Wayfair povećava točnost kataloga i brzinu podrške uz OpenAI

Wayfair, jedan od najvećih svjetskih trgovaca kućanskim potrepštinama, integrirao je OpenAI modele u ključne interne sustave kako bi poboljšao tijekove rada podrške dobavljačima i kvalitetu kataloga proizvoda u velikom opsegu. Ono što je započelo kao mala izdanja za testiranje vrijednosti u 2024. godini razvilo se u potpuno proizvodni sustav koji smanjuje ručni rad, ubrzava donošenje odluka i poboljšava kvalitetu podataka u milijunima proizvoda.

Umjesto da generativnu umjetnu inteligenciju tretira kao eksperiment ili pojedinačno rješenje, Wayfair je integrirao OpenAI modele u ključne operativne procese. Tvrtka se najprije usredotočila na područja gdje su složenost i potreba za skaliranjem bile najveće: usmjeravanje i rješavanje zahtjeva za podršku dobavljača te dosljedno poboljšavanje desetaka tisuća atributa proizvoda u katalogu od približno 30 milijuna artikala.

Wayfairov tim za kataloge upravlja desecima milijuna proizvoda u gotovo tisuću različitih klasa proizvoda. Dosljedne i točne oznake atributa proizvoda — kao što su boja, materijal, veličina ili specifične značajke — ključne su za pretraživanje, preporuke i trgovanje robom.    

„Što je bolja kvaliteta naših podataka, to je veće povjerenje koje klijent ima u nas. To je ključno jer kupcima omogućuje donošenje ispravnih odluka o kupnji, čime se izravno smanjuju skupi naknadni problemi poput povrata zbog pogrešno predstavljenih proizvoda,” izjavila je Jessica D'Arcy, pomoćnica direktorice za katalog i trgovanje robom u Wayfairu. 

Prije OpenAI-ja, poboljšanja označavanja prvenstveno su se oslanjala na dobavljače i kupce koji bi Wayfair obavještavali da nešto izgleda pogrešno. Ručni napor nije mogao pratiti obujam rada.  Rani prilagođeni AI modeli za pojedinačne oznake bili su učinkoviti, ali pokazali su se skupima za izradu i održavanje. „Počeli smo izradom prilagođenih modela za pojedinačne oznake i tehnički je to funkcioniralo”, rekla je Carolyn Phillips, Wayfairova znanstvenica za strojno učenje. „Ali kada se radi o 47,000 oznaka, taj pristup jednostavno ne možete koristiti na toj razini veličine.”

Kako bi prevladao jednokratne modele, Wayfair je stvorio sustav neovisan o oznakama izgrađen na jednom OpenAI modelu. „Agent definicija” unosi web definicije i interne definicije kako bi proizveo kontekstualno značenje za svaku oznaku. „Pravo usko grlo nije bio učinak modela”, rekao je Phillips. „Bilo je to vrijeme koje je čovjeku bilo potrebno da definira i kodira što je svaka oznaka zapravo značila.” Ovaj kontekst, zajedno s podacima o proizvodima sakupljenim iz cijelog Wayfairovog podatkovnog ekosustava, ulazi u okvir koji može klasificirati atribute u svim klasama proizvoda. Tim sada proširuje pokrivenost modela na nove atribute brzinom 70 puta većom nego prije samo godinu dana.

Sustav sada radi u produkciji na više od 1 milijun proizvoda. Prvi val proizvoda s poboljšanim atributima sada je već dovoljno dugo u upotrebi da se može izmjeriti učinak poboljšanja kvalitete podataka na korisničko 'putovanje'.  „Kada poboljšate potpunost atributa, to nije apstraktno. Vidite da se to očituje u SEO i PLA izvedbi – u načinu na koji kupci otkrivaju proizvode”, rekao je Phillips. Kontrolirani A/B test pokazao je znatno i statistički značajno povećanje impresija, klikova i ranga stranice u tretiranoj skupini.

Međutim, Wayfair odluke o ispravljanju podataka o proizvodima nije jednostavno prepustio modelu. „Naš je cilj izgraditi povjerenje kako bi kupci bili potpuno sigurni u ono što kupuju”, rekao je Phillips. Tvrtka je razvila strukturirano testiranje uz praktičan postupak revizije u kojem zaposlenici fizički pregledavaju uzorke kako bi provjerili rezultate modela, a s dobavljačima je surađivala na potvrdi promjena. Sada, kad je razina pouzdanosti na temelju podataka visoka, automatizirani sustavi izravno će prebrisati sadržaj i obavijestiti dobavljača o promjeni. A kada se ne ispuni visok standard ili se oznaka smatra visokorizičnom, Wayfair najprije traži potvrdu dobavljača prije nego što unese promjenu.

Wayfair surađuje s desecima tisuća dobavljača kako bi podržao njihov sveobuhvatni katalog. Za upravljanje zahtjevima za podršku dobavljača, zaposlenici Wayfaira su povijesno pregledavali svaki dolazni zahtjev, ručno identificirali što su dobavljači pokušavali postići i usmjeravali probleme prema odgovarajućem internom vlasniku — proces koji je bio vremenski zahtjevan i sklon pogreškama. „Zahtjevi dobavljača nisu jednostavni”, rekao je Graham Ganssle, zadužen za podršku dobavljačima i operacije u Wayfairu. „Obuhvaćaju stotine vrsta problema i nijedan pojedinačni suradnik ne može ih realno sve savladati.”

Wayfair je dodao agentske značajke proizvodu pod nazivom Wilma kako bi uz pomoć umjetne inteligencije unaprijedio ove tijekove rada. Jedna od prvih značajki u produkciji je tzv. 'trijaža tiketa' koju pokreće OpenAI-jev model. Sustav čita dolazne zahtjeve, popunjava nedostajući kontekst i usmjerava zahtjeve odgovarajućem timu. Wilma je osmišljena za brzu implementaciju; izgrađena je na sustavu već integriranom s OpenAI API-jima i prešla je iz prototipa u proizvodnju za otprilike mjesec dana. „Wilma suradnicima daje prednost,” rekao je Ganssle. “Čita zahtjev, prepoznaje namjeru, popunjava kontekst iz naših baza podataka, po potrebi se ponovno obraća dobavljačima i usmjerava problem u pravom smjeru.”

Osim usmjeravanja, Wayfair je implementirao desetak agentskih AI tokova za specifične timove za rješavanje problema. Primjerice, kopilot za tim za operacije zamjenskih dijelova čita složenu povijest slučaja, predlaže sljedeće korake i predlaže nacrte odgovora koje ljudski suradnici pregledavaju. Ovi asistenti obučeni su na povijesnim podacima pa uče kako izgleda uspjeh u kontekstu. „Modeli mogu sintetizirati kontekst kroz cijelo putovanje na način koji je jednom suradniku teško postići”, rekao je Ganssle. „Ta šira slika doprinosi većem zadovoljstvu kupaca i dobavljača.”

Wayfair prati koliko često preporuke AI-ja odgovaraju konačnoj odluci ljudskog agenta — metrika koja se naziva „stopa usklađenosti“. Unutar svakog tima, kada usklađenost dosljedno dosegne unaprijed određeni prag, tijekovi rada mogu se prebaciti iz onih koji funkcioniraju uz asistenciju („kopilot”) u poluautonomne („autopilot”) načine rada. Ovaj postupni pristup gradi povjerenje i osigurava kontrole kvalitete tijekom uvođenja.

Otkako je integrirao OpenAI modele u interne sustave, Wayfair izvješćuje o mjerljivim poboljšanjima.

Na strani kataloga, tvrtka je smanjila broj pogrešnih ili nedostajućih oznaka atributa proizvoda koje bi kupac mogao vidjeti — nakon što je ispravila 2,5 milijuna oznaka proizvoda na više od milijun najvidljivijih i najkupovanijih proizvoda u Wayfairovom katalogu. Očekuju da će taj učinak učetverostručiti u sljedećih šest mjeseci.

U podršci dobavljačima, sustavi za trijažu, kopilota i autopilota povećali su propusnost automatizacijom 41 000 tiketa mjesečno (to je do 70 % u nekim tijekovima rada) i smanjili vrijeme obrade uklanjanjem rutinskog ručnog rada iz opterećenja suradnika. Time se dramatično skraćuje vrijeme do rješenja za više radnih tijekova, značajno povećava zadovoljstvo dobavljača i smanjuje ponovno otvaranje tiketa u tim radnim tijekovima.

Šira vidljivost koju modeli pružaju tiketima i namjeri dobavljača — izvan onoga što jedan suradnik može vidjeti na zaslonu — doprinijela je tom povećanju zadovoljstva.

Operativno, timovi izvješćuju o sljedećim promjenama:

• Brže usmjeravanje i rješavanje složenih zahtjeva dobavljača.
• Povećano zadovoljstvo dobavljača.
• Smanjen ručni unos podataka i manje rada na klasifikaciji.
• Širi obuhvat problema bez potrebe za stručnošću u stotinama tema.
• Veće povjerenje u atribute kataloga prije objave.

Wayfair je također uveo više od 1.200 ChatGPT Enterprise licenci u svojoj radnoj snazi od približno 12.000 ljudi kako bi podržao ad hoc zadatke, interno rješavanje problema i eksperimentiranje s generativnim modelima.

Wayfair ima dugu povijest ulaganja u strojno učenje i suradnje s platformama umjetne inteligencije i pružateljima LLM-ova kako bi unaprijedili svoje poslovanje. Sada napredak u graničnim modelima, osobito višemodalnim sustavima, proširuje mogućnosti njihovih timova. To je važno u maloprodaji za dom, gdje su proizvodi vizualni, stilski i često subjektivni.

„Uzbuđeni smo zbog opsega problema koje sada možemo rješavati”, rekla je Carolyn Phillips. „Tradicionalni algoritmi zahtijevaju strogo definirane skupove podataka. Ovi modeli omogućuju nam da se nosimo s dvosmislenošću i kontekstom na način koji prije nije bio skalabilan.” 

Gledajući unaprijed, potražnja zaposlenika za modelom ChatGPT Enterprise bila je velika. Timovi u Wayfairu to vide kao praktičan alat koji im pomaže da se kreću brže.

Očekivanja kupaca također se brzo mijenjaju. Sve više kupaca osjeća se ugodno koristeći umjetnu inteligenciju u svakodnevnom životu i počinju očekivati slične mogućnosti kada pregledavaju, uspoređuju i kupuju na internetu.

„Kod kuće kupci često nemaju točne riječi za ono što traže”, rekla je Fiona Tan. „Prirodni jezik i multimodalni sustavi pomažu premostiti taj jaz.”

Za Wayfairove lidere cilj ostaje nadopuniti ljudsku ekspertizu uz istovremeno skaliranje internih sposobnosti. „Gradimo za svijet u kojem je AI dio kupovne putanje — bilo na našoj mrežnoj lokaciji, putem podrške ili kroz sučelja za razgovor“, zaključila je Fiona Tan.