$3,2 млн на первую фотографию, которая поднимает конверсию до 44%

Покупатель видит изображение раньше характеристик

На странице товара первая фотография отвечает на вопросы за доли секунды: что это, какого размера, как используется и подходит ли человеку. Если кадр не объясняет продукт, описание может уже не получить внимания. Bloom превращает этот визуальный выбор из редакционного спора в измеримый эксперимент.

Магазин подключает собственный каталог изображений, DAM, сайты брендов и контент инфлюенсеров. Менеджер выбирает подходящие варианты, а система показывает их разным посетителям и сравнивает покупки с контрольной группой, которая видит стандартный кадр. В карусели именно первый элемент обычно создаёт наибольший эффект.

Платформа не просто выбирает победителя, а ищет причину

Bloom анализирует композицию и стиль: студийный фон или интерьер, применение товара или упаковка, тип модели и визуальный контекст. Результаты помогают не только переставить готовые материалы, но и сформулировать техническое задание для следующей съёмки. Контент начинает развиваться на основе покупательского поведения.

Каждый месяц компания выпускала около 20 новых сцен, куда AI мог помещать товар для создания дополнительных вариантов. Менеджер сохранял контроль и добавлял в тест лишь подходящие изображения. Такая схема разумнее бесконтрольной генерации: AI расширяет пространство гипотез, а реальный заказ проверяет полезность.

• Магазин подключает каталоги, DAM и источники авторов
• Менеджер выбирает допустимые варианты изображений
• Платформа сравнивает их с контрольной группой
• Покупки определяют победителя, а не вкус команды
• Инсайты используются для следующих съёмок

Персональный кадр превращает тестирование в рекомендательную систему

Bloom умеет искать не только среднего победителя. Для известного посетителя платформа учитывает его прошлые клики и показывает изображение, которое вероятнее сработает именно для него; новому посетителю достаётся лучший общий вариант. Один товар может объясняться разным людям через разные сценарии.

Однако персонализация требует достаточного трафика. На малой выборке алгоритм легко примет случайность за предпочтение, а частая смена кадра осложнит анализ возвратов. Начинать безопаснее с крупных категорий и понятных сегментов — устройства, источника трафика или повторного визита — прежде чем переходить к индивидуальному решению.

Экономика выглядит доступной даже для среднего магазина

Стандартные тарифы стоили $99 и $299 в месяц; более дорогой план поддерживал больше сессий, вариантов и аналитики. Для крупных магазинов предлагался индивидуальный тариф. Если заявленный средний рост продаж на 27% воспроизводится хотя бы частично, инструмент окупается на небольшом числе дополнительных заказов.

5 августа 2024 года Bloom привлекла $3,2 млн, доведя общее финансирование до $4,3 млн. Компания росла с момента первого раунда $1,1 млн в 2022 году. Для оценки бизнеса важны не только запущенные тесты, но и то, сколько клиентов продолжают создавать новые гипотезы после нахождения первого победителя.

Простой рычаг выигрывает у большого редизайна

Исходник сравнивает Bloom с Fibr, Manifest AI, Viddy и Heyflow. Они меняют посадочную страницу, добавляют чат, видео или интерактивный сценарий. Bloom вмешивается в одну переменную — изображение — и заявляет эффект сопоставимого масштаба. Это хороший пример того, что самый узкий продукт иногда быстрее доказывает экономическую ценность.

Страница товара одновременно является посадочной для поискового трафика, поэтому первый кадр влияет и на тех, кто не видел каталог. Магазину не нужно заранее знать идеальную композицию; ему нужна дисциплина выбора вариантов, контрольная группа и достаточно покупок для решения. Простота заканчивается там, где начинается качественный эксперимент.

Особенно ценным может стать перенос знаний между похожими товарами. Новая карточка ещё не имеет достаточного трафика для собственного теста, но Bloom уже знает, что в этой категории лучше работает демонстрация масштаба, лицо определённого типа или применение в интерьере. Платформа может предложить сильный стартовый кадр, а затем уточнить выбор по мере накопления покупок. Это сокращает время до результата и создаёт преимущество, которое растёт вместе с каталогом клиентов. При этом данные разных брендов нельзя смешивать бездумно: аудитория, цена и позиционирование меняют реакцию на одно и то же изображение. Поэтому рекомендация должна объяснять, на каком сходстве она основана. Если Bloom научится отделять устойчивый визуальный паттерн от эффекта конкретной кампании, её продукт станет не только тестированием, но и системой знаний о коммерческом визуальном языке.

Сигналом зрелости станет скорость, с которой новый товар получает сильный стартовый вариант, и доля рекомендаций, подтверждённых последующим контролируемым тестом.

Конверсия не должна расти ценой неверного ожидания

Самый продающий кадр может преувеличить размер, скрыть материал или создать впечатление комплекта, которого нет. Тогда заказ растёт вместе с возвратами и недовольством. Поэтому Bloom нужно оценивать по чистой выручке после возвратов, а в одежде, мебели и косметике — ещё и по совпадению ожидания с реальным использованием.

Долгосрочный актив компании — база связей между визуальными признаками, категориями и коммерческим результатом. Если эти знания помогают быстрее выбирать сильные варианты для нового товара, Bloom превращается из A/B-инструмента в систему визуального мерчандайзинга.