Levée de fonds : What A Nice Place popularise le “matching déco”

EntrepriseLevées de fondsStart-up
What a nice place
1 1

Le Lillois What A Nice Place a levé 800 000 euros pour accélérer le déploiement de son site Web de « matching déco » permettant de dénicher du mobilier personnalisé grâce au machine learning.

La plate-forme Web What A Nice Place, dédiée au « matching déco », a bouclé sa première levée de fonds de 800 000 euros, avec le concours de trois fonds d’investissement régionaux, Fira Nord Est et Finovam , gérés par Finovam Gestion, ainsi que Nord France Amorçage.

Basé à EuraTechnologies à Lille, What A Nice Place, fondé en 2014 par Isabelle Bully et Anne Debertonne, se présente comme un site Web de recommandation en matière de décoration.

Via un moteur de recherche intelligent, il permet aux internautes de facilement trouver des meubles et des objets de décoration qui correspondent à leurs goûts à leurs intérieurs. Jouant le rôle d’entonnoir par rapport à une offre de plus en plus large et pléthorique, What A Nice Place se base avant sur un certain nombre de renseignements fournis par l’internaute : type de mobilier recherché (canapé, lit, table,…), style plébiscité et son budget.

Une fois ces informations prises en compte, un algorithme permet de déterminer les meubles correspondant le mieux aux attentes parmi les articles proposés par plus de 100 enseignes partenaires (Alinea, Delamaison, Miliboo, But, Habitat, Etsy, Maisons du Monde, Conforama,…) qui peuvent y trouver leur compte, car leurs produits sont mis en avant et potentiellement présentés aux personnes les plus susceptibles de les acheter.

Pour parfaire sa plate-forme Web, What A Nice Place met également en avant des contenus éditoriaux liés à la décoration et propose une offre premium de coaching déco, également disponible pour les entreprises sous l’appellation What A Nice Office.

Ce tour de table sera offrira l’opportunité à la start-up de renforcer ses opérations de marketing et de communication, d’accélérer son développement en France et d’optimiser sa R&D en matière de recommandation automatisée et de machine learning.

 

Crédit image : Africa Studio – Shutterstock.com


Lire la biographie de l´auteur  Masquer la biographie de l´auteur