Wayfair подобрява точността на каталога и поддръжката с OpenAI

Wayfair, един от най-големите търговци на стоки за дома в света, е интегрирал модели на OpenAI в критични вътрешни системи, за да подобри работните процеси за поддръжка на доставчиците и качеството на продуктовия каталог в голям мащаб. Това, което започна като малки по мащаб пускания за тестване на стойността през 2024 г., се разви в пълноценна производствена система, която намалява ръчните усилия, ускорява вземането на решения и подобрява качеството на данните за милиони продукти.

Вместо да разглежда генеративния ИИ като експеримент или моментно решение, Wayfair внедри модели на OpenAI в основни оперативни работни процеси. Компанията първо се фокусира върху областите, в които сложността и нуждата от мащабиране бяха най-големи: маршрутизиране и разрешаване на заявки за поддръжка от доставчици и последователно подобряване на десетки хиляди продуктови атрибути в каталог от приблизително 30 милиона артикула.

Екипът за каталога на Wayfair управлява десетки милиони продукти в почти хиляда различни продуктови класа. Последователните и точни етикети за спецификациите на продуктите – като цвят, материал, размер или специфични характеристики – са от съществено значение за търсенето, препоръките и предлагането на стоки.    

„Колкото по-добро е качеството на данните ни, толкова повече доверие изграждаме в клиента. Това е от съществено значение, защото дава възможност на купувачите да вземат правилните решения за покупка, като директно намалява скъпоструващите последващи проблеми, като например връщания на неправилно представени продукти“, каза Джесика Д'Арси, асоцииран директор „Каталожен мърчандайзинг“ в Wayfair. 

Преди OpenAI подобренията в етикетирането разчитаха основно на доставчици и клиенти да казват на Wayfair, че нещо изглежда нередно. Ръчните усилия не успяха да се справят с обема.  Ранните персонализирани модели с изкуствен интелект за отделни етикети бяха ефективни, но се оказаха скъпи за изграждане и поддръжка. „Започнахме, като изградихме персонализирани модели за отделни етикети, и технически това работеше“, каза Каролин Филипс, щатен специалист по машинно обучение в Wayfair. „Но когато разглеждате 47 000 етикета, този подход просто не се подходящ за мащабиране.“

За да излезе извън рамките на еднократните модели, Wayfair създаде система, ориентирана към етикетите и изградена на базата на един-единствен модел на OpenAI. „Агент за дефиниции“ поглъща уеб и вътрешни дефиниции, за да създаде контекстуално значение за всеки етикет. „Истинската пречка не беше производителността на модела“, каза Филипс. „Това беше времето, необходимо на хората, за да се дефинира и кодира какво всъщност означаваше всеки етикет.“ Този контекст, заедно с данни за продукти, обобщени от цялата екосистема от данни на Wayfair, се подава към рамка, която може да класифицира спецификации в различните продуктови класове. Екипът вече разширява обхвата на модела към нови спецификации със 70 пъти по-бързо темпо, отколкото само преди година.

Системата вече работи в производствена среда за повече от 1 милион продукта. Първата вълна от продукти с подобрени спецификации вече функционира достатъчно дълго, за да се измери въздействието на подобряването на качеството на данните върху изживяването на клиентите.  „Подобряването на пълнотата на спецификациите не е нещо абстрактно. Виждаме, че това се проявява в оптимизацията за търсачки и ефективността на PLA – в начина, по който клиентите откриват продукти“, казва Филипс. Контролираният A/B тест показа съществено и статистически значимо увеличение на импресиите, кликванията и класирането на страницата в експерименталната група.

Въпреки това Wayfair не прехвърли просто решенията за коригиране на продуктовите данни на модела. „Нашата цел е да изградим доверие, така че клиентите да са напълно уверени в това, което купуват“, каза Филипс. Компанията разработи структурирано тестване, използвайки практичен процес на проверка, при който служителите физически инспектират проби, за да удостоверят изхода на модела, и работят с доставчици, за да потвърдят промените. Сега, когато увереността, базирана на данни, е висока, автоматизираните системи ще презаписват съдържанието директно и ще уведомят доставчика за промяната. И когато не е изпълнен висок стандарт или етикетът се счита за високорисков, Wayfair първо търси потвърждение от доставчика, преди да направи промяната.

Wayfair работи с десетки хиляди доставчици, за да поддържа своя обширен каталог. За да управляват заявките за поддръжка на доставчиците, сътрудниците на Wayfair в миналото са преглеждали всеки входящ билет, ръчно са определяли какво се опитват да постигнат доставчиците и са насочвали проблемите към правилния вътрешен отговорник — процес, който отнема много време и е склонен към грешки. „Заявките от доставчици не са лесни,“ каза Греъм Гансъл, отдел „Поддръжка и операции за доставчици“ в Wayfair. „Те обхващат стотици типове проблеми и нито един отделен сътрудник не може реалистично да овладее всички тях.“

Wayfair добави агентни функции към продукт, наречен Wilma, за да допълни тези работни процеси с изкуствен интелект. Една от първите функции в продукцията е сортирането на билети, задвижвано от модел на OpenAI. Системата прочита входящите заявки, попълва липсващия контекст и маршрутизира билетите към подходящия екип. Wilma беше проектирана да може да се внедрява бързо, изградена върху система, която вече е интегрирана с API на OpenAI, тя премина от прототип към реална среда за приблизително един месец. „Wilma дава на сътрудниците предимство“, каза Гансъл. „Той прочита заявката за поддръжка, идентифицира намерението, попълва контекст от нашите бази данни, при необходимост се свързва отново с доставчиците и насочва проблема в правилната посока.“

Освен маршрутизирането Wayfair е внедрила дузина агентни процеси с ИИ за конкретни екипи за разрешаване на проблеми. Например ко-пилот на екипа за операции с резервни части чете сложна история на случая, предлага следващите стъпки и дава чернови на отговори, които служителите преглеждат. Тези асистенти са обучени върху предишни данни, така че да научат как изглежда успехът в контекст. „Моделите могат да синтезират контекст през цялото пътуване по начин, който е трудно да направи един-единствен сътрудник“, каза Гансъл. „Тази по-широка видимост допринася за по-висока удовлетвореност на клиентите и доставчиците.“

Wayfair проследява колко често препоръките на ИИ съвпадат с окончателното решение на човешкия агент — показател, наречена „степен на съгласуваност“. В рамките на всеки екип, когато съгласуваността последователно достига предварително определен праг, работните процеси могат да преминат от подпомагащи („ко-пилот“) към полуавтономни („автопилот“) режими. Този поетапен подход изгражда доверие и гарантира контрол на качеството по време на внедряването.

Wayfair отчита измерими подобрения след интегрирането на модели на OpenAI във вътрешните системи.

От страна на каталога компанията намали броя на неправилните или липсващи етикети за атрибути на продукти, които клиентът може да види — след като коригира 2,5 милиона продуктови етикета в над един милион от най-видимите и най-купуваните продукти в каталога на Wayfair. Те очакват да увеличат това въздействие четири пъти през следващите шест месеца.

В поддръжката на доставчици системите за сортиране, асистиране и автопилот увеличиха производителността, като автоматизираха 41 000 билета на месец (до 70% в някои работни процеси) и намалиха времето за изпълнение, премахвайки рутинната ръчна работа от натоварването на сътрудниците. Това драстично съкращава времето за разрешаване на множество работни процеси, значително повишава удовлетвореността на доставчиците и намалява повторните отваряния на билети в тези процеси.

По-широката видимост, която модел предоставя за етикети и намеренията на доставчиците — отвъд това, което един отделен сътрудник може да види на екрана — е допринесла за това увеличение на удовлетвореността.

В оперативен план екипите докладват:

• По-бързо насочване и разрешаване на сложни заявки от доставчици
• Повишена удовлетвореност на доставчиците
• Намалена ръчна работа по въвеждане на данни и класификация
• По-широк обхват на проблемите, без да се изисква експертен опит в стотици теми
• По-голяма увереност в атрибутите на каталога преди публикуването.

Wayfair също така внедри повече от 1 200 лиценза за ChatGPT Enterprise сред приблизително 12 000-членния си персонал, за да подпомогне ad hoc задачи, вътрешно решаване на проблеми и експериментиране с генеративни модели.

Wayfair има дълга история на инвестиции в машинно обучение и сътрудничество с платформи за изкуствен интелект и доставчици на големи езикови модели, за да развива бизнеса си. Сега напредъкът в авангардните модели, особено мултимодалните системи, разширява възможностите за това, което екипите ѝ могат да изграждат. Това е от значение в търговията на дребно за дома, където продуктите са визуални, стилови и често субективни.

„Развълнувани сме от обхвата на проблемите, с които вече можем да се справим“, казва Каролин Филипс. „Традиционните алгоритми изискват строго дефинирани набори от данни. Тези модели ни позволяват да се справяме с неяснотата и контекста по начин, който преди не беше мащабируем.“ 

Гледайки напред, търсенето от страна на служителите за ChatGPT Enterprise е силно. Екипите в Wayfair го възприемат като практичен инструмент, който им помага да работят по-бързо.

Очакванията на клиентите също се променят бързо. Все повече купувачи се чувстват комфортно да използват ИИ в ежедневието си и започват да очакват подобни възможности, когато разглеждат, сравняват и купуват онлайн.

„У дома клиентите често нямат точните думи за това, което търсят“, каза Фиона Тан. „Естественият език и мултимодалните системи помагат да се преодолее тази разлика.“

За лидерите на Wayfair целта остава да се допълва човешкия експертен опит, като същевременно се мащабира вътрешният капацитет. „Изграждаме свят, в който ИИ е част от пазаруването — независимо дали това е на нашия сайт, чрез поддръжка или чрез интерфейси за разговори“, заключи Фиона Тан.