Wayfair носи точност на каталог и брзина на поддршка со OpenAI

Wayfair, еден од најголемите светски трговци на мало со производи за домот, има интегрирано OpenAI модели во критични внатрешни системи за да ги подобри работните текови за поддршка на добавувачите и квалитетот на каталогот на производи во голем обем. Она што започна како изданија во мал обем за тестирање на вредноста во 2024 година, еволуираше во целосен продукциски систем што го намалува рачниот напор, го забрзува донесувањето одлуки и го подобрува квалитетот на податоците низ милиони производи.

Наместо да ја третира генеративната вештачка интелигенција како експеримент или решение во една точка, Wayfair ги вгради моделите на OpenAI во основните оперативни работни процеси. Компанијата прво се фокусираше таму каде што сложеноста и потребата за скалирање беа највисоки: насочување и решавање на барањата за поддршка од добавувачи и доследно подобрување на десетици илјади атрибути на производи низ каталог од приближно 30 милиони артикли.

Тимот за каталог на Wayfair управува со десетици милиони производи во речиси илјада различни класи на производи. Доследните и точни ознаки за атрибути на производот, како што се боја, материјал, големина или специфични карактеристики, се од суштинско значење за пребарување, препораки и мерчендајзинг.    

„Колку е подобар квалитетот на нашите податоци, толку повеќе доверба градиме со клиентот.“ Тоа е од суштинско значење бидејќи им овозможува на купувачите да донесуваат правилни одлуки за купување, директно намалувајќи ги скапите последователни проблеми како што се враќањата поради погрешно претставени производи,“ изјави Џесика Дарси, заменик-директорка за мерчендајзинг на каталог во Wayfair. 

Пред OpenAI, подобрувањата во означувањето првенствено се потпираа на добавувачите и клиентите да ѝ кажат на Wayfair дека нешто изгледало погрешно. Рачниот напор не можеше да го следи обемот.  Раните сопствени модели на вештачка интелигенција за поединечни ознаки беа ефикасни, но се покажаа скапи за изработка и одржување. „Почнавме со градење на наменски модели за поединечни ознаки, и технички тоа функционираше“, изјави Керолин Филипс, научник за машинско учење во техничкиот персонал на Wayfair. „Но кога гледаш 47,000 ознаки, тој пристап едноставно не може да се прошири.“

За да се надминат еднократните модели, Wayfair создаде систем независен од ознаки, изграден врз еден единствен OpenAI модел. „Агент за дефиниции“ ги внесува вебот и внатрешните дефиниции за да произведе контекстуално значење за секоја ознака. „Вистинското тесно грло не беа перформансите на моделот“, рече Филипс. „Тоа беше човечкото време потребно за да се дефинира и кодира што всушност значи секоја ознака.“ Овој контекст, заедно со податоците за производите собрани низ екосистемот на податоци на Wayfair, се влева во рамка што може да класифицира атрибути во повеќе класи на производи. Тимот сега ја проширува покриеноста на моделот на нови атрибути со 70 пати поголема стапка отколку пред само една година.

Системот сега работи во продукција на повеќе од 1.000.000 производи. И првиот бран производи со подобрени атрибути сега е во употреба доволно долго за да се измери влијанието од подобрувањето на квалитетот на податоците врз патувањето на клиентот.  „Кога ќе ја подобрите целосноста на атрибутите, тоа не е апстрактно. „Го гледате тоа како се одразува во перформансите на SEO и PLA - во тоа како клиентите откриваат производи“, рече Филипс. Контролиран A/B тест покажа значително и статистички значајно зголемување на импресиите, кликовите и рангирањето на страницата во групата со третман.

Меѓутоа, Wayfair не им ги предаде едноставно одлуките за коригирање на податоците за производите на моделот. „Нашата цел е да изградиме доверба за клиентите да бидат целосно уверени во тоа што го купуваат“, рече Филипс. Компанијата разви структурирано тестирање користејќи практичен процес на ревизија во кој соработниците физички ги проверуваат примероците за да го валидираат излезот на моделот, и работеше со добавувачите за да ги валидира промените. Сега, кога довербата заснована на податоци е висока, автоматизираните системи директно ќе ја препишат содржината и ќе го известат добавувачот за промената. И кога не е исполнет висок стандард или ознаката се смета за висок ризик, Wayfair прво бара потврда од добавувачот пред да ја направи промената.

Wayfair соработува со десетици илјади добавувачи за да го поддржи нивниот сеопфатен каталог. За да управуваат со барањата за поддршка од добавувачите, вработените во Wayfair историски го прегледуваа секој дојден тикет, рачно идентификуваа што се обидуваат да постигнат добавувачите и ги насочуваа проблемите до точниот внатрешен сопственик - процес што одзема многу време и подлежи на грешки. „Барањата од добавувачите не се едноставни,“ изјави Греам Гансле, поддршка и операции за добавувачи во Wayfair. „Тие опфаќаат стотици типови проблеми, и ниту еден поединечен соработник реално не може да ги совлада сите.“

Wayfair додаде функции на агент на производот со име Wilma за да ги надополни овие работни текови со вештачка интелигенција. Една од првите функции во продукција е тријажа на тикети поддржана од модел на OpenAI. Системот ги чита дојдените барања, го пополнува контекстот што недостасува и ги насочува тикетите до соодветниот тим. Wilma беше дизајнирана за брзо да може да се имплементира; изградена врз систем веќе интегриран со API на OpenAI, таа премина од прототип во продукција за приближно еден месец. „Wilma им дава предност на соработниците“, рече Ganssle. „Го чита тикетот, ја идентификува намерата, го пополнува контекстот од нашите бази на податоци, повторно се обраќа до добавувачите ако е потребно и го насочува проблемот во вистинската насока.“

Покрај рутирањето, Wayfair има распоредено десетина текови со агенти со вештачка интелигенција за конкретни тимови за решавање. На пример, копилот за тимот за операции со резервни делови чита сложена историја на случаи, предлага следни чекори и предлага нацрт-одговори што луѓето-соработници ги прегледуваат. Овие асистенти се обучени на историски податоци за да научат како изгледа успехот во контекст. „Моделите можат да синтетизираат контекст низ целиот процес на начин што е тешко да го направи еден вработен“, рече Гансле. „Таа поширока видливост придонесува за поголемо задоволство на клиентите и добавувачите.“

Wayfair следи колку често препораките на вештачката интелигенција се совпаѓаат со конечната одлука на човечкиот агент - метрика наречена „стапка на усогласеност.“ Во рамките на секој тим, кога усогласувањето постојано достигнува однапред утврден праг, работните процеси можат да се префрлат од асистивни („копилот”) во полуавтономни („автопилот”) режими. Овој постепен пристап гради доверба и обезбедува контроли на квалитетот за време на воведувањето.

Wayfair известува за мерливи подобрувања откако ги интегрираше модел на OpenAI во внатрешните системи.

На страната на каталогот, компанијата го намали бројот на погрешни или недостасувачки ознаки за атрибути на производи што клиентот може да ги види - откако коригираше 2,5 милиони ознаки за производи низ повеќе од еден милион од највидливите и најкупуваните производи во каталогот на Wayfair. Тие очекуваат да го зголемат ова влијание четирипати во следните шест месеци.

Во поддршката за добавувачи, системите за тријажа, копилот и автопилот го зголемија капацитетот со автоматизирање на 41,000 тикети месечно (тоа е до 70% во некои работни процеси) и ги намалија времињата на обработка со отстранување на рутинската рачна работа од обемот на работа на соработниците. Ова драматично го скратува времето до решавање за повеќе работни текови, значително го зголемува задоволството на добавувачите и ги намалува повторните отворања на тикети во тие работни текови.

Пошироката видливост што моделите ја обезбедуваат во тикетите и намерите на добавувачите - надвор од она што еден поединечен соработник може да го види на екранот - придонесе за тоа зголемување на задоволството.

Оперативно, тимовите известуваат за:

• Побрзо насочување и решавање на сложени тикети од добавувачи
• Зголемено задоволство на добавувачите
• Намален рачен внес на податоци и работа на класификација
• Поширок спектар на опфат на проблеми без да се бара експертиза низ стотици теми
• Поголема доверба во атрибутите на каталогот пред објавување.

Wayfair исто така распореди повеќе од 1,200 ChatGPT Enterprise лиценци низ својата работна сила од приближно 12.000 лица за поддршка на ад хок задачи, внатрешно решавање проблеми и експериментирање со генеративни модели.

Wayfair има долга историја на инвестирање во машинско учење и соработка со платформи за вештачка интелигенција и провајдери на големи јазични модели (LLM) за унапредување на својот бизнис. Сега, напредокот во граничните модели, особено мултимодалните системи, го проширува она што неговите тимови можат да го изградат. Тоа е важно во малопродажбата за домот, каде што производите се визуелни, стилски и често субјективни.

“Возбудени сме за опсегот на проблеми со кои сега можеме да се справиме,” рече Керолин Филипс. „Традиционалните алгоритми бараат строго дефинирани збирки на податоци. Овие модели ни овозможуваат да работиме низ двосмисленост и контекст на начин што претходно не беше можно да се прошири. 

Гледајќи напред, побарувачката од вработените за ChatGPT Enterprise е силна. Тимовите во Wayfair го гледаат како практична алатка што им помага да работат побрзо.

Очекувањата на клиентите исто така брзо се менуваат. Сè повеќе купувачи се чувствуваат удобно да користат вештачка интелигенција во нивниот секојдневен живот и почнуваат да очекуваат слични можности кога прелистуваат, споредуваат и купуваат онлајн.

„Дома, клиентите често ги немаат точните зборови за тоа што го бараат“, рече Фиона Тан. „Системите за природен јазик и мултимодални системи помагаат да го премостуваат овој јаз.“

За лидерите на Wayfair, целта останува да се надополни човечката експертиза, додека се зголемуваат внатрешните капацитети. „Градиме за свет во кој вештачката интелигенција е дел од патувањето при купување, без разлика дали тоа е на нашата страница, преку поддршка или преку разговорни интерфејси“, заклучи Фиона Тан.