Halla utiliza el comportamiento humano para dirigir a los compradores a los alimentos que desean, y a que descubran otros nuevos mientras compran en línea.
La startup que intenta predecir por qué comemos lo que comemos, Halla, recibió una financiación de US$4,5 millones en una ronda de inversión serie A.
Suscríbete a nuestro newsletter
Con sede en Nueva York, Halla recibió la inversión en una ronda coprotagonizada por SOSV y E&A Venture Capital.
Fundada en 2016, por Gabriel Nipote, Henry Michaelson y Spencer Price, Halla utiliza el comportamiento humano para dirigir a los compradores a los alimentos que desean, y a que descubran otros nuevos mientras compran en línea.
Con esta inversión, Halla acumula US$8,5 millones de recaudación.
¿Cómo lo hace? Mediante una API que vincula más de 100 mil millones de puntos de datos de compradores y productos, con los que alimenta motores de búsqueda para las preferencias de un comprador, recomendaciones, sustitutos, etc.
Como explican en su sitio web, cuando se trata de búsquedas, la tecnología de Halla se transforma en “el primer motor de búsqueda de procesamiento de lenguaje natural (PNL) desarrollado para comestibles que funciona interpretando la intención, no solo haciendo coincidir los aciertos de palabras clave”.
“Los compradores pueden usar palabras descriptivas (como crujiente, nuez o picante) al buscar para recuperar productos con características específicas. El descubrimiento de productos se vuelve intuitivo y agradable. Los resultados son priorizados por las preferencias únicas de cada consumidor y los objetivos del hogar, y no solo por lo que es popular entre otros compradores”, agregan.
Cuando se requieren recomendaciones, “Halla devuelve productos complementarios contextualmente. Los resultados cambian de forma dinámica e instantánea a medida que un comprador agrega artículos a su carrito, navega por varios pasillos o ve productos específicos. Cada acción tomada por un comprador, con un producto, puede resultar en un conjunto completamente nuevo de recomendaciones mostradas”, explica la startup.
Y si se trata de substituciones, “nuestro motor identifica los productos de reemplazo más similares y personalmente relevantes disponibles y dentro del contexto del inventario en tiempo real. Esto quita la carga de elegir el reemplazo perfecto del minorista, lo que reduce significativamente la fricción entre el cliente y el selector y aumenta la satisfacción del cliente”.