Wayfair eleva la qualità del catalogo e l'assistenza con OpenAI

Wayfair, uno dei maggiori rivenditori mondiali di articoli per la casa, ha integrato i modelli OpenAI in sistemi interni critici per migliorare il supporto ai fornitori e la qualità del catalogo su larga scala. Da test su piccola scala nel 2024, il progetto si è evoluto in un sistema di produzione completo che riduce il lavoro manuale, accelera le decisioni e migliora la qualità dei dati su milioni di prodotti.

Più che trattare l’IA generativa come esperimento o soluzione puntuale, Wayfair ha integrato i modelli OpenAI nei flussi operativi principali. L’azienda si è concentrata prima sugli ambiti più complessi e scalabili: instradare e risolvere le richieste dei fornitori e migliorare in modo coerente decine di migliaia di attributi in un catalogo di circa 30 milioni di articoli.

Il team del catalogo di Wayfair gestisce decine di milioni di prodotti in quasi un migliaio di classi di prodotto diverse. Tag di attributi prodotto coerenti e accurati, come colore, materiale, dimensioni o caratteristiche specifiche, sono fondamentali per ricerca, raccomandazioni e merchandising.    

"Maggiore è la qualità dei nostri dati, maggiore è la fiducia che costruiamo con il cliente. È essenziale perché consente agli acquirenti di prendere decisioni d’acquisto corrette, riducendo direttamente problemi a valle come i resi dovuti a descrizioni fuorvianti", ha dichiarato Jessica D'Arcy, Associate Director of Catalog Merchandising di Wayfair. 

Prima di OpenAI, i miglioramenti del tagging si basavano soprattutto su fornitori e clienti che segnalavano a Wayfair anomalie. Lo sforzo manuale non riusciva a stare al passo con il volume.  I primi modelli IA personalizzati per singoli tag erano efficaci, ma si sono rivelati costosi da sviluppare e mantenere. "Abbiamo iniziato costruendo modelli su misura per singoli tag, e tecnicamente funzionava", ha dichiarato Carolyn Phillips, staff machine learning scientist di Wayfair. "Ma quando si tratta di 47.000 tag, questo approccio non è scalabile."

Per superare i modelli una tantum, Wayfair ha creato un sistema indipendente dai tag basato su un unico modello OpenAI. Un "agente di definizione" attinge al web e alle definizioni interne per generare il significato contestuale di ciascun tag. "Il vero collo di bottiglia non era la performance del modello", ha dichiarato Phillips. "Era il tempo necessario per definire e codificare il significato reale di ciascun tag." Questo contesto, insieme ai dati di prodotto aggregati nell’ecosistema Wayfair, alimenta un framework in grado di classificare gli attributi tra diverse classi di prodotto. Il team sta ampliando la copertura del modello su nuovi attributi a una velocità 70 volte superiore rispetto a un anno fa.

Il sistema è ora operativo in produzione su oltre 1 milione di prodotti. La prima ondata di prodotti con attributi migliorati è online da abbastanza tempo da consentire di misurare l’impatto della qualità dei dati sul customer journey.  "Quando migliori la completezza degli attributi, non è un concetto astratto. Lo si vede nelle performance SEO e PLA, nel modo in cui i clienti scoprono i prodotti", ha dichiarato Phillips. Un test A/B controllato ha mostrato un aumento significativo di impressioni, click e ranking della pagina nel gruppo di trattamento.

Tuttavia, Wayfair non ha semplicemente delegato al modello le decisioni sulla correzione dei dati di prodotto. "Il nostro obiettivo è costruire fiducia affinché i clienti siano pienamente sicuri di ciò che acquistano", ha dichiarato Phillips. L’azienda ha sviluppato test strutturati basati su un processo di audit pratico, in cui i collaboratori ispezionano fisicamente i campioni per convalidare l’output del modello, collaborando inoltre con i fornitori per validare le modifiche. Ora, quando il livello di affidabilità dei dati è elevato, i sistemi automatizzati sovrascrivono direttamente il contenuto e notificano la modifica al fornitore. Quando invece non viene raggiunto uno standard elevato o il tag è considerato ad alto rischio, Wayfair richiede prima la conferma del fornitore.

Wayfair collabora con decine di migliaia di fornitori per supportare il proprio ampio catalogo. Per gestire le richieste di assistenza dei fornitori, i team Wayfair esaminavano ogni ticket in arrivo, identificavano manualmente l’obiettivo del fornitore e instradavano il problema al referente interno corretto: un processo lungo e soggetto a errori. "Le richieste dei fornitori non sono semplici", ha dichiarato Graham Ganssle, Supplier Support and Operations di Wayfair. "Coprono centinaia di tipologie di problemi e nessun singolo operatore può realisticamente padroneggiarle tutte."

Wayfair ha introdotto funzionalità agentiche nel prodotto Wilma per potenziare questi flussi con l’IA. Una delle prime funzionalità in produzione è il triage dei ticket basato su un modello OpenAI. Il sistema legge le richieste in arrivo, integra il contesto mancante e instrada i ticket al team corretto. Wilma è stata progettata per un’implementazione rapida; basata su un sistema già integrato con le API OpenAI, è passata dal prototipo alla produzione in circa un mese. "Wilma offre ai collaboratori maggiore efficacia", ha dichiarato Ganssle. "Legge il ticket, identifica l’intento, integra il contesto dai nostri database, ricontatta i fornitori se necessario e indirizza il problema nella giusta direzione."

Oltre all’instradamento, Wayfair ha implementato una dozzina di flussi di IA agentica per specifici team di risoluzione. Ad esempio, un assistente per il team Ricambi legge la cronologia di casi complessi, propone i passaggi successivi e suggerisce bozze di risposta che gli operatori umani esaminano. Questi assistenti sono addestrati su dati storici, così da apprendere cosa significhi il successo nel contesto specifico. "I modelli possono sintetizzare il contesto lungo l’intero percorso in modo difficile da replicare per un singolo operatore", ha dichiarato Ganssle. "Questa visibilità più ampia contribuisce a una maggiore soddisfazione di clienti e fornitori."

Wayfair monitora con quale frequenza le raccomandazioni dell’IA coincidono con la decisione finale dell’operatore umano, una metrica chiamata "tasso di allineamento". All’interno di ciascun team, quando l’allineamento raggiunge stabilmente una soglia prestabilita, i flussi di lavoro possono passare da modalità assistite a modalità semi-autonome. Questo approccio graduale crea fiducia e garantisce controlli di qualità durante il rilascio.

Wayfair segnala miglioramenti misurabili da quando ha integrato i modelli OpenAI nei sistemi interni.

Sul fronte del catalogo, l’azienda ha ridotto il numero di tag degli attributi di prodotto errati o mancanti visibili ai clienti, correggendo 2,5 milioni di tag su oltre un milione dei prodotti più visibili e acquistati nel catalogo Wayfair. Prevede di quadruplicare questo impatto nei prossimi sei mesi.

Nel supporto ai fornitori, i sistemi di triage e automazione hanno aumentato la capacità di elaborazione automatizzando 41.000 ticket al mese (fino al 70% in alcuni flussi) e ridotto i tempi di evasione eliminando il lavoro manuale di routine. Questo riduce drasticamente i tempi di risoluzione per più flussi, aumenta significativamente la soddisfazione dei fornitori e riduce le riaperture dei ticket.

La maggiore visibilità che i modelli offrono sui ticket e sulle intenzioni dei fornitori, oltre quanto visibile a un singolo operatore su schermo, ha contribuito a questo aumento della soddisfazione.

Dal punto di vista operativo, i team riportano:

• Instradamento e risoluzione più rapidi dei ticket complessi dei fornitori
• Maggiore soddisfazione dei fornitori
• Riduzione dell’inserimento manuale dei dati e delle attività di classificazione
• Copertura più ampia delle problematiche senza richiedere competenze su centinaia di ambiti
• Maggiore affidabilità degli attributi del catalogo prima della pubblicazione.

Wayfair ha inoltre distribuito oltre 1.200 licenze ChatGPT Enterprise nella propria forza lavoro di circa 12.000 persone per supportare attività ad hoc, la risoluzione interna dei problemi e la sperimentazione con modelli generativi.

Wayfair vanta una lunga esperienza negli investimenti in machine learning e nella collaborazione con piattaforme di IA e fornitori di LLM per far evolvere il proprio business. Oggi, i progressi nei modelli avanzati, in particolare nei sistemi multimodali, stanno ampliando le possibilità per i team. Questo è particolarmente rilevante nel retail per la casa, dove i prodotti sono visivi, legati allo stile e spesso soggettivi.

"Siamo entusiasti della gamma di problemi che ora possiamo affrontare", ha dichiarato Carolyn Phillips. “Gli algoritmi tradizionali richiedono set di dati rigorosamente definiti. Questi modelli permettono di gestire ambiguità e contesto in modi prima non scalabili." 

Guardando al futuro, la domanda dei dipendenti per ChatGPT Enterprise è elevata. I team di Wayfair lo considerano uno strumento pratico che li aiuta a lavorare più velocemente.

Anche le aspettative dei clienti stanno cambiando rapidamente. Sempre più acquirenti si sentono a proprio agio nell’utilizzare l’IA nella vita quotidiana e iniziano ad aspettarsi funzionalità simili quando navigano, confrontano e acquistano online.

"A casa, i clienti spesso non hanno le parole esatte per descrivere ciò che cercano", ha dichiarato Fiona Tan. "Il linguaggio naturale e i sistemi multimodali aiutano a colmare questo divario."

Per i leader di Wayfair, l’obiettivo resta potenziare le competenze umane ampliando al contempo le capacità interne. "Stiamo costruendo per un mondo in cui l’IA è parte del percorso di acquisto, sia sul nostro sito sia tramite l’assistenza o interfacce conversazionali", ha concluso Fiona Tan.