a pagar mucho dinero por un problema que como hemos visto es vital para ellos,
  4. Una propuesta de valor validada por clientes de primer nivel,
  5. Un modelo de negocio probado, con unas métricas muy atractivas, entre las que destaca el crecimiento de los ingresos, un churn prácticamente nulo y una gran eficiencia comercial,
  6. Una tecnología basada en cimientos muy sólidos, perfectamente preparada para escalar,
  7. Un cash burn muy contenido, con la posibilidad de entrar en rentabilidad siempre a disposición de la compañía,
  8. Buenas posibilidades de exit, por la proximidad de la compañía a grandes players, probablemente interesados en realizar adquisiciones estratégicas en este espacio para complementar su oferta,

…la decisión de inversión fue francamente fácil para nosotros.

Así que, Eldar, Montse, gracias por dejarnos formar parte de esta aventura. Esperamos ser unos buenos compañeros de viaje.


Con dos fondos que suman €60M en activos bajo gestión y respaldado por empresarios e inversores institucionales españoles de gran prestigio, JME Venture Capital es un VC con sede en Madrid que invierte en las fases early-stage de compañías tecnológicas fundadas por emprendedores españoles en todo el mundo.
Envíanos tu business plan: backme@jme.vc
Lee nuestro blog: https://medium.com/jme-venture-capital
Suscríbete a nuestra newsletter semanal: bit.ly/JME-Newsletter
Síguenos en Twitter: @JME_Ventures