Sequen pozyskuje $16M, aby wprowadzić technologię personalizacji w stylu TikTok dla każdej firmy konsumenckiej

Zoë Weil miała problem, który większość przedsiębiorców marzyłaby o takim problemie: wiedziała dokładnie, jak zarabiać miliardy. W Etsy, jako szefowa zespołu zajmującego się sztuczną inteligencją, dokonała czegoś, co w branży e-commerce graniczy z cudem — w ciągu zaledwie jednego roku zwiększyła wartość brutto sprzedaży na platformie o miliard dolarów. Sekret? Nie był to magiczny algorytm ani jakaś rewolucyjna technologia. To była po prostu lepsza personalizacja. Lepsze rankowanie produktów. Lepsze rozumienie tego, co naprawdę chce każdy użytkownik.

Teraz Weil, wraz ze swoimi współzałożycielami, postanowiła zarobić na tej wiedzy — ale w zupełnie inny sposób niż typowy startup. Zamiast budować kolejny e-commerce czy marketplace, Sequen stał się dostawcą technologii. Firma, która właśnie pozyskała 16 milionów dolarów w rundzie Series A, oferuje coś, co do tej pory było zarezerwowane dla gigantów technologicznych takich jak Amazon, Netflix czy TikTok: infrastrukturę personalizacji i rankingu działającą w czasie rzeczywistym. To nie jest jednak zwykła usługa SaaS — to transfert wiedzy i doświadczenia zdobytego w jednym z najtrudniejszych środowisk do testowania algorytmów rekomendacyjnych.

Problem, który rozwiązuje Sequen, jest prosty do wyjaśnienia, ale diabelnie trudny do implementacji: większość dużych firm konsumenckich chciałaby mieć takie same możliwości personalizacji co TikTok czy Amazon, ale nie ma dostępu do wymaganych do tego masywnych zbiorów danych, infrastruktury obliczeniowej ani zespołów specjalistów. Sequen zmienia tę równowagę sił.

Miliard dolarów z lepszych algorytmów rankingowych

Zanim zaczniemy mówić o przyszłości Sequen, warto zrozumieć, skąd pochodzi ta historia. Etsy to nie jest typowa platforma e-commerce — to rynek dla twórców, gdzie algorytm musi radzić sobie z niezwykle trudnym problemem: jak połączyć miliony unikalnych produktów od niezależnych sprzedawców z milionami kupujących, z których każdy ma zupełnie inne preferencje, budżet i estetykę?

Weil i jej zespół pracowali nad tym, jak ulepszyć ranking wyników wyszukiwania i rekomendacje produktów. Nie było to zadanie dla słabych serc — każda zmiana w algorytmie mogła wpłynąć na przychody tysięcy sprzedawców i doświadczenie milionów kupujących. Jednak gdy zoptymalizowali system rankingowy, wyniki były oszałamiające: wzrost wartości brutto sprzedaży o miliard dolarów w ciągu roku. To nie były marginesowe ulepszenia — to była transformacja biznesu.

Zysk pochodził z trzech głównych źródeł. Po pierwsze, użytkownicy częściej znajdowali produkty, które rzeczywiście chcieli kupić, zamiast zrezygnować z frustracji. Po drugie, sprzedawcy byli bardziej zadowoleni, bo ich produkty pojawiały się przed właściwymi ludźmi. Po trzecie, Etsy zarabiał więcej, bo wartość transakcji rosła. To był klasyczny win-win-win scenariusz, ale osiągnięty dzięki głębokim zrozumieniu tego, jak działają systemy rekomendacyjne.

Technologia zarezerwowana dla gigantów — do dzisiaj

Tutaj pojawia się główna frustracja, którą Weil i jej zespół obserwowali na rynku. Gdy spojrzysz na największe marki konsumenckie — Sephora, Wayfair, Shopify, czy nawet tradycyjne sieci handlowe z ambicjami cyfrowych — prawie żaden z nich nie dysponuje takim samym poziomem sofistykacji w personalizacji co TikTok czy Amazon. Dlaczego? Bo te technologie wymagają trzech rzeczy, które są ekstremalnie trudne do zdobycia: ogromnych zbiorów danych, potężnej infrastruktury obliczeniowej i zespołów naukowców zajmujących się machine learningiem.

Amazon może sobie pozwolić na utrzymanie zespołu kilkudziesięciu doktorów nauk z uniwersytetów, którzy pracują nad algorytmami rekomendacji. Netflix ma podobnie. TikTok — nota bene, jego algorytm jest uważany za najlepszy w branży — inwestuje miliardy w to, by stale go ulepszać. Ale co z innymi firmami? Większość średnich i dużych firm konsumenckich korzysta z gotowych rozwiązań — Shopify, Adobe Experience Cloud, czy niższej klasy narzędzi — które oferują zaledwie ułamek tego, co jest możliwe.

Sequen wchodzi dokładnie w tę lukę. Firma oferuje gotową infrastrukturę personalizacji i rankingu, którą można wdrożyć bez konieczności budowania wszystkiego od zera. To nie jest kolejny plugin do Shopify'ego — to poważna technologia, która wcześniej była dostępna tylko dla gigantów.

Jak działa personalizacja w stylu TikToka dla każdego

Aby zrozumieć, co dokładnie oferuje Sequen, warto wiedzieć, jak działają systemy rekomendacyjne w praktyce. W najprostszej formie, algorytm patrzy na to, co użytkownik robił w przeszłości — jakie produkty przeglądał, co kupił, jak długo spędził na każdej stronie — i na tej podstawie przewiduje, co chciałby zobaczyć teraz. Brzmi prosto, ale diabeł tkwi w szczegółach.

W praktyce, system musi radzić sobie z kilkoma wyzwaniami jednocześnie. Po pierwsze, musi działać w czasie rzeczywistym — gdy użytkownik wchodzi na stronę, rekomendacje muszą być dostarczone w ułamku sekundy, nie w kilka sekund. Po drugie, musi być skalowalne — algorytm, który działa dla stu tysięcy produktów, nie zawsze działa dla miliona. Po trzecie, musi być odporny na szum w danych — niektórzy użytkownicy klikają losowo, niektórzy są botami, niektórzy zmieniają zdanie.

Sequen rozwiązuje to, oferując to, co nazywa "real-time ranking infrastructure" — czyli infrastrukturę, która może obsługiwać miliony decyzji rankingowych na sekundę, ucząc się z każdej interakcji użytkownika. System wykorzystuje deep learning i collaborative filtering, ale także proprietarne techniki, które Weil i jej zespół opracowali w Etsy.

Runda finansowania jako potwierdzenie koncepcji

16 milionów dolarów w Series A to poważna kwota, ale nie jest to suma, która wzbudzałaby oszałamiające emocje w branży venture capital. Jednak kontekst ma znaczenie. Sequen nie jest startup'em, który ma "fajny pomysł" — to jest firma z udowodnioną historią sukcesu w jednym z najtrudniejszych problemów w tech. Inwestorzy finansujący rundę wiedzą dokładnie, co kupują: dostęp do wiedzy i doświadczenia zespołu, który zarobił miliard dolarów dla Etsy.

To podejście jest szczególnie interesujące, bo stanowi odejście od typowego modelu startup'owego. Zamiast zaczynać od hipotezy i testować ją na rynku, Sequen startuje z już zweryfikowaną technologią i track recordem. Inwestorzy mogą wskazać na konkretne wyniki: miliard dolarów wzrostu GMV w Etsy. To nie jest teoria — to historia sukcesu.

Runda Series A sugeruje także, że firma ma już pewnych klientów lub zaawansowane rozmowy z potencjalnymi partnerami. W sektorze B2B SaaS, inwestor nie będzie finansować rundy Series A bez pewności, że istnieje rzeczywisty popyt na produkt. 16 milionów dolarów to kwota, która pozwoli Sequen na rozbudowę zespołu sprzedażowego, marketingu i inżynierii, aby skalować się na dużą skalę.

Polska perspektywa: czy to zmieni e-commerce w Polsce?

Dla polskiego rynku e-commerce, Sequen to potencjalnie duża zmiana. Polska ma kilka dużych graczy — Allegro, OLX, Vinted — ale także setki mniejszych sklepów i marketplace'ów, które chciałyby mieć lepszą personalizację, ale nie stać ich na budowanie własnych zespołów AI. Technologia Sequen mogłaby być dla nich grą zmieniającą reguły.

Allegro, jako największy polski marketplace, ma już swoje zespoły zajmujące się algorytmami, ale mniejsze platformy takie jak Ceneo czy Skapiec mogłyby potencjalnie skorzystać z rozwiązania Sequen. Nawet tradycyjne sieci handlowe, które próbują budować swoje kanały e-commerce — na przykład Zalando w Polsce czy lokalne marki — mogłyby chcieć wdrożyć taką technologię.

Jednak jest jedna przeszkoda: cena. Rozwiązania takie jak Sequen są zwykle droższe niż gotowe wtyczki do Shopify'ego, ale tańsze niż budowanie własnego zespołu AI. Dla polskich firm, które operują na znacznie mniejszych marżach niż ich zachodnie odpowiedniki, to może być punkt krytyczny — czy wzrost konwersji wynikający z lepszej personalizacji będzie wystarczający, aby uzasadnić koszt?

Konkurencja i ekosystem

Sequen nie jest pierwszą firmą, która próbuje zdemokratyzować technologię personalizacji. Istnieją już rozwiązania takie jak Dynamic Yield (przejęty przez Mobileye/Intel), Evergage (teraz część Salesforce), czy nowe startups takie jak Recombee czy Coveo. Jednak różnica polega na tym, że większość z nich zajmuje się personalizacją treści lub doświadczenia użytkownika — a nie bezpośrednio rankingiem produktów i rekomendacjami.

Sequen pozycjonuje się jako specjalista w rankingu i rekomendacjach produktów, co jest wąskim, ale głębokim niuszem. To jest inteligentne podejście — zamiast konkurować z gigantami na polu ogólnej personalizacji, Sequen skupia się na czymś, co naprawdę rozumie i gdzie ma największą wartość do zaoferowania.

Jednak konkurencja będzie intensywna. Każdy gracz w ekosystemie — od Shopify'ego po Adobe — będzie próbować integrować lepsze algorytmy rekomendacyjne w swoje platformy. Dla Sequen, to oznacza, że musi działać szybko i budować relacje z klientami, zanim konkurenci zdecydują się zainwestować w podobne możliwości.

Model biznesowy i skalowanie

Jak zarabia Sequen? Model biznesowy nie został ujawniony w szczegółach, ale typowo dla takich firm, mogą to być: opłaty za implementację, opłaty miesięczne za dostęp do platformy, lub opłaty zmienne na podstawie liczby decyzji rankingowych. Każdy model ma swoje plusy i minusy — stałe opłaty miesięczne są bardziej przewidywalne dla klienta, ale opłaty zmienne mogą lepiej wyrównywać wartość dla obu stron.

Skalowanie będzie kluczowe. Aby osiągnąć zwrot z inwestycji, Sequen musi pozyskać kilkadziesiąt, a ostatecznie setki klientów. To nie jest niemożliwe — rynek konsumenckich firm, które chciałyby lepszą personalizację, jest ogromny. Jednak sprzedaż do dużych korporacji jest powolna i skomplikowana, zwłaszcza w sektorze e-commerce, gdzie decyzje o technologii są często polityczne i długotrwałe.

Runda Series A daje Sequen około 18-24 miesięcy na udowodnienie, że model biznesowy działa w skali. To jest ograniczony czas, ale wystarczający, jeśli zespół będzie wykonywać swoją pracę dobrze.

Przyszłość personalizacji na konsumenckim internecie

Sequen jest symptomem większego trendu: demokratyzacji zaawansowanych technologii AI. To, co było dostępne tylko dla gigantów dziesięć lat temu, staje się dostępne dla średnich i dużych firm dzisiaj. Za dziesięć lat, będzie dostępne dla każdego. To jest naturalny przebieg rozwoju technologii.

Dla konsumentów, oznacza to, że będziemy widzieć coraz bardziej spersonalizowane doświadczenia na wszystkich stronach, nie tylko na Amazonie czy TikToku. Będziemy widzieć produkty, które naprawdę chcemy kupić, zamiast gubiać się w nieskończonych katalogach. Dla firm, oznacza to wyższą konwersję, wyższe średnie wartości zamówień i bardziej lojalnych klientów.

Jednak pojawia się także pytanie o prywatność. Im bardziej spersonalizowane są rekomendacje, tym więcej danych musi być zbierane i analizowane. Sequen będzie musiała zmierzyć się z tym wyzwaniem — zarówno technicznie (jak chronić dane klientów), jak i reputacyjnie (jak wyjaśnić konsumentom, że ich dane są wykorzystywane do personalizacji).

Ostatecznie, Sequen reprezentuje moment przejścia w historii e-commerce. Przez lata, personalizacja była zarezerwowana dla gigantów. Teraz, dzięki startupom takim jak Sequen, każda duża firma konsumencka może mieć dostęp do technologii, która naprawdę działa. Pytanie nie brzmi już "czy powinna mieć lepszą personalizację?", ale "dlaczego jeszcze jej nie wdrożyła?". A dla Sequen, to jest dokładnie ten moment, aby uchwycić okazję.