Pinahusay ng Wayfair ang catalog at support gamit ang OpenAI.

Isinama ng Wayfair, isa sa pinakamalalaking retailer ng home goods sa mundo, ang mga modelong OpenAI sa mga internal system para mapahusay ang supplier support at kalidad ng product catalog. Ang nagsimula bilang mga small scale release para subukan ang halaga noong 2024 ay umunlad na ngayon sa isang full production system na binabawasan ang manu-manong pagsisikap, pinapabilis ang paggawa ng desisyon, at pinapabuti ang kalidad ng data sa milyun-milyong produkto.

Sa halip na eksperimento lang, isinama ng Wayfair ang mga modelong OpenAI sa mga pangunahing operational workflow. Unang nagtuon ang kumpanya sa mga bahaging may pinakamataas na antas ng pagiging kumplikado at pangangailangan para sa malakihang saklaw: pag-route at pagresolba ng mga kahilingan sa suporta ng supplier at pare-parehong pagpapahusay ng sampu-sampung libong katangian ng produkto sa buong katalogo ng humigit-kumulang 30,000,000 item.

Pinamamahalaan ng catalog team ng Wayfair ang sampu-sampung milyong produkto sa halos isang libong iba’t ibang klase ng produkto. Mahalaga ang pare-pareho at tumpak na mga product attribute tag—tulad ng kulay, materyal, sukat, o mga feature—para sa paghahanap, rekomendasyon, at merchandising..    

"Kung mas maganda ang kalidad ng data namin, mas marami kaming nabubuong tiwala sa customer. Mahalaga ito dahil tinutulungan nitong makagawa ang mga mamimili ng tamang desisyon sa pagbili at nababawasan ang magastos na mga return dahil sa maling paglalarawan ng produkto,” sabi ni Jessica D’Arcy, Associate Director of Catalog Merchandising sa Wayfair. 

Bago ang OpenAI, ang mga pagpapabuti sa pag-tag ay pangunahing umaasa sa mga supplier at customer na sabihin sa Wayfair na may mukhang mali. Hindi nakasabay ang manu-manong pagsisikap sa dami.  Epektibo ang mga unang custom AI model para sa mga tag, pero naging magastos ang pagbuo at pagpapanatili ng mga ito. “Nagsimula kami sa pagbuo ng mga bespoke model para sa bawat tag, at teknikal na gumana naman iyon,” sabi ni Carolyn Phillips, staff machine learning scientist ng Wayfair. “Pero kapag tumitingin ka sa 47,000 tags, hindi talaga naa-scale ang pamamaraang iyan.”

Para malampasan ang mga minsanang modelo lang, lumikha ang Wayfair ng tag-agnostic system na binuo sa iisang modelo ng OpenAI. Isang “definition agent” ang kumukuha ng mga depinisyon mula sa web at internal na source para mabuo ang kontekstuwal na kahulugan ng bawat tag. “Hindi ang performance ng model ang tunay na bottleneck,” sabi ni Phillips. “Ito ang oras na kinakailangan ng tao para tukuyin at i-encode kung ano talaga ang ibig sabihin ng bawat tag.” Ang kontekstong ito, kasama ang product data mula sa kabuuan ng data ecosystem ng Wayfair, ay ginagamit sa isang framework na nag-uuri ng mga attribute sa iba’t ibang klase ng produkto. Pinalalawak na ngayon ng team ang saklaw ng modelo sa mga bagong attribute sa bilis na 70x kumpara sa bilis nila noong isang taon lang.

Gumagana na ngayon sa mahigit 1 milyong produkto ang system. At ang unang batch ng mga produktong may pinahusay na attribute ay matagal nang live para masukat ang epekto ng pagpapabuti ng kalidad ng data sa customer journey.  “Kapag pinapahusay mo ang pagkakumpleto ng attribute, hindi ito abstract. Nakikita mo itong lumalabas sa performance ng SEO at PLA—sa kung paano natutuklasan ng mga customer ang mga produkto,” sabi ni Phillips. Ipinakita ng kontroladong A/B test ang malaki at makabuluhang pagtaas sa impression, click, at page rank sa treatment group.

Gayunpaman, hindi basta ipinasa ng Wayfair ang mga desisyon sa pagwawasto ng data ng produkto sa modelo. “Ang layunin namin ay patatagin ang tiwala para lubos na kumpiyansa ang mga customer sa binibili nila,” sabi ni Phillips. Binuo ng kumpanya ang nakabalangkas na pagsubok gamit ang hands-on na proseso ng pag-audit kung saan pisikal na sinusuri ng mga associate ang mga sample para mapatunayan ang output ng modelo, at nakipagtulungan sa mga supplier para mapatunayan ang mga pagbabago. Ngayon, kapag mataas ang kumpiyansa batay sa data, direktang papalitan ng mga automated system ang content at aabisuhan ang supplier tungkol sa pagbabago. At, kapag hindi natutugunan ang mataas na pamantayan o itinuturing na mataas na panganib ang tag, unang humihingi ang Wayfair ng kumpirmasyon mula sa supplier bago gawin ang pagbabago.

Nakikipagtulungan ang Wayfair sa sampu-sampung libong supplier para suportahan ang kanilang komprehensibong catalog. Para pamahalaan ang mga request sa supplier support, historikal na sinusuri ng mga Wayfair associate ang bawat papasok na ticket, manu-manong tinutukoy kung ano ang sinusubukang gawin ng mga supplier, at iniruruta ang mga isyu sa tamang internal na may-ari—isang prosesong matagal at madaling magkamali. “Hindi simple ang mga kahilingan ng supplier,” sabi ni Graham Ganssle, supplier support and operations ng Wayfair. “Sumasaklaw ang mga ito sa daan-daang uri ng isyu, at walang iisang associate ang makatotohanang makakabisado ang lahat ng mga ito.”

Nagdagdag ang Wayfair ng mga agentic na feature sa produktong pinangalanang Wilma para palakasin ang mga workflow na ito gamit ang AI. Isa sa mga unang feature sa production ay ticket triage na pinapagana ng modelo ng OpenAI. Binabasa ng system ang mga papasok na request, pinupunan ang nawawalang konteksto at nagre-route ng mga ticket sa naaangkop na Team. Idinisenyo ang Wilma para mabilis na ma-deploy; binuo sa system na naisama na sa mga OpenAI API, lumipat ito mula sa prototype patungo sa live na paggamit sa loob ng humigit-kumulang isang buwan. “Nagbigay ng bentaha ang Wilma sa mga associate,” sabi ni Ganssle. “Binabasa nito ang ticket, tinutukoy ang layunin, pinupunan ang konteksto mula sa aming mga database, muling nakikipag-ugnayan sa mga supplier kung kinakailangan, at itinuturo ang isyu sa tamang direksyon.”

Bukod sa routing, nag-deploy ang Wayfair ng dosenang agentic AI flow para sa mga partikular na resolution team. Halimbawa, ang co-pilot para sa Replacement Part Operations team ay nagbabasa ng kumplikadong case history, nagmumungkahi ng susunod na hakbang, at nagbibigay ng draft na sagot na nirerepaso ng mga tauhan. Ang mga assistant na ito ay sinanay gamit ang historical data para matutuhan kung ano ang ibig sabihin ng tagumpay sa konteksto. “Kayang pagsama-samahin ng mga modelo ang konteksto sa buong journey sa paraang mahirap gawin ng isang associate lang,” sabi ni Ganssle. “Nag-aambag ang mas malawak na visibility na iyon sa mas mataas na kasiyahan ng customer at supplier.”

Sinusubaybayan ng Wayfair kung gaano kadalas tumutugma ang mga rekomendasyon ng AI sa huling desisyon ng human agent—isang sukatan na tinatawag na “alignment rate.” Sa loob ng bawat team, kapag palagiang naaabot ng alignment ang paunang itinakdang threshold, puwedeng lumipat ang mga workflow mula sa assistive (“co-pilot”) tungo sa semi-autonomous (“autopilot”) na mga mode. Ang yugtong pamamaraang ito ay nagtatatag ng tiwala at tinitiyak ang mga kontrol sa kalidad sa panahon ng paglulunsad.

Nire-report ng Wayfair ang mga nasusukat na pagbuti mula nang i-integrate ang mga modelo ng OpenAI sa mga internal na system.

Sa catalog, nabawasan ang mali o nawawalang product attribute tag—naayos ang 2.5M tag sa mahigit isang milyong pinakakita at pinakabinibiling produkto sa Wayfair catalog. Inaasahan nilang mapaparami nang apat na beses ang epektong ito sa susunod na anim na buwan.

Sa supplier support, pinalakas ng triage, co-pilot, at auto-pilot systems ang throughput sa pag-automate ng 41,000 ticket bawat buwan (hanggang 70% sa ilang workflow) at pinabilis ang turnaround time sa pag-alis ng routine manual work sa mga associate. Malaki ang ibinawas nito sa oras ng pagresolba ng maraming workflow, nagpapataas ng supplier satisfaction, at nagpapababa ng ticket re-open sa mga ito.

Ang mas malawak na visibility na ibinibigay ng mga model sa mga ticket at layunin ng supplier—lampas sa nakikita ng associate sa screen—ay nakatulong sa pagtaas ng kasiyahan.

Sa operasyon, inire-report ng mga team ang:

• Mas mabilis na pag-route at pagresolba ng mga kumplikadong ticket ng supplier
• Nadagdagang kasiyahan ng supplier
• Nabawasan ang manu-manong pagpasok ng data at pag-uuri
• Mas malawak na saklaw ng isyu nang hindi nangangailangan ng kadalubhasaan sa daan-daang paksa
• Mas mataas na kumpiyansa sa mga katangian ng katalogo bago ang publikasyon.

Nag-deploy rin ang Wayfair ng mahigit 1,200 na puwesto sa ChatGPT Enterprise sa humigit-kumulang 12,000 kataong manggagawa nito para suportahan ang mga ad hoc na gawain, panloob na paglutas ng problema, at pag-eeksperimento sa mga generative na modelo.

May mahabang kasaysayan ang Wayfair ng pamumuhunan sa machine learning at pakikipagtulungan sa mga platform ng AI at mga provider ng LLM para isulong ang kanilang negosyo. Ngayon, ang mga pag-unlad sa mga frontier model, lalo na sa multimodal system, ay nagpapalawak sa mga kayang buuin ng mga team nito. Mahalaga ito sa home retail, kung saan visual, stylistic, at kadalasang subjective ang mga produkto.

“Nasasabik kami sa lawak ng mga problemang kaya na naming harapin ngayon,” sabi ni Carolyn Phillips. “Ang mga tradisyonal na algorithm ay nangangailangan ng malinaw at mahigpit na tinukoy na dataset. Pinapayagan kami ng mga modelo na harapin ang kalabuan at konteksto sa paraang dati ay hindi scalable.” 

Sa hinaharap, malakas ang demand ng mga empleyado para sa ChatGPT Enterprise. Nakikita ng mga team sa Wayfair ito bilang praktikal na tool na nagpapabilis ng kanilang trabaho.

Mabilis ding nagbabago ang mga inaasahan ng customer. Habang mas maraming mamimili ang nagiging komportable sa paggamit ng AI sa kanilang pang-araw-araw na buhay, nagsisimula na rin silang umasa ng mga katulad na kakayahan kapag nagba-browse sila, naghahambing, at bumibili online.

“Sa bahay, kadalasan ay walang eksaktong mga salita ang mga kostumer para sa kung ano ang kanilang hinahanap," sabi ni Fiona Tan. “Tumutulong ang natural na wika at mga multimodal system na tulayin ang agwat na iyon.”

Para sa mga lider ng Wayfair, nananatiling layunin na palakasin ang kadalubhasaan ng tao habang pinapalawak ang panloob na kakayahan. “Nagtatayo kami para sa mundong ang AI ay bahagi ng shopping journey—sa aming site, sa support, o sa mga conversational interface,” pagtatapos ni Fiona Tan.