Wayfair повышает точность каталога и скорость поддержки с OpenAI

Wayfair, один из крупнейших в мире ритейлеров товаров для дома, интегрировала модели OpenAI в критически важные внутренние системы, чтобы улучшить процессы поддержки поставщиков и качество каталога товаров в большом масштабе. То, что началось с оценки ценности маломасштабных релизов в 2024 году, превратилось в полноценную производственную систему, которая сокращает объем ручной работы, ускоряет принятие решений и повышает качество данных для миллионов товаров.

Вместо того чтобы рассматривать генеративный ИИ как эксперимент или точечное решение, Wayfair встроила модели OpenAI в основные операционные рабочие процессы. Компания сначала сосредоточилась на тех направлениях, где сложность и потребность в масштабировании были наибольшими: маршрутизация и обработка запросов поставщиков в службу поддержки, а также последовательное улучшение десятков тысяч атрибутов товаров в каталоге, насчитывающем около 30 миллионов товаров.

Команда Wayfair, отвечающая за каталог, управляет десятками миллионов товаров почти в тысяче различных категорий. Последовательные и точные теги атрибутов товара — такие как цвет, материал, размер или особые характеристики — имеют решающее значение для поиска, рекомендаций и мерчандайзинга.    

«Чем выше качество наших данных, тем больше доверия мы вызываем у покупателей. Это крайне важно, так как позволяет клиентам принимать верные решения о покупке, что напрямую снижает затраты на такие последующие проблемы, как возврат товаров из-за их некорректного описания», — отметила Джессика Д’Арси, помощние директора по мерчандайзингу каталогов в Wayfair. 

До участия OpenAI улучшение тегирования в основном зависело от поставщиков и клиентов, которые сообщали Wayfair, если в описании товара что-то выглядело некорректно. Ручных усилий было недостаточно для больших объемов.  Ранние кастомные ИИ-модели для отдельных тегов были эффективны, но их создание и поддержка оказались дорогостоящими. «Мы начали с создания специализированных моделей для отдельных тегов, и с технической точки зрения это работало, — сказала Кэролин Филлипс, ведущий специалист Wayfair по машинному обучению. — Но когда речь идет о 47 000 тегах, такой подход попросту не поддается масштабированию».

Чтобы выйти за рамки разрозненных моделей, Wayfair создала систему, не зависящую от тегов, построенную на базе одной модели OpenAI. Специальный «агент определений» анализирует внешние и внутренние данные, чтобы наделить каждый тег контекстуальным смыслом. «Настоящим узким местом была не производительность модели, — сказал Филлипс. — Это было время, которое требовалось сотрудникам, чтобы определить и зашифровать значение каждого тега». Этот контекст вместе с данными о товарах из экосистемы Wayfair поступает в систему, способную классифицировать атрибуты по разным категориям товаров. Сейчас команда расширяет охват моделью новых атрибутов в 70 раз быстрее, чем всего год назад.

Система уже работает в рабочей среде более чем на 1 миллионе продуктов. Первая волна продукции с улучшенными атрибутами находится в открытом доступе достаточно долго, чтобы можно было оценить влияние качества данных на путь клиента.  «Когда вы повышаете полноту атрибутов, это не что-то абстрактное. Это проявляется в эффективности SEO и PLA — в том, как клиенты находят товары», — отметил Филлипс. Контролируемое A/B-тестирование показало существенное и статистически значимое увеличение числа показов, кликов и рейтинга страницы в экспериментальной группе.

Однако Wayfair не стала просто перекладывать решения по исправлению данных на модель. «Наша цель — укрепить доверие, чтобы клиенты были полностью уверены в том, что они покупают», — отметил Филлипс. Компания разработала структурированное тестирование с использованием практического процесса аудита, в рамках которого сотрудники физически проверяют образцы, чтобы подтвердить результаты работы модели, и сотрудничала с поставщиками для подтверждения изменений. Теперь, когда уверенность, основанная на данных, высока, автоматизированные системы будут напрямую перезаписывать содержимое и уведомлять поставщика об изменении. И если высокий стандарт не соблюдается или тег считается высокорисковым, Wayfair сначала запрашивает подтверждение у поставщика перед внесением изменений.

Wayfair сотрудничает с десятками тысяч поставщиков для поддержки своего обширного каталога. Для управления запросами в службу поддержки поставщиков сотрудники Wayfair исторически проверяли каждую входящую заявку, вручную определяли, чего пытались добиться поставщики, и направляли обращения внутреннему ответственному сотруднику — это был трудоемкий и подверженный ошибкам процесс. «Запросы поставщиков не бывают простыми, — сказал Грэм Гансл, руководитель направления по поддержке поставщиков и операционной деятельности в Wayfair. Они охватывают сотни типов проблем, и ни один сотрудник не способен в совершенстве владеть ими всеми».

Wayfair добавила агентные функции в продукт под названием Wilma, чтобы расширить эти рабочие процессы с помощью ИИ. Одной из первых функций, внедренных в эксплуатацию, стала сортировка заявок на базе модели OpenAI. Система считывает входящие запросы, дополняет недостающий контекст и направляет заявки в соответствующую команду. Wilma была спроектирована для быстрого развертывания: построенная на системе, уже интегрированной с API OpenAI, она прошла путь от прототипа до рабочего запуска примерно за один месяц. «Wilma дает сотрудникам преимущество», — сказал Гансл. Он считывает заявку, определяет намерение, дополняет контекст данными из наших баз данных, при необходимости повторно связывается с поставщиками и направляет решение проблемы в нужное русло».

Помимо маршрутизации, Wayfair внедрила десяток агентных ИИ-процессов для конкретных команд по разрешению споров. Например, ИИ-помощник (копилот) для команды по операциям с запасными частями изучает сложную историю дел, предлагает следующие шаги и черновики ответов, которые затем проверяют сотрудники. Эти помощники обучаются на исторических данных, поэтому они усваивают, как выглядит успешный результат в конкретном контексте. «Модели могут синтезировать контекст на всем пути взаимодействия так, как это трудно сделать отдельному сотруднику, — сказал Гансл. — Такая более широкая прозрачность способствует повышению удовлетворенности клиентов и поставщиков».

Wayfair отслеживает, как часто рекомендации ИИ совпадают с окончательным решением человека — этот показатель называется «коэффициент согласованности» (alignment rate). Когда внутри команды этот коэффициент стабильно достигает заданного порога, рабочие процессы могут переходить из вспомогательного режима («копилот») в полуавтономный («автопилот»). Этот поэтапный подход укрепляет доверие и обеспечивает контроль качества в процессе внедрения.

Wayfair сообщает о значимых улучшениях с момента интеграции моделей OpenAI во внутренние системы.

Что касается каталога, компания сократила число неверных или отсутствующих тегов атрибутов товаров, которые могут видеть покупатели, исправив 2,5 млн товарных тегов для более чем 1 000 000 самых заметных и часто покупаемых товаров в каталоге Wayfair. В ближайшие полгода компания планирует увеличить этот показатель в четыре раза.

Внедрение систем триажа, «копилота» и «автопилота» в поддержку поставщиков позволило автоматизировать 41 000 заявок в месяц (до 70 % в ряде процессов). Благодаря устранению рутины пропускная способность отдела выросла, а время обработки запросов сократилось. Это значительно сокращает время до решения проблемы для нескольких рабочих процессов, существенно повышает удовлетворенность поставщиков и снижает количество повторных обращений в этих рабочих процессах.

Более глубокое понимание сути заявок и намерений поставщиков, которое обеспечивают модели (выходя за рамки того, что видит на экране отдельный сотрудник), также способствовало росту удовлетворенности.

На практике команды отмечают:

• Ускорение маршрутизации и решения сложных обращений поставщиков
• Повышение удовлетворенности поставщиков
• Сокращение ручного ввода данных и работы по классификации
• Более широкий охват проблематики без необходимости обладать экспертными знаниями в сотнях тем
• Большую уверенность в атрибутах каталога перед публикацией.

Wayfair также предоставила более 1 200 лицензий ChatGPT Enterprise своим примерно 12 000 сотрудникам для выполнения разовых задач, решения внутренних проблем и экспериментов с генеративными моделями.

Wayfair давно инвестирует в машинное обучение и сотрудничает с ИИ-платформами и поставщиками LLM для развития своего бизнеса. Сейчас возможности передовых моделей, особенно мультимодальных систем, расширяют горизонты того, что могут создавать команды. Это особенно важно в розничной торговле товарами для дома, где продукция оценивается визуально, стилистически и часто субъективно.

«Нас вдохновляет масштаб задач, которые мы теперь можем решать, — сказала Кэролин Филлипс. — Традиционные алгоритмы требуют строго определённых наборов данных. Эти же модели позволяют нам работать с неопределенностью и контекстом так, как это было невозможно раньше». 

Спрос сотрудников на ChatGPT Enterprise остается высоким. Команды Wayfair считают это практичным инструментом, который помогает им работать быстрее.

Ожидания клиентов тоже быстро меняются. Всё больше покупателей всё увереннее используют ИИ в повседневной жизни и начинают ожидать таких же возможностей, когда ищут, сравнивают и покупают товары онлайн.

«Дома клиенты часто не могут точно описать, что именно они ищут, — сказала Фиона Тан. — Естественный язык и мультимодальные системы помогают преодолеть этот барьер».

Для руководителей Wayfair цель по-прежнему заключается в том, чтобы дополнять человеческую экспертизу, одновременно наращивая внутренние возможности. «Мы создаем решения для мира, в котором ИИ становится частью процесса покупок — будь то на нашем сайте, через службу поддержки или через разговорные интерфейсы», — заключила Фиона Тан.