Wayfair povečuje natančnost kataloga in hitrost podpore z OpenAI

Wayfair, eden največjih svetovnih trgovcev z izdelki za dom, je modele OpenAI vključil v ključne notranje sisteme, da bi izboljšal delovne tokove podpore dobaviteljem in kakovost podatkov v katalogu izdelkov v velikem obsegu. Kar se je leta 2024 začelo kot preverjanje vrednosti pri manjših uvedbah, se je razvilo v celovit sistem v produkcijskem okolju, ki zmanjšuje potrebo po ročnem delu, pospešuje odločanje in izboljšuje kakovost podatkov pri milijonih izdelkov.

Namesto da bi generativno umetno inteligenco (UI) obravnaval kot eksperiment ali izolirano rešitev, je Wayfair modele OpenAI vključil v osrednje operativne delovne tokove. Podjetje se je najprej osredotočilo na področja z največjo kompleksnostjo in največjo potrebo po obsegu: usmerjanje in reševanje zahtevkov za podporo dobaviteljem ter dosledno izboljševanje desettisočev atributov izdelkov v katalogu s približno 30 milijoni izdelkov.

Ekipa za katalog upravlja več deset milijonov izdelkov v skoraj tisoč različnih kategorijah. Natančne in dosledne oznake atributov, kot so barva, material, velikost ali posebne lastnosti, so ključne za iskanje, priporočila in predstavitev izdelkov.    

»Boljša ko je kakovost naših podatkov, več zaupanja gradimo pri strankah. To je bistveno, saj kupcem omogoča sprejemanje pravilnih nakupnih odločitev, s čimer se neposredno zmanjšujejo drage nadaljnje težave, kot so vračila zaradi napačno predstavljenih izdelkov,« je povedala Jessica D'Arcy, pridružena direktorica za upravljanje kataloga pri Wayfairju. 

Pred uvedbo umetne inteligence so izboljšave označevanja temeljile predvsem na tem, da so dobavitelji in stranke Wayfair opozorili, da je nekaj videti napačno. Ročno delo ni moglo slediti obsegu.  Zgodnji modeli umetne inteligence po meri za posamezne oznake so bili učinkoviti, vendar so se izkazali za drage za razvoj in vzdrževanje. »Začeli smo z razvojem modelov po meri za posamezne oznake in tehnično je to delovalo,« je povedala Carolyn Phillips, višja znanstvenica za strojno učenje pri Wayfairju. »Toda ko govorimo o 47.000 oznakah, tak pristop preprosto ni skalabilen.«

Namesto posameznih, nepovezanih modelov so vzpostavili enoten sistem, ki ni vezan na posamezne oznake in temelji na enem OpenAI-jevem modelu. »Agent za definicije« zajema spletne in notranje definicije ter za vsako oznako oblikuje njen kontekstualni pomen. »Ozko grlo ni bila zmogljivost modela,« je pojasnil Phillips. »Največ časa je zahtevalo to, da smo jasno opredelili, kaj posamezna oznaka sploh pomeni.« Ta kontekst skupaj s podatki o izdelkih iz celotnega podatkovnega ekosistema omogoča razvrščanje atributov med različnimi kategorijami izdelkov. Danes ekipa uvaja nove atribute kar 70-krat hitreje kot še pred enim letom.

Sistem že deluje v produkciji na več kot milijonu izdelkov. Prvi izdelki z izboljšanimi atributi so že dovolj dolgo v uporabi, da je mogoče meriti vpliv bolj kakovostnih podatkov na uporabniško izkušnjo.  »Ko izboljšate popolnost atributov, so rezultati zelo konkretni. To se neposredno pozna pri SEO in PLA, predvsem v tem, kako uporabniki najdejo izdelke,« je povedal Phillips. Kontroliran A/B test je pokazal opazno rast prikazov, klikov in uvrstitve strani v testni skupini.

Wayfair odločitev o popravkih podatkov ni v celoti prepustil modelu. »Naš cilj je zgraditi zaupanje, da so stranke popolnoma prepričane v to, kar kupujejo,« je povedala Phillips. Podjetje je uvedlo strukturirano testiranje z neposrednim revizijskim postopkom, pri katerem zaposleni pregledajo vzorčne izdelke, da potrdijo izhod modela, ter skupaj z dobavitelji preverilo spremembe. Kadar je zaupanje v podatke visoko, avtomatizirani sistemi podatke samodejno posodobijo in dobavitelja obvestijo o spremembi. Kadar standard ni dosežen ali je oznaka ocenjena kot visoko tvegana, Wayfair pred spremembo najprej pridobi potrditev dobavitelja.

Wayfair sodeluje z več deset tisoč dobavitelji, da podpira njihov obsežen katalog. Za obravnavo zahtevkov za podporo dobaviteljem so zaposleni pri Wayfairju v preteklosti pregledovali vsak prejeti zahtevek, ročno ugotavljali, kaj dobavitelji želijo doseči, in težave usmerjali k ustrezni notranji ekipi. Postopek je bil zamuden in nagnjen k napakam. »Zahteve dobaviteljev niso preproste,« je povedal Graham Ganssle, odgovoren za podporo dobaviteljem in operacije pri Wayfairu. »Obsegajo na stotine različnih vrst težav in noben posamezen zaposleni jih ne more realno obvladati vseh.«

Wayfair je izdelku z imenom Wilma dodal agentske funkcionalnosti, s katerimi je te delovne tokove nadgradil z UI. Ena prvih funkcionalnosti v produkcijskem okolju je razvrščanje zahtevkov, ki ga poganja model OpenAI. Sistem prebere prejete zahteve, dopolni manjkajoči kontekst in zahtevke usmeri k ustrezni ekipi. Wilma je bila zasnovana za hitro uvedbo. Ker temelji na sistemu, ki je že povezan z aplikacijskim programskim vmesnikom OpenAI, je od prototipa do produkcije napredovala v približno enem mesecu. »Wilma zaposlenim omogoča večjo učinkovitost,« je povedal Ganssle. »Prebere zahtevek, prepozna namen, dopolni kontekst iz naših podatkovnih zbirk, po potrebi ponovno stopi v stik z dobavitelji in težavo usmeri v pravo smer.«

Poleg usmerjanja je Wayfair uvedel en kup agentskih tokov UI za posamezne ekipe za obravnavo primerov. Na primer, kopilot za ekipo Replacement Part Operations analizira kompleksno zgodovino primera, predlaga naslednje korake in pripravi osnutke odgovorov, ki jih nato pregledajo zaposleni. Ti pomočniki so učeni na zgodovinskih podatkih, zato se učijo, kako v kontekstu izgleda uspešna rešitev. »Modeli lahko združijo kontekst celotne poti na način, ki ga posamezen zaposleni težko doseže,« je povedal Ganssle. »Ta celovitejši vpogled prispeva k večjemu zadovoljstvu strank in dobaviteljev.«

Wayfair spremlja, kako pogosto se priporočila UI ujemajo s končno odločitvijo človeškega agenta. Ta kazalnik imenujejo stopnja usklajenosti. Ko znotraj posamezne ekipe ta stopnja dosledno doseže vnaprej določen prag, se lahko delovni tokovi premaknejo iz podpornega načina (kopilot) v delno avtonomni način (avtopilot). Ta postopni pristop krepi zaupanje in zagotavlja nadzor kakovosti med uvajanjem.

Wayfair poroča o merljivih izboljšavah po vključitvi modelov OpenAI v notranje sisteme.

Na področju kataloga je podjetje zmanjšalo število napačnih ali manjkajočih oznak atributov izdelkov, ki jih lahko vidi kupec. Popravili so 2,5 milijona oznak pri več kot milijonu najbolj izpostavljenih in pogosto kupljenih izdelkov v katalogu Wayfair. Podjetje pričakuje, da bo v naslednjih šestih mesecih ta učinek početverilo.

Na področju podpore dobaviteljem so sistemi za razvrščanje zahtevkov, pomoč pri delu in avtomatizacijo omogočili obdelavo 41.000 zahtevkov mesečno (kar včasih pomeni do 70 %), ter skrajšali čas reševanja z odpravo rutinskih ročnih nalog. To pomeni hitrejše reševanje zahtevkov, večje zadovoljstvo dobaviteljev in manj ponovnih odprtij.

Celovitejši vpogled v zahtevke in namero dobaviteljev, ki ga modeli omogočajo in presega to, kar lahko posamezen zaposleni vidi na zaslonu, je dodatno prispeval k povečanju zadovoljstva.

Na operativni ravni ekipe poročajo o naslednjih rezultatih:

• hitrejše usmerjanje in reševanje kompleksnih zahtevkov dobavitelje
• večje zadovoljstvo dobaviteljev
• manj ročnega vnosa podatkov in razvrščanja
• širša pokritost različnih vrst težav brez potrebe po strokovnem znanju na stotinah področij
• večja zanesljivost atributov v katalogu pred objavo

Wayfair je prav tako uvedel več kot 1.200 licenc ChatGPT Enterprise v svoji približno 12.000-članski organizaciji za podporo ad hoc nalogam, notranjemu reševanju problemov in eksperimentiranju z generativnimi modeli.

Wayfair že dolgo vlaga v strojno učenje in sodeluje z AI platformami ter ponudniki velikih jezikovnih modelov. Napredek pri naprednih modelih, zlasti večmodalnih sistemih, zdaj še dodatno širi možnosti razvoja. To je posebej pomembno v prodaji izdelkov za dom, kjer imajo vizualni in slogovni vidiki pomembno vlogo in so odločitve pogosto subjektivne.

»Navdušeni smo nad tem, kaj vse lahko zdaj rešujemo,« je povedala Carolyn Phillips. »Klasični algoritmi zahtevajo natančno definirane nabore podatkov. Ti modeli pa nam omogočajo delo z nejasnostjo in kontekstom na način, ki ga prej nismo mogli doseči v takšnem obsegu.« 

Za naprej izgleda, da bo povpraševanje zaposlenih po ChatGPT Enterprise ostalo veliko. Ekipe pri Wayfairju ga vidijo kot praktično orodje, ki jim omogoča hitrejše delo.

Hitro se spreminjajo tudi pričakovanja kupcev. Vedno več kupcev se v vsakdanjem življenju navadi uporabljati UI in podobne zmožnosti začnejo pričakovati tudi pri spletnem brskanju, primerjanju in nakupovanju.

»Kupci doma pogosto ne vejo povedati, kaj točno iščejo,« je povedala Fiona Tan. »Naravni jezik in večmodalni sistemi pomagajo zapolniti to vrzel.«

Za vodstvo Wayfaira ostaja cilj dopolnjevati človeško strokovno znanje ter hkrati povečevati notranje zmogljivosti podjetja. »Gradimo za svet, v katerem je UI del nakupne poti – bodisi na naši spletni strani, prek podpore ali prek pogovornih vmesnikov,« je zaključila Fiona Tan.