Potion

「敏感肌向けのノンシリコン油剤」のように、実験室で話す言葉のまま入力すると、Potionが8万点超のデータから該当する原料を返す。結果には用途と使用文脈が付くので、サンプルを取り寄せる前に相性を判断できる。化学は分かるがカタログに詳しくない人にとって、最も早い入口になる。

参考製品のINCI リストを貼ると、商品名と濃度レンジを伴う開始処方を組み立てる。半日かけずに数分で、実際に使える土台が手に入る。INCIを公開している製品ほど精度が高く、店頭に並ぶ化粧品の多くはこれに当たる。

Sephora、Ulta、Credoなどの数千点の商品をインデックス化している。競合が一つのカテゴリをどう組み立てているか、どの原料パターンがブランドをまたいで現れるかが見える。新製品を計画するブランドにとって、商品ページを手作業で写す手間を省く競合分析になる。

サプライヤー書類を一か所に集め、データを自動で抽出するモジュールだ。Potionは原料あたり50項目超、抽出精度約97パーセント、原料1点の登録で2〜4時間の削減をうたう。データ化した内容はPotion API、CSV、Excelで、実験室がすでに使うシステムへ送れる。

Potionの化粧品 処方 AIの中核がこのワークスペースで、処方エディタと副操縦士を組み合わせ、作業中に適合済みの処方を提案する。自社の処方ポートフォリオで専用モデルを学習でき、データが増えるほど精度が上がる。表計算で処方を管理しているチームなら、版管理だけでも違いはすぐ分かる。

Sephora CleanやTarget Cleanといった小売チェーンの基準と地域制限のリストをPotion側が保守し、原料をそれらに照らす。ブランド独自の制限は無制限に追加できる。ワンクリックのレポートは、規制変更が製品群全体に与える影響を示す。小売チェーンがシーズン途中でリストを更新したときに効く機能だ。

EnterpriseプランにはAPI連携が含まれ、原料データを社内システムへ流せる。これがあるからPotionは検索サイトで終わらない。自社の原料記録が、照会して再利用できる構造化データになる。

PotionはSOC 2 Type IIを取得し、機密データ向けのプライベートワークスペースを用意する。Potionによればデータの所有権は顧客にあり、閲覧できるのは顧客だけ、社内モデルの学習にも使える。処方の知的財産を守りたいブランドなら、購買の場で最初に出る質問はたいていこれだ。