8億人在用的Spotify推薦引擎幕後工程師創業！Malachyte要把AI預測技術帶入電商領域

全球8億人每天打開Spotify，聽到的每一首推薦歌曲，背後都是Sidd Motwani（首圖中）打造的技術在運作。這位在Spotify打造推薦引擎將近十年的工程師現在決定出來創業，把同一套「在你開口之前就先猜到你要什麼」的技術，從音樂產業搬進電商貨架，成立了Malachyte。

他找來同一戰場出身的共同創辦人Ian Anderson（首圖右，現任Malachyte技術長），以及擔任營運長的共同創辦人Shivaditya Sinha（首圖左），三人想看看，在顧客還沒登入、還沒留下任何購買紀錄之前，系統能不能就先猜出他想要什麼？

Malachyte在8月6日宣布完成1,000萬美元（約新台幣3.22億元）的種子輪募資，由Bessemer Venture Partners與Gradient Ventures共同領投，Harpoon Ventures參與。三位創辦人在Spotify內部主導、佔平台約90%推薦結果的技術「Vector AI」，如今被他們改造成電商版本，第一個客戶就交出每訪客營收（RPV）成長31%的成績單。

電商的「冷啟動」困局

現有的個性化推薦，多半建立在三種資料上：歷史購買紀錄、人口統計資訊，或者需要登入才能取得的會員檔案。這意味著第一次造訪的顧客，看到的往往是跟所有人一樣的通用頁面；已經購買過的顧客，系統給出的推薦也只是根據他過去買過什麼，不是他現在想要什麼。

Malachyte共同創辦人暨執行長Sidd Motwani告訴《TechCrunch》，Malachyte的系統「在顧客點下第一次點擊之前就開始運作，用頁面載入那一刻能取得的情境資訊」。他舉例，當一名訪客搜尋「重型靴」後又點擊「鋼頭靴」的子分類，系統讀到的不是「這個人喜歡靴子」，而是「這個人現在需要耐用的工作裝備」，於是把地圖上同樣落在工作與戶外耐用需求這個區塊的工作褲、手套往前推，同時把離這個區塊較遠、偏向正式或休閒用途的皮鞋往後排。

他也指出，多數零售商其實早就握有最有價值的顧客情報，只是沒有即時運用。「每一次停留、點擊、滾動、搜尋字詞調整、加入購物車，都是一個訊號，但多數系統不是完全不採取行動，就是把這些訊號累積到隔夜才批次處理，」他說。「我們持續讀取這些訊號，讓每一個動作都讓系統對顧客的偏好與當下意圖更有把握。」他還提到情境線索長期被低估：「晚上11點從Email連結點進來的手機使用者，跟同一個人早上用筆電瀏覽時的狀態完全不同，但多數系統把兩者視為同一個人。」

把Spotify推薦引擎搬進零售貨架

Motwani與另外兩位共同創辦人Ian Anderson、Shivaditya Sinha，花了數年在Spotify打造推薦引擎背後的行為情報基礎設施，內部稱為Vector AI，主導了Spotify約90%的推薦結果，服務超過8億名用戶。據Malachyte官方部落格，Motwani與Anderson在Spotify的十年裡，從打造讓Discover Weekly「像懂你一樣」的推薦系統開始，一路做到全站搜尋與發現功能，以及大規模的動態商品陳列。

真正讓他們決定創業的，是發現Spotify當年慣用的做法（人工調整規則、無法即時更新）在8億用戶、超過10億件商品的規模下逐漸失靈。三人認為，如果這套「行為情報」基礎設施能解決Spotify的個性化問題，就有機會延伸到更多數位場景。

在YouTube節目《The Agile Brand》的訪談中，Motwani把這個技術類比成語言模型的運作方式：語言模型透過分析網路上大量句子，遮住其中一個字，再用前後文預測那個字是什麼。Spotify與TikTok做的事，等於是把使用者的每一次使用過程（session）當成一個「句子」；系統讀過夠多這樣的「句子」後，就能理解使用者當下的意圖，並在幾毫秒內做出預測。

Malachyte把這套邏輯搬進電商，接上零售企業既有的session與使用者行為資料，這些資料原本90%只被用來做後台報表，例如Google Analytics（網站分析工具）的事件紀錄。透過「持續學習」取代業界普遍採用的批次訓練，系統不需要使用者登入、不需要歷史紀錄，也不透過第三方Cookie，就能在訪客一進站的瞬間生成代表其偏好與意圖的「使用者向量」，同步套用在搜尋、推薦、商品列表頁（PLP）、Email等所有接觸點上，而這個向量會跨越單次session持續累積。

在官方部落格中，Malachyte把這次技術轉型比作19世紀的貝塞麥煉鋼法：當年昂貴又易碎的鋼鐵，因為一項煉鋼工藝突破變成能大量生產的高品質材料，進而撐起了整個工業革命的基礎設施，從高樓、鐵路到城市。Malachyte認為，零售業現在卡住的瓶頸不是鋼鐵，而是即時情報，這正是他們要打造的基礎設施。

從Fun.com的31%，到Shopify的規模化

Malachyte從2024年開始測試這套系統，合作對象一度涵蓋旅遊、超市、零售等超過20家企業客戶，最後才把重心收斂到電商。2025年秋天，第一個正式上線的客戶是萬聖節服飾電商Fun.com（旗下品牌HalloweenCostumes.com，即便顧客是在Amazon買萬聖節服裝，貨源也可能來自這家公司）。

Malachyte產品副總裁Di Lyngholm此前在Fun.com／HalloweenCostumes.com任職近10年，後來加入Malachyte。她在《The Agile Brand Guide》節目中回憶，團隊曾拿Malachyte的系統跟原本規則式的推薦引擎做A／B測試，結果每訪客營收成長31%。她說自己因為太認同這套技術，索性離開Fun.com加入Malachyte，目前負責的產品線已經從搜尋功能開始導入，商品列表頁是下一步。

節目中另一個案例是戶外工裝品牌BRUNT Workwear。同一個網站，面對不同來源的訪客會顯示完全不同的頁面：從Google搜尋「compto waterproof（防水鋼頭鞋）」進站的新訪客，會看到跟搜尋字詞呼應的商品；從Instagram廣告進來的訪客，看到的內容取決於廣告素材；透過Email連結進站、過去有多筆訂單的老顧客，系統已經知道他在找秋季工裝，畫面呈現的不再只是網站主力商品（靴子），而是更貼近他當下需求的組合。Malachyte也把這個邏輯延伸到商品詳情頁（PDP）：比起單純羅列相似商品的「你可能也喜歡」，改成整套穿搭的推薦組合，藉此拉高平均訂單金額（AOV），減少顧客因為總金額偏高而離開。

Lyngholm也舉了一個反映團隊思維轉變的案例：曾有商品人員看到粉紅色金剛戰士服飾頁面的推薦結果，第一反應是這些推薦很糟，應該混搭其他角色跟其他配色，但數據顯示，該名訪客過去點擊的全是粉紅色商品，代表他真正在意的是顏色，不是角色。這類案例讓團隊更確信，比起靠人工經驗設定規則，讀懂即時行為訊號更貼近顧客的實際意圖。

2026年6月起，Malachyte透過原生整合，讓Shopify商家能直接串接這套系統，規模更大的零售商則透過應用程式介面（API）整合。這次1,000萬美元種子輪募資，Malachyte表示資金將用於擴大分銷規模，並招募更多產品與商務團隊成員。

Motwani在接受《TechCrunch》採訪時說，他認為更大的機會，是讓商品陳列與行銷這兩個原本各自為政的部門，圍繞同一套顧客行為理解運作。Lyngholm則觀察到，商品人員的角色正在轉變：過去需要手動排列、設定規則的工作，未來會被具備業務目標（例如提升RPV或AOV）的智慧代理取代，商品人員反而有更多時間投入郵件行銷、社群廣告，或者在擴大商品線、開新站點時不必增加人力。

Motwani在Spotify那十年，學到的教訓是規則終究跟不上規模。Malachyte把同一套邏輯帶進零售業，賭的不只是電商品牌願不願意換一套推薦系統，更是整個產業是否已經準備好接受：顧客不需要留下任何紀錄，系統也能懂他。如果答案是準備好了，那麼下一個被重新定義的，可能不是某個電商網站的推薦欄位，而是「認識顧客」這件事本身。

資料來源：TechCrunch、The Agile Brand、Malachyte