Malachyte 融得 1000 万美元，将 Spotify 式的用户向量引入电商

Why it matters

Malachyte is turning research its founders helped productionize at Spotify into retail infrastructure. The seed round will test whether that architecture can deliver repeatable revenue gains beyond a few early customers.

Malachyte, founded by Sidd Motwani, Ian Anderson and Shivaditya Sinha, raised a $10 million seed round to sell real-time behavioral modeling to online retailers. Bessemer Venture Partners and Gradient co-led the financing, with Harpoon Ventures participating, according to Malachyte's 8月6日公告.

创始团队正把一套来自 Spotify 的特定技术论点带到商业化应用中。Motwani 在 Priceline 和 Spotify 花了十多年时间构建数据驱动产品，Malachyte 将他描述为前产品负责人。Anderson 在 Spotify 的推荐系统工作了大约十年，并参与了关于用户建模和推荐基础设施的已发表研究。Sinha（Malachyte 的 COO）此前在 BCG 做咨询并从事风险投资工作，根据 Malachyte 的创始人简介。

这种组合塑造了 Malachyte 的定位：Motwani 和 Anderson 提供个性化架构，而 Sinha 则带来将其打包并推向零售商所需的商业与投资经验。Malachyte 计划用这笔种子资金扩大分销并招聘高级产品与商业负责人。资金分配显示了当前的紧迫约束所在。Malachyte 已经有软件在零售商处运行；本轮融资旨在把这些部署变成可复制的销售动作。

一个跨整个店面的一体化购物者模型

大多数电子商务个性化产品从购买历史、账户或将访客与早期活动连接起来的 cookie 开始。Malachyte 表示，其平台在匿名访客到达时创建一个用户向量，使用搜索查询、来源推荐来源、设备和位置等上下文信息。然后随着购物者的点击、滚动、搜索和加入购物车，该表示会被更新。

Motwani 在一篇6月文章中阐述了该架构。Malachyte 使用一种双头模型：一个组件跟踪较慢变化的偏好，另一个则对当前会话中购物者显现的需求做出反应。搜索结果、推荐、分类页面和商品管理工具都可以从同一档案读取。

这一技术谱系得到了 Spotify 已发表研究的支持。Anderson 合著了一篇关于慢速与快速变化的用户兴趣的 2022 年论文，并随后参与了 Spotify 的用于广义用户表示的生产框架。Spotify 表示，该框架在降低基础设施成本的同时改善了发现、搜索和推荐任务的效果。

对创始团队在 Spotify 内部影响力的确切描述需要更精确的归属。融资公告称，创始团队构建的基础设施为超过 8 亿用户和 10 亿条目上的超过 90% 的 Spotify 推荐提供支持。Motwani 最近的一篇帖子将该系统描述为服务 6 亿用户，而 Spotify 自己 2025 年的研究提到超过 6 亿的月度听众。这些论文支持 Anderson 在基础研究与生产工作中的角色，而较大的百分比与条目数量则来自 Malachyte 本身。

早期客户结果需要从指标层面解读

Malachyte 在其融资公告中点名了 HalloweenCostumes.com、Brunt Workwear 和 Jordan Craig 作为客户。Malachyte 表示 HalloweenCostumes.com 的每访客收入增长了 31%，而 Jordan Craig 在新访客中实现了每次访问收入增长 17%。

Brunt Workwear 的数据展示了为什么供应商的业绩声明需要按指标层面解读。融资公告引用了加入购物车点击率增长 80%。Malachyte 的 Brunt Workwear 案例研究 的标题写着加入购物车增长 7.26%，而 Motwani 的 6 月文章则描述在 2025 年第四季度试点中追加购买（upsell）点击率增长 80% 和每访客收入增长 6.5%。这些数字可能衡量漏斗中的不同环节，不应将它们合并为单一的转化率声明。

Malachyte 将这些结果呈现为生产环境部署而非预测，尽管它们仍是由 Malachyte 提供的客户案例数据。最有力的证据是对三家流量模式不同的零售商进行了重复测试。更大的问题是，随着 Malachyte 超越一小群得到紧密支持的客户后，能否复制这些收益。

运营者控制对这一扩张至关重要。Malachyte 的技术页面表示，商品管理员可以在模型会话中提升、抑制或覆盖产品，同时模型会在会话中进行自适应。在零售中这点很重要：数学上相关的推荐仍可能与库存、利润率、促销或季节性活动冲突。Malachyte 要求商家用一个行为层来替代多个不相连的决策系统，同时不放弃对出售内容的控制权。

这轮种子资金用于分销，而非研究项目

Malachyte 进入的是一个零售商已经从成熟供应商那里购买搜索、推荐、实验与商品管理软件的市场。例如，Constructor 销售与商业指标和商品控制相结合的个性化产品发现。Malachyte 的切入点是匿名的首次访客，以及一个持续更新的表示能够协调每个店面界面的主张。

时机也反映了在线获取方式的更广泛变化。零售商在大型广告平台上定向购物者的能力有所提高，但着陆体验往往仍是静态的。当店面无法解释是什么将购物者带到这里，或在短会话中反应不够快时，每次付费访问的成本就会上升。

AI 购物代理为匿名流量又增加了另一个潜在来源。Motwani 认为，代理会在没有传统账户、浏览和 cookie 历史的情况下抵达商店——这些是旧有个性化系统所依赖的。Malachyte 的架构旨在从当前访问中推断意图，无论这些行为来自真人还是代表真人操作的软件。

该市场仍处于早期，因此 Malachyte 的近期论点依赖于真人购物者和可衡量的零售收入。Bessemer 和 Gradient 支持那些已经在消费规模上构建用户表示并将该工作应用到更窄商业问题的创始人。1000 万美元的融资轮为 Malachyte 提供了时间，以证明 Spotify 的个性化架构能否在更严苛的环境中存活：具有不断变化目录、明确利润目标且对无法展示“它卖了什么”的模型缺乏耐心的零售商。