官网：https://www.searchagora.com/
AI搜索风浪迭起，现在的商品导购AI助手，也开始络绎不绝。现在各大电商平台都在做AI导购/AI shopping assistant，比如亚马逊的Rufus，京东和阿里也有类似产品。
一些创业公司也开始了商品推荐，有AI搜索名义做商品搜索推荐的，比如Genspark，这个AI copilot的商品推荐能力目前整体比较智能。另外，就是我们今天的主角Agora，定位全球化商店，主打智能导购、人工24小时服务等，但是不提供仓储物流服务。
Agora的智能导购助手Athena会智能推荐6款商品，并且会主动挖掘需求，作为AI shopping assistant主动挖需能力不错，但是商品推荐能力不是很好，原因1是平台商品量比较有限，没有对应符合条件商品时，推荐效果直观感受就是不准，不知道是因为没有；2是推荐结果符合哪些条件，不够直观，推荐模型的可解释对比单纯的搜索匹配来说不强。
Athena的导购能力做得不错，但是这对于定位“世界级商城”的平台型产品来说，这种程度的智能导购是无法支撑这样的野心的，甚至核心能力跟AI shopping assistant无关。
公司注册于美国佛罗里达州 382 Northeast 191st Street, PMB 41729，迈阿密，佛罗里达州 33179。
公司创始人 Param Jaggi，在2024年7月29日晚上10点14分发布，自己的产品agora上线了。
项目起因：创始人Param Jaggi表示，启动是因为当初为妻子找一双红色鞋子。自推出MVP以来，已为30万用户提供服务，已经注册了首批付费商家。-->是因为跨平台找商品的痛点，但是解决这个问题，就是需要一个中心化的电商平台（跟此产品说的去中心化的定位其实有一定冲突），比如在中国，你知道在淘宝上能找到各种全的商品，核心的前提还是商品要全要多。
融资情况：从@rauchg和@Accomplices筹集了一轮前期种子资金。
帕拉姆-贾吉（Param Jaggi，生于 1994 年 4 月 18 日）是美国发明家，也是 Hatch Technologies 公司的首席执行官。此前，他是 EcoViate 公司的创始人兼首席执行官。他因制造 Algae Mobile 而闻名，这是一种能将汽车排放的二氧化碳转化为氧气的装置。贾吉于 2011 年和 2012 年入选福布斯 30 under 30。
贾吉是印度后裔，目前居住在华盛顿特区。他的父亲帕万-贾吉是一位企业家，并担任 EcoViate 公司的董事。他的兄弟 Parakh Jaggi 是一名软件工程师，担任 Climate Benefits!的首席技术官。
2.产品背景2.1 产品定位是电商平台--世界级商城，去中心化的亚马逊。
The world's store：Search, compare, and purchase all the e-commerce products online in one place。
全球商店：一站式搜索、比较和购买所有在线电子商务产品。
Search Agora, or Agora, is an e-commerce search engine that aggregate millions of products from thousands of stores for users to search for their favorite items through one single platform.搜索Agora，即Agora，是一款电子商务搜索引擎，聚合了来自数千家商店的数百万种商品，供用户通过一个平台搜索自己喜欢的商品。
定位是去中心化的亚马逊。感觉这是奔着世界级的淘宝去的，核心是想做一个电子商务平台，但是不做物流和仓储服务，不保存任何库存，将支付路由至商家，并为客户提供订单跟踪链接，显示来自不同商店的产品的发货状态。亚马逊不仅提供平台流量，更是因为做好了仓储和物流服务，所以吸引到众多商家和消费者。而Agora的定位让人看不懂，不知道是
已经支持4个独立站：Shopify, WooCommerce, Wix 和 Squarespace stores。
2.2 用户群体
主打平台型产品。2c提供的是跨平台的商品推荐服务。2b其实是拓展营销渠道。
2C-对消费者而言，Agora提供订单主动跟踪服务，24小时全天的人工服务，平台通过更卷更周到的服务，吸引客户。
2B-对商家而言：1）引流，但是与 amazon 不同，Agora不收取销售佣金。2）针对品牌独立站的店铺，做了自动化的处理，尤其针对@Shopify 和 @WooCommerce 上的商家，通过爬虫技术，自动爬取商品和上传图库，不会对商家现有系统产生影响，而且不会降低了商家的启动门槛。3）有人工服务的补充。4）可以获得自己的用户数据。
2.3 商业模式
营收模式：目前核心是2个，就是2B商家订阅费、广告收入。
成本：1、产品的开发维护的人工成本；2、产品使用成本：AI shopping assistant的应该是使用的大模型，接口有使用成本。3、7*24小时的人工服务成本。
2.4 产品定价
2C是不收费的。2B是订阅收费为基础，里面增加了广告和竞价排名的区分。
订阅模式，不同版本的定价核心差异：
Boost advertising discount 加大广告折扣力度：提升广告折扣不同，平台提供广告服务的折扣，这点还挺特别的。
搜索查询：1-3个多区别。核心是增加商品的曝光率，应该跟电商平台的关键词竞价排名是一个逻辑。
用户数的限制
服务等级：邮件和客户经理。这个的区别不大，核心是为了区分免费用户。
3.AI shopping assistant—Athena
3.1 产品介绍
3.2 亮点
1）会根据咨询的产品，主动挖掘需求，有些是每个品类都必然会问的条件，比如用户预算、品牌等；商品特性，则会根据不同品类追问，比如手机会询问相机、电池续航等要求；如果是裙子则会问场合、风格和长短等。
2）在推荐过程中，如果遇到不解的问题，支持用户反问，比如下面，问3种咖啡机类型选哪种，我不知道怎么选，反问区别，Athena给了解释，这点很不错。接着，我没有正面回答问题，反而问喜欢拿铁需要用什么机器，推荐an espresso machine意式浓缩咖啡机，也是非常适配。
3）支持追问，并会根据总结上下文，重新推荐，如下图，我先让推荐红色高跟鞋，推荐完成后，追问变成黑色，替换要求的元素，Athena有时会重新总结需求后推荐出黑色高跟鞋，这个体验还是很惊艳。
多轮需求挖掘的对话非常的快，不到1S就会输出结果。推荐商品也比较快，不到3S就会有商品推荐出来。-->调用公有大模型API不会这么快，应该是一个本地化的大模型，在进行需求挖掘。
3.3 不足
推荐出的商品，有些看起来是部分符合要求，但是这个商品到底符合哪些条件符合，哪些不符合，不够直观，需要消费者点进商品详情页查看，这应该也是模型做推荐的弊端，可解释性较差。有些推荐效果非常不好，比如下图推荐手机，但是最终推荐出手机壳，哭笑不得，最后发现是平台上几乎没有手机这个品类。
一些细节确实做得不够好，不支持按照价格排序，不支持商品参数相关问答和商品对比等。
推荐商品是固定在对话框底部，支持跳转到商品详情页，但是跳转后，Athena就消失了，回退后推荐的对话记录也看不到，Athena很纯粹，就只是一个需求挖掘和推荐的助手。 如果一直是提否定的要求，推荐效果会比较差。
中文推荐效果不佳。中文的导购挖掘需求的能力还是在的，但是最终的商品推荐结果非常拉垮。同样，右侧是英文推荐沙发，效果很好。-->这里可以看出，挖需沟通和商品推荐应该不是一个模型，挖需沟通的应该是大模型，才能把多语言支撑得这么好，但是商品推荐要不是一个基于特性语言训练的推荐模型，要不是个搜索模型，欢迎大家跟我评论沟通哦~
4. 技术猜想-->用coze搭建一个类似的商品推荐Chatbot
