Wayfair parantaa luetteloiden tarkkuutta ja tuen nopeutta

Wayfair, yksi maailman suurimmista kodintarvikkeiden jälleenmyyjistä, on integroinut OpenAI:n mallit kriittisiin sisäisiin järjestelmiin parantaakseen toimittajatukityönkulkuja ja tuoteluetteloiden laatua laajassa mittakaavassa. Se, mikä alkoi pienimuotoisten julkaisujen arvotestauksena vuonna 2024, on kehittynyt täydelliseksi tuotantojärjestelmäksi, joka vähentää manuaalista työtä, nopeuttaa päätöksentekoa ja parantaa datan laatua miljoonissa tuotteissa.

Sen sijaan, että Wayfair pitäisi generatiivista tekoälyä kokeiluna tai yksittäisratkaisuna, se upotti OpenAI:n mallit keskeisiin operatiivisiin työnkulkuihin. Yritys keskittyi ensin siihen, missä monimutkaisuus ja tarve skaalautuvuudelle olivat suurimmat: toimittajien tukipyyntöjen ohjaamiseen ja ratkaisemiseen sekä kymmenien tuhansien tuoteattribuuttien johdonmukaiseen parantamiseen noin 30 million tuotteen luettelossa.

Wayfairin luettelotiimi hallinnoi kymmeniä miljoonia tuotteita lähes tuhannessa eri tuoteluokassa. Yhdenmukaiset ja tarkat tuoteattribuuttitunnisteet—kuten väri, materiaali, koko tai erityisominaisuudet—ovat olennaisia haun, suositusten ja myynninedistämisen kannalta.    

"Mitä parempi datamme laatu on, sitä enemmän luottamusta rakennamme asiakkaan kanssa. Se on olennaista, koska se antaa ostajille mahdollisuuden tehdä oikeita ostopäätöksiä ja vähentää suoraan kalliita loppupään ongelmia, kuten väärin esitettyjen tuotteiden palautuksia", sanoo Jessica D'Arcy, Wayfairin luettelomyynnin apulaisjohtaja. 

Ennen OpenAI:ta merkintöjen parannukset perustuivat pääasiassa siihen, että toimittajat ja asiakkaat ilmoittivat Wayfairille, että jokin oli vialla. Manuaalinen työ ei pysynyt määrän mukana.  Varhaiset, yksittäisille tunnisteille räätälöidyt tekoälymallit olivat tehokkaita, mutta niiden kehittäminen ja ylläpito osoittautuivat kalliiksi. ”Aloitimme luomalla räätälöityjä malleja yksittäisille tunnisteille, ja teknisesti se toimi”, sanoo Carolyn Phillips, Wayfairin koneoppimisen tutkija. ”Mutta kun tarkastellaan 47 000 tunnistetta, tuo lähestymistapa ei yksinkertaisesti skaalaudu.”

Päästäkseen eroon yksittäisistä malleista Wayfair loi tunnisteista riippumattoman järjestelmän, joka perustuu yhteen OpenAI-malliin. "Määrittelyagentti" käyttää verkkotietoja ja sisäisiä määritelmiä tuottaakseen kontekstuaalisen merkityksen kullekin tunnisteelle. "Todellinen pullonkaula ei ollut mallin suorituskyky", sanoo Phillips. "Se oli se aika, joka työntekijöiltä kului sen määrittelyyn ja koodaamiseen, mitä kukin tunniste oikeasti tarkoitti." Tämä konteksti yhdessä Wayfairin dataekosysteemistä koottujen tuotetietojen kanssa muodostaa kehyksen, joka voi luokitella attribuutteja eri tuoteluokkien välillä. Tiimi laajentaa nyt mallin kattavuutta uusiin attribuutteihin 70 kertaa nopeammin kuin vielä vuosi sitten.

Järjestelmää on nyt käytetty tuotannossa yli miljoonassa tuotteessa. Ja ensimmäinen aalto parannetuilla attribuuteilla varustettuja tuotteita on nyt ollut saatavilla riittävän kauan, jotta datan laadun parantamisen vaikutusta asiakaspolkuun voidaan mitata.  "Kun parannat attribuuttien täydellisyyttä, se ei ole abstraktia." "Se näkyy hakukoneoptimoinnin ja tuotemainosten suorituskyvyssä—siinä, miten asiakkaat löytävät tuotteita", Phillips sanoo. Kontrolloitu A/B-testi osoitti huomattavaa ja tilastollisesti merkitsevää kasvua näyttökerroissa, klikkauksissa ja sivusijoituksessa koeryhmän osalta.

Wayfair ei kuitenkaan yksinkertaisesti siirtänyt tuotetietojen korjaamista koskevia päätöksiä mallille. "Tavoitteemme on rakentaa luottamusta, jotta asiakkaat voivat olla täysin varmoja siitä, mitä he ovat ostamassa", Phillips sanoo. Yritys kehitti strukturoidun testauksen käytännönläheisen auditointiprosessin avulla, jossa työntekijät tarkastavat näytteet fyysisesti mallin tuotosten validoimiseksi ja tekivät yhteistyötä toimittajien kanssa muutosten validoimiseksi. Nyt kun dataan perustuva luotettavuus on korkea, automatisoidut järjestelmät korvaavat sisällön suoraan ja ilmoittavat muutoksesta toimittajalle. Ja silloin kun korkeaa standardia ei saavuteta tai tunniste katsotaan riskialttiiksi, Wayfair pyytää ensin toimittajalta vahvistuksen ennen muutoksen tekemistä.

Wayfair tekee yhteistyötä kymmenien tuhansien toimittajien kanssa tukeakseen kattavaa luetteloaan. Toimittajien tukipyyntöjen hallitsemiseksi Wayfairin työntekijät tarkistivat aiemmin jokaisen saapuvan tukipyynnön; tunnistivat manuaalisesti, mitä toimittajat yrittivät saada aikaan; ja ohjasivat ongelmat oikealle sisäiselle vastuuhenkilölle – aikaa vievä ja virhealtis prosessi. ”Toimittajapyynnöt eivät ole yksinkertaisia”, sanoo Graham Ganssle, Wayfairin toimittajatuki- ja operatiivinen johtaja. "Ne kattavat satoja ongelmatyyppejä, eikä kukaan yksittäinen työntekijä voi realistisesti hallita niitä kaikkia."

Wayfair lisäsi agenttipohjaisia ominaisuuksia Wilma-nimiseen tuotteeseen parantaakseen näitä työnkulkuja tekoälyn avulla. Yksi ensimmäisistä tuotannossa olevista ominaisuuksista on OpenAI-mallin tehostama tukipyyntöjen luokittelu. Järjestelmä lukee saapuvat pyynnöt, täydentää puuttuvan kontekstin ja ohjaa tukipyynnöt oikealle tiimille. Wilma suunniteltiin otettavaksi nopeasti käyttöön: se kehitettiin järjestelmän päälle, joka oli jo integroitu OpenAI:n rajapintoihin, ja siirtyi prototyypistä tuotantoon noin kuukaudessa. “Wilma antaa työntekijöille vipuvoimaa”, sanoo Ganssle. ”Se lukee tukipyynnön, tunnistaa aikomuksen, täydentää kontekstin tietokannoistamme, ottaa tarvittaessa yhteyttä toimittajiin ja ohjaa tapauksen oikeaan suuntaan.”

Ohjauksen lisäksi Wayfair on ottanut käyttöön kymmenkunta agenttipohjaista tekoälyprosessia erityisille ratkaisutiimeille. Esimerkiksi varaosatoimintatiimin co-pilot lukee monimutkaisen tapaushistorian, ehdottaa seuraavia vaiheita ja ehdottaa luonnosvastauksia, jotka ihmistyöntekijät tarkistavat. Tällaiset avustajat on koulutettu aiemmilla tiedoilla, jotta ne oppivat, miltä menestys näyttää kontekstissa. ”Mallit voivat muodostaa kontekstin koko asiakaspolulta tavalla, joka on yksittäiselle työntekijälle vaikeaa”, Ganssle sanoo. ”Laajempi näkyvyys lisää asiakas- ja toimittajatyytyväisyyttä.”

Wayfair seuraa, kuinka usein tekoälyn suositukset vastaavat ihmisagentin lopullista päätöstä – mittaria kutsutaan ”vastaavuusprosentiksi”. Kun vastaavuus saavuttaa johdonmukaisesti ennalta määritetyn kynnysarvon, työnkulut voivat siirtyä avustavista (“co-pilot”) tiloista puoliautonomisiin (“autopilot”) tiloihin kunkin tiimin sisällä. Tämä vaiheittainen lähestymistapa luo luottamusta ja varmistaa laadunvalvonnan käyttöönoton aikana.

Wayfair raportoi mitattavissa olevista parannuksista sen jälkeen, kun se integroi OpenAI-mallit sisäisiin järjestelmiinsä.

Luettelopuolella yritys vähensi asiakkaan mahdollisesti näkemien virheellisten tai puuttuvien tuoteattribuuttitunnisteiden määrää – se korjasi 2,5 miljoonaa tuotetunnistetta yli miljoonassa Wayfair-luettelon näkyvimmässä ja ostetuimmassa tuotteessa. He odottavat tämän vaikutuksen nelinkertaistuvan seuraavien kuuden kuukauden aikana.

Toimittajatukipalveluissa triage-, co-pilot- ja autopilot-järjestelmät ovat lisänneet suoritustehoa automatisoimalla 41 000 tukipyyntöä kuukaudessa (joissakin työnkuluissa jopa 70 %) ja lyhentäneet läpimenoaikoja poistamalla rutiininomaisen manuaalisen työn työntekijöiden työkuormista. Tämä lyhentää merkittävästi ratkaisuaikaa useissa työnkuluissa, parantaa huomattavasti toimittajien tyytyväisyyttä ja vähentää tukipyyntöjen uudelleenavaamisia kyseisissä työnkuluissa.

Mallien tarjoama laajempi näkyvyys tukipyyntöihin ja toimittajien aikomuksiin – sen lisäksi, mitä yksittäinen työntekijä voi nähdä näytöllä – on osaltaan vaikuttanut tyytyväisyyden kasvuun.

Operatiivisesti tiimit raportoivat:

• Monimutkaisten toimittajatukipyyntöjen nopeampi ohjaus ja ratkaisu
• Toimittajatyytyväisyyden kasvu
• Vähentynyt manuaalinen tiedonsyöttö ja luokittelutyö
• Laajempi tapausten kattavuus ilman, että tarvitaan asiantuntemusta sadoista aihealueista
• Korkeampi luottamus luetteloattribuutteihin ennen julkaisua.

Wayfair on myös ottanut käyttöön yli 1 200 ChatGPT Enterprise -lisenssiä noin 12 000 hengen työvoimalleen tukeakseen ad hoc -tehtäviä, sisäistä ongelmanratkaisua ja generatiivisten mallien kokeilua.

Wayfair on jo pitkään investoinut koneoppimiseen ja tehnyt yhteistyötä tekoälyalusta- ja suurten kielimalli -palveluntarjoajien kanssa liiketoimintansa edistämiseksi. Nyt edistyneissä malleissa, erityisesti multimodaalisissa järjestelmissä, tapahtuvat edistysaskeleet laajentavat sitä, mitä yrityksen tiimit voivat luoda. Tällä on merkitystä kodintarvikkeiden vähittäiskaupassa, jossa tuotteet ovat visuaalisia, tyylillisiä ja usein subjektiivisia.

"Odotamme innolla, millaisia ongelmia voimme nyt ratkaista," sanoo Carolyn Phillips. "Perinteiset algoritmit vaativat tiukasti määriteltyjä tietojoukkoja. Nämä mallit antavat meille mahdollisuuden käsitellä epäselvyyttä ja kontekstia tavalla, joka ei aiemmin ollut skaalautuvaa." 

Työntekijöiden kysyntä ChatGPT Enterprisea kohtaan on ollut vahvaa. Wayfairin tiimit pitävät sitä käytännöllisenä työkaluna, joka auttaa heitä etenemään nopeammin.

Myös asiakkaiden odotukset muuttuvat nopeasti. Yhä useammat ostajat tottuvat käyttämään tekoälyä jokapäiväisessä elämässään, ja he alkavat odottaa samanlaisia ominaisuuksia selatessaan, vertaillessaan ja ostaessaan verkossa.

”Kotona asiakkailla ei usein ole täsmällisiä sanoja sille, mitä he etsivät”, sanoo Fiona Tan. “Luonnollinen kieli ja multimodaaliset järjestelmät auttavat kaventamaan tätä kuilua.”

Wayfairin johtajien tavoitteena on edelleen lisätä ihmisten asiantuntemusta samalla kun sisäisiä valmiuksia laajennetaan. ”Rakennamme maailmaa, jossa tekoäly on osa ostoprosessia – olipa se sitten sivustollamme, tuen kautta tai keskustelukäyttöliittymien kautta”, sanoo Fiona Tan lopuksi.