Wayfair usprawnia katalog i szybkość wsparcia dzięki OpenAI

Wayfair, jeden z największych na świecie sprzedawców artykułów wyposażenia domu, zintegrował modele OpenAI z kluczowymi systemami wewnętrznymi, aby usprawnić procesy obsługi dostawców i poprawić jakość katalogu produktów na dużą skalę. Procesy, które rozpoczęto w 2024 roku jako testy niewielkich wdrożeń, przekształciły się w pełny system produkcyjny, który ogranicza nakład pracy ręcznej, przyspiesza podejmowanie decyzji i poprawia jakość danych w przypadku milionów produktów.

Zamiast traktować generatywną AI jako eksperyment lub rozwiązanie na niewielką skalę, w Wayfair zastosowano modele OpenAI w kluczowych procesach operacyjnych. Firma najpierw skupiła się na obszarach, w których złożoność i potrzeba działania na dużą skalę były największe: kierowaniu i rozwiązywaniu zgłoszeń dostawców oraz spójnym ulepszaniu dziesiątek tysięcy atrybutów produktów w katalogu obejmującym około 30 milionów pozycji.

Zespół ds. katalogu w Wayfair zarządza dziesiątkami milionów produktów rozsianych po niemal tysiącu różnych klas produktów. Spójne i dokładne znaczniki atrybutów produktu (takie jak kolor, materiał, rozmiar czy konkretne cechy) mają kluczowe znaczenie dla wyszukiwania, rekomendacji i merchandisingu.    

„Im lepsza jakość naszych danych, tym większym zaufaniem obdarzają nas klienci. To niezwykle istotne, ponieważ pomaga im podejmować właściwe decyzje zakupowe, co bezpośrednio ogranicza kosztowne problemy na dalszych etapach, takie jak zwroty wynikające z niezgodnego z opisem przedstawienia produktów”, mówi Jessica D'Arcy, Associate Director of Catalog Merchandising w Wayfair. 

Przed zastosowaniem technologii OpenAI usprawnienia w obrębie znaczników opierały się głównie na tym, że dostawcy i klienci informowali Wayfair, gdy występowały problemy. Ręczne działania nie nadążały za ilością wymaganych poprawek.  Wczesne niestandardowe modele AI dla poszczególnych znaczników były skuteczne, ale okazały się kosztowne w budowie i utrzymaniu. „Zaczęliśmy od tworzenia niestandardowych modeli dla poszczególnych znaczników i z technicznego punktu widzenia to działało, ale w przypadku 47 000 znaczników, takie podejście po prostu nie ma szans powodzenia”, mówi Carolyn Phillips, starsza specjalistka ds. uczenia maszynowego w Wayfair.

Aby wyjść poza jednorazowe modele, firma Wayfair „pozaznacznikowy” system oparty na jednym modelu OpenAI. „Agent definicji” przetwarza treści z internetu i definicje wewnętrzne, aby określić znaczenie kontekstowe każdego znacznika. „Prawdziwym wąskim gardłem nie była wydajność modelu” — mówi Phillips. „Chodziło o czas pracy ludzi potrzebny do zdefiniowania i zakodowania tego, o czym informował każdy znacznik”. Ten kontekst wraz z danymi o produktach zagregowanymi z całego ekosystemu danych Wayfair stanowią dane wejściowe dla struktury, która umożliwia klasyfikowanie atrybutów w różnych klasach produktów. Zespół rozszerza teraz zakres atrybutów obsługiwanych przez model w tempie 70 razy szybszym niż jeszcze rok temu.

System działa już w środowisku produkcyjnym dla ponad 1 miliona produktów. Pierwsza fala produktów z ulepszonymi atrybutami jest już dostępna wystarczająco długo, aby zmierzyć wpływ poprawy jakości danych na ścieżkę klienta.  „Poprawianie kompletności atrybutów to działanie abstrakcyjne. Widać to w wynikach SEO i PLA, czyli w sposobie, w jaki klienci odkrywają produkty”, mówi Phillips. Kontrolowany test A/B wykazał znaczny i istotny wzrost liczby wyświetleń, kliknięć oraz polepszenia pozycji strony w grupie eksperymentalnej.

W Wayfair zrobiono znacznie więcej niż tylko przekazano modelowi zakres decyzji dotyczących korygowania danych produktowych. „Naszym celem jest budowanie zaufania, tak aby klienci mieli całkowitą pewność co do tego, co kupują”, mówi Phillips. Firma opracowała uporządkowany proces testowania oparty na praktycznym audycie, w ramach którego pracownicy fizycznie sprawdzają próbki, aby zweryfikować wyniki modelu, a także współpracowała z dostawcami przy weryfikacji zmian. Teraz, gdy poziom pewności oparty na danych jest wysoki, zautomatyzowane systemy będą bezpośrednio nadpisywać treść i powiadamiać dostawcę o zmianie. A gdy wysoki standard nie zostanie spełniony lub znacznik zostanie uznany za obarczony wysokim ryzykiem, przed wprowadzeniem zmiany Wayfair zwraca się do dostawcy o potwierdzenie.

W ramach obsługi swojego kompleksowego katalogu Wayfair współpracuje z dziesiątkami tysięcy dostawców. Aby zarządzać zgłoszeniami wsparcia od dostawców, pracownicy Wayfair historycznie analizowali każde przychodzące zgłoszenie, ręcznie ustalali, co dostawcy próbowali osiągnąć, i przekazywali sprawy do właściwej osoby właściwej osoby w firmie – był to proces czasochłonny i podatny na błędy. „Prośby dostawców nie są proste”, mówi Graham Ganssle, odpowiedzialny za wsparcie i operacje związane z dostawcami w Wayfair. „Obejmują setki rodzajów problemów i żaden pracownik nie jest w stanie opanować ich wszystkich”.

Wayfair dodał do produktu o nazwie Wilma funkcje agentowe, aby wspomagać te przepływy pracy za pomocą AI. Jedną z pierwszych funkcji wdrożonych do środowiska produkcyjnego jest triage zgłoszeń obsługiwany przez model OpenAI. System odczytuje przychodzące zgłoszenia, uzupełnia brakujący kontekst i kieruje je do odpowiedniego zespołu. Rozwiązanie Wilma można szybko wdrożyć, ponieważ zostało zbudowane na bazie systemu wcześniej zintegrowanego z interfejsami API OpenAI i przeszło od prototypu do wersji produkcyjnej w około miesiąc. „Wilma daje współpracownikom przewagę”, mówi Ganssle. „Odczytuje zgłoszenie, rozpoznaje intencję, uzupełnia kontekst danymi z naszych baz, w razie potrzeby ponownie kontaktuje się z dostawcami i kieruje sprawę na właściwe tory”.

Poza przekazywaniem informacji w Wayfair wdrożono kilkanaście procedur agentowych AI dla zespołów odpowiedzialnych za konkretne rozwiązania. Na przykład, asystent dla zespołu operacji związanych z częściami zamiennymi analizuje złożoną historię spraw, proponuje kolejne działania i sugeruje wersje robocze odpowiedzi, które następnie są sprawdzane przez pracowników. Te asystenty są trenowane na danych historycznych, dzięki czemu uczą się, jak wygląda pomyślne działanie w danym kontekście. „Modele potrafią syntetyzować kontekst na całej ścieżce w sposób, który jest trudny do osiągnięcia dla pojedynczego pracownika”, mówi Ganssle. „Ta szersza optyka przyczynia się do większego zadowolenia klientów i dostawców”.

Wayfair śledzi, jak często rekomendacje AI pokrywają się z ostateczną decyzją agenta – jest to wartość nazywana „wskaźnikiem zgodności”. Gdy w obrębie każdego zespołu spójność konsekwentnie osiąga z góry określony próg, przepływy pracy mogą przejść z trybu wspomagającego („asystent”) do trybu półautonomicznego („autopilot”). To etapowe podejście zwiększa zaufanie i zapewnia mechanizmy kontroli jakości podczas wdrażania.

W Wayfair odnotowano zauważalne korzyści od czasu zintegrowania modeli OpenAI z systemami wewnętrznymi.

W przypadku katalogu firma zmniejszyła liczbę błędnych lub brakujących znaczników atrybutów produktów, które mogli zauważać klienci, poprawiając 2,5 mln znaczników produktowych w ponad milionie najbardziej widocznych i najczęściej kupowanych produktów w katalogu Wayfair. Oczekiwane jest czterokrotne zwiększenie tej wartości w ciągu najbliższych sześciu miesięcy.

W zakresie wsparcia dostawców systemy triage, asystenckie i autonomiczne zwiększyły przepustowość poprzez automatyzację 41 000 zgłoszeń miesięcznie (czyli nawet do 70% w niektórych przepływach pracy) oraz skróciły czas realizacji przez wyeliminowanie rutynowej pracy ręcznej pracowników. To znacząco skróciło czas potrzebny na rozwiązanie problemu w wielu przepływach pracy, wyraźnie zwiększyło satysfakcję dostawców i ograniczyło ponowne otwieranie zgłoszeń w tych przepływach pracy.

Do tego wzrostu satysfakcji przyczynił się szerszy wgląd, jaki modele zapewniają w zgłoszenia i intencje dostawcy – wykraczający poza to, co pojedynczy pracownik może zobaczyć na ekranie.

W praktyce zespoły zgłaszają:

• Szybsze kierowanie i rozwiązywanie złożonych zgłoszeń dostawców
• Zwiększenie satysfakcji dostawców
• Ograniczenie ręcznego wprowadzania danych i działań związanych z klasyfikacją
• Szerszy zakres obsługiwanych zagadnień bez konieczności posiadania specjalistycznej wiedzy z setek tematów
• Większa pewność co do atrybutów katalogu przed publikacją.

W Wayfair wdrożono również ponad 1200 licencji ChatGPT Enterprise wśród około 12 000 pracowników, co pozwoliło usprawnić realizację doraźnych zadań, wewnętrzne rozwiązywanie problemów oraz eksperymentowanie z modelami generatywnymi.

Firma Wayfair od dawna inwestuje w uczenie maszynowe oraz współpracę z platformami AI i dostawcami modeli LLM, aby rozwijać swoją działalność. Teraz postępy w modelach pionierskich, szczególnie w systemach multimodalnych, poszerzają możliwości zespołów Wayfair w zakresie ich możliwości tworzenia rozwiązań. Ma to szczególne znaczenie w sprzedaży produktów wyposażenia domu, w przypadku których wygląd, stylistyka i wrażenia są często subiektywne.

„Cieszymy się skalą problemów, którymi możemy się teraz zająć”, mówi Carolyn Phillips. „Tradycyjne algorytmy wymagają ściśle zdefiniowanych zestawów danych. Te modele pozwalają nam radzić sobie z niejednoznacznością i kontekstem w sposób, którego wcześniej nie dało się skalować”. 

Pracownicy Wayfair często korzystają z ChatGPT Enterprise. Zespoły uznają to narzędzie za praktyczną pomoc, która pomaga im działać sprawniej.

Oczekiwania klientów również szybko się zmieniają. Coraz więcej klientów swobodnie korzysta z AI w codziennym życiu i zaczyna oczekiwać podobnych możliwości, gdy przeglądają, porównują i kupują online.

„Klienci często nie potrafią dokładnie określić, czego szukają”, mówi Fiona Tan. „Język naturalny i systemy multimodalne pomagają rozwiązać ten problem”.

Dla liderów Wayfair celem pozostaje wspieranie ludzkiej wiedzy specjalistycznej przy jednoczesnym skalowaniu wewnętrznych możliwości. „Tworzymy z myślą o świecie, w którym AI jest częścią ścieżki zakupowej – bez względu na to, czy odbywa się to na naszej stronie, za pośrednictwem działu wsparcia, czy interfejsów konwersacyjnych”, podsumowuje Fiona Tan.