Wayfair rrit sakt. e katalogut e shpejtësinë e mbësht. me OpenAI

Wayfair, një nga shitësit me pakicë më të mëdhenj në botë të produkteve për shtëpinë, ka integruar modele OpenAI në sisteme të brendshme kritike për të përmirësuar flukset e punës për mbështetjen e furnitorëve dhe cilësinë e katalogut të produkteve në shkallë të gjerë. Ajo që filloi si publikime në shkallë të vogël për testimin e vlerës në 2024 ka evoluar në një sistem të plotë prodhimi që redukton përpjekjen manuale, përshpejton vendimmarrjen dhe përmirëson cilësinë e të dhënave nëpër miliona produkte.

Në vend që ta trajtonte AI gjenerative si një eksperiment ose zgjidhje të veçantë, Wayfair i integroi modelet e OpenAI në flukset kryesore operacionale të punës. Kompania u përqendrua fillimisht aty ku kompleksiteti dhe nevoja për shkallë ishin më të larta: drejtimi dhe zgjidhja e kërkesave për mbështetje të furnitorëve dhe përmirësimi i dhjetëra mijëra atributeve të produktit në mënyrë të qëndrueshme në një katalog prej rreth 30 milion artikujsh.

Ekipi i katalogut të Wayfair’s menaxhon dhjetëra miliona produkte në pothuajse një mijë kategori të ndryshme produktesh. Etiketat e atributeve të produktit të qëndrueshme dhe të sakta — si ngjyra, materiali, madhësia ose veçori specifike — janë thelbësore për kërkimin, rekomandimet dhe tregtimin.    

“Sa më e mirë të jetë cilësia e të dhënave tona, aq më shumë besim ndërtojmë me klientin.” Është thelbësore sepse fuqizon blerësit të marrin vendime të sakta për blerje, duke reduktuar drejtpërdrejt problemet e kushtueshme si kthimet nga produktet e paraqitura gabimisht,” tha Jessica D'Arcy, Associate Director of Catalog Merchandising në Wayfair. 

Përpara OpenAI, përmirësimet e etiketimit mbështeteshin kryesisht te furnitorët dhe klientët për t’i thënë Wayfair se diçka dukej gabim. Përpjekja manuale nuk mund të përballonte volumin.  Modelet e hershme të personalizuara të AI për etiketa individuale ishin efektive, por rezultuan të shtrenjta për t’u ndërtuar dhe mirëmbajtur. “Fillimisht nisëm duke ndërtuar modele të personalizuara për etiketa individuale, dhe teknikisht kjo funksionoi,” tha Carolyn Phillips, shkencëtare e stafit për mësimin e makinerive në Wayfair’s. “Por kur po shikon 47 000 etiketa, ajo qasje thjesht nuk shkallëzohet.”

Për të kaluar përtej modeleve të njëhershme, Wayfair krijoi një sistem të pavarur nga etiketat, të ndërtuar mbi një model të vetëm OpenAI. Një “agjent përkufizimesh” përpunon uebin dhe përkufizimet e brendshme për të krijuar kuptim kontekstual për secilën etiketë. “Pengesa e vërtetë nuk ishte performanca e modelit,” tha Phillips. “Ishte koha njerëzore e nevojshme për të përcaktuar dhe koduar se çfarë do të thoshte në të vërtetë secila etiketë.” Ky kontekst, së bashku me të dhënat e produktit të agreguara nga i gjithë ekosistemi i të dhënave të Wayfair, furnizon një kornizë që mund të klasifikojë atributet nëpër klasat e produkteve. Ekipi tani po zgjeron mbulimin e model për atribute të reja me një ritëm 70 herë më të shpejtë se një vit më parë.

Sistemi tani ka funksionuar në prodhim në më shumë se 1 milion produkte. Dhe vala e parë e produkteve me atribute të përmirësuara tani ka qenë aktive mjaftueshëm gjatë për të matur ndikimin e përmirësimit të cilësisë së të dhënave në udhëtimin e klientit.  “Kur përmirësoni plotësinë e atributeve, nuk është abstrakte. E shiko që shfaqet në performancën e SEO dhe PLA - në mënyrën se si klientët zbulojnë produkte", tha Phillips. Një test i kontrolluar A/B tregoi një rritje të konsiderueshme dhe të rëndësishme në shfaqje, klikime dhe renditjen e faqes në grupin e trajtimit.

Megjithatë, Wayfair nuk ia dorëzoi thjesht model vendimet për korrigjimin e të dhënave të produktit. "Objektivi ynë është të ndërtojmë besim që klientët të jenë plotësisht të sigurt për atë që po blejnë," tha Phillips. Kompania zhvilloi testim të strukturuar duke përdorur një proces auditimi praktik, në të cilin punonjësit inspektojnë fizikisht mostrat për të vërtetuar daljen e modelit dhe punoi me furnitorët për të vërtetuar ndryshimet. Tani, kur besueshmëria e bazuar në të dhëna është e lartë, sistemet e automatizuara do ta mbishkruajnë përmbajtjen drejtpërdrejt dhe do ta njoftojnë furnitorin për ndryshimin. Dhe, kur nuk përmbushet një standard i lartë ose etiketa konsiderohet me rrezik të lartë, Wayfair fillimisht kërkon konfirmimin e furnitorit përpara se të bëjë ndryshimin.

Wayfair punon me dhjetëra mijëra furnizues për të mbështetur katalogun e tyre gjithëpërfshirës. Për të menaxhuar kërkesat e mbështetjes nga furnizuesit, bashkëpunëtorët e Wayfair historikisht shqyrtonin çdo tiketë hyrëse, identifikonin manualisht se çfarë po përpiqeshin të arrinin furnizuesit dhe i drejtonin çështjet te pronari i duhur i brendshëm — një proces që kërkonte shumë kohë dhe ishte i prirur ndaj gabimeve. “Kërkesat e furnitorëve nuk janë të thjeshta,” tha Graham Ganssle, mbështetje dhe operacione për furnizuesit në Wayfair. “Ato përfshijnë qindra lloje çështjesh dhe asnjë bashkëpunëtor i vetëm nuk mund t’i zotërojë realisht të gjitha.”

Wayfair shtoi veçori agjentike në një produkt të quajtur Wilma për t’i përforcuar këto flukse të punës me AI. Një nga veçoritë e para në prodhim është triazhimi i biletave i mundësuar nga një model OpenAI. Sistemi lexon kërkesat hyrëse, plotëson kontekstin që mungon dhe i drejton tiketat te ekipi i duhur. Wilma u dizajnua që të vendosej shpejt; e ndërtuar mbi një sistem tashmë të integruar me API e OpenAI, ajo kaloi nga prototipi në funksionim në afërsisht një muaj. “Wilma u jep bashkëpunëtorëve avantazh,” tha Ganssle. “Lexon sinjalizimin, identifikon qëllimin, plotëson kontekstin nga bazat tona të të dhënave, kontakton sërish furnitorët nëse është e nevojshme dhe e orienton çështjen në drejtimin e duhur.”

Përtej routing-ut, Wayfair ka vendosur një duzinë rrjedhash agjentike të AI për ekipe të veçanta zgjidhjeje. Për shembull, një bashkëpilot për ekipin e Replacement Part Operations lexon historikun kompleks të çështjes, propozon hapat e radhës dhe sugjeron përgjigje në draft që bashkëpunëtorët njerëzorë i shqyrtojnë. Këta asistentë trajnohen mbi të dhëna historike, kështu që mësojnë se si duket suksesi në kontekst. “Model mund të sintetizojnë kontekstin përgjatë gjithë udhëtimit në një mënyrë që është e vështirë për një bashkëpunëtor të vetëm ta bëjë,” tha Ganssle. “Kjo dukshmëri më e gjerë kontribuon në kënaqësi më të lartë të klientëve dhe furnitorëve.”

Wayfair gjurmon sa shpesh rekomandimet e AI përputhen me vendimin përfundimtar të agjentit njerëzor — një metrikë e quajtur “shkalla e përputhjes.” Brenda secilit ekip, kur përputhja arrin një prag të caktuar, rrjedhat e punës mund të kalojnë nga mënyrat ndihmëse (“co-pilot”) në ato semiautonome (“autopilot”). Kjo qasje me stade ndërton besim dhe siguron kontrolle cilësie gjatë prezantimit.

Wayfair raporton përmirësime të matshme që nga integrimi i model OpenAI në sistemet e brendshme.

Nga ana e katalogut, kompania uli numrin e etiketave të gabuara ose që mungonin për atributet e produkteve që një klient mund të shihte — duke korrigjuar 2,5 milionë etiketa produktesh në mbi një milion nga produktet më të dukshme dhe më të blera në katalogun e Wayfair. Ata presin ta katërfishojnë këtë ndikim në gjashtë muajt e ardhshëm.

Në mbështetjen e furnitorëve, sistemet e triazhit, co-pilot dhe auto-pilot kanë rritur kapacitet përpunimi duke automatizuar 41 000 tiketa në muaj (kjo është deri në 70% në disa rrjedha pune) dhe kanë ulur kohët e përfundimit duke hequr punën rutinë manuale nga ngarkesat e punës së bashkëpunëtorve. Kjo ul ndjeshëm kohën deri në zgjidhje për rrjedha të shumta të punës, rrit ndjeshëm kënaqësinë e furnitorëve dhe redukton rihapjet e tiketave në ato rrjedha të punës.

Shikueshmëria më e gjerë që ofrojnë modelet për tiketat dhe qëllimin e furnitorit — përtej asaj që një bashkëpunëtor i vetëm mund të shohë në një ekran — ka kontribuar në rritjen e kënaqësisë.

Në aspektin operacional, ekipet raportojnë:

• Drejtim më i shpejtë dhe zgjidhje e kërkesave komplekse të furnitorëve
• Rritja e kënaqësisë së furnitorëve
• Reduktoi futjen manuale të të dhënave dhe punën e klasifikimit
• Mbulim më i gjerë i çështjeve pa kërkuar ekspertizë në qindra tema
• Besim më i madh në atributet e katalogut para publikimit.

Wayfair ka shpërndarë gjithashtu më shumë se 1,200 vende ChatGPT Enterprise në të gjithë fuqinë e saj punëtore prej afërsisht 12 000 personash për të mbështetur detyra ad hoc, zgjidhjen e problemeve të brendshme dhe eksperimentimin me modele gjenerative.

Wayfair ka një histori të gjatë investimesh në mësimin automatik dhe bashkëpunimi me platformat e AI dhe ofruesit e LLM për të çuar përpara biznesin e saj. Tani, përparimet në model avangardë, veçanërisht sistemet multimodale, po zgjerojnë atë që ekipet e saj mund të ndërtojnë. Kjo ka rëndësi në shitjen me pakicë për shtëpinë, ku produktet janë vizuale, stilistike dhe shpesh subjektive.

"Mirëpresim tani të shohim shkallën e problemeve që tani mund të adresojmë," tha Carolyn Phillips. “Algoritmet tradicionale kërkojnë grupe të dhënash të përcaktuara ngushtë. Këto modele na mundësojnë të trajtojmë paqartësitë dhe kontekstin në një mënyrë që më parë nuk ishte e mundur të shkallëzohej.” 

Duke parë përpara, kërkesa e punonjësve për ChatGPT Enterprise ka qenë e fortë. Ekipet në Wayfair e shohin si një mjet praktik që i ndihmon të ecin më shpejt.

Pritshmëritë e klientëve po ndryshojnë gjithashtu shpejt. Gjithnjë e më shumë blerës po ndihen rehat duke përdorur AI në jetën e tyre të përditshme dhe po fillojnë të presin aftësi të ngjashme kur shfletojnë, krahasojnë dhe blejnë online.

“Në shtëpi, klientët shpesh nuk i kanë fjalët e sakta për atë që po kërkojnë,” tha Fiona Tan. “Sistemet e gjuhës së natyrshme dhe multimodale ndihmojnë për ta kapërcyer atë hendek.”

Për drejtuesit e Wayfair, qëllimi mbetet të rrisë ekspertizën njerëzore, ndërkohë që shkallëzon kapacitetin e brendshëm. “Po ndërtojmë për një botë ku AI është pjesë e rrugëtimit të blerjeve — qoftë në faqen tonë, përmes mbështetjes, apo përmes ndërfaqeve bisedore,” përfundoi Fiona Tan.