Wayfair ใช้ OpenAI เพิ่มความแม่นยำข้อมูลสินค้าและบริการที่รวดเร็ว

Wayfair หนึ่งในผู้ค้าปลีกสินค้าตกแต่งบ้านรายใหญ่ที่สุดของโลก ได้นำโมเดลของ OpenAI มาผสานเข้ากับระบบภายในที่สำคัญ เพื่อปรับปรุงกระบวนการสนับสนุนซัพพลายเออร์และคุณภาพของแคตตาล็อกสินค้าจำนวนมหาศาล ระบบนี้พัฒนาต่อยอดจากการทดลองใช้จริงในปี พ.ศ. 2567 จนกลายเป็นระบบหลักที่ช่วยลดขั้นตอนการทำงานด้วยมือ เพิ่มความรวดเร็วในการตัดสินใจ และปรับปรุงคุณภาพรายละเอียดสินค้าหลายล้านชิ้น

แทนที่จะมองว่า AI เชิงสร้างสรรค์เป็นเพียงการทดลองหรือเครื่องมือแก้ปัญหาเฉพาะจุด Wayfair เลือกที่จะผสานโมเดล OpenAI เข้ากับกระบวนการทำงานหลักขององค์กรอย่างเต็มตัว บริษัทให้ความสำคัญกับจุดที่มีความซับซ้อนและมีความต้องการการขยายตัวสูงสุดเป็นอันดับแรก ได้แก่ การจัดเส้นทางและตอบรับคำร้องสนับสนุนซัพพลายเออร์ รวมถึงการปรับปรุงคุณลักษณะของสินค้าหลายหมื่นรายการให้เป็นมาตรฐานเดียวกันทั่วทั้งแคตตาล็อกที่มีจำนวนสินค้ามากกว่า 30 ล้านชิ้น

ทีมดูแลแคตตาล็อกของ Wayfair บริหารจัดการสินค้าหลายสิบล้านรายการที่ครอบคลุมประเภทสินค้าเกือบหนึ่งพันหมวดหมู่ การระบุข้อมูลจำเพาะของสินค้าที่แม่นยำและเป็นระบบเดียวกัน ทั้งเรื่องสี วัสดุ ขนาด หรือลักษณะพิเศษ มีความสำคัญต่อระบบการค้นหา การแนะนำสินค้า และการจัดแสดงสินค้า    

“ยิ่งข้อมูลของเรามีคุณภาพดีมากเท่าไร เราก็ยิ่งสร้างความไว้วางใจกับลูกค้าได้มากขึ้น สิ่งนี้มีความสำคัญอย่างยิ่ง เพราะช่วยให้ผู้ซื้อตัดสินใจซื้อได้อย่างถูกต้อง ซึ่งช่วยลดปัญหาปลายทางที่มีต้นทุนสูงได้โดยตรง เช่น การคืนสินค้าจากการนำเสนอข้อมูลสินค้าที่ไม่ตรงกับความเป็นจริง” Jessica D'Arcy รองผู้อำนวยการฝ่ายจัดการแคตตาล็อกสินค้าที่ Wayfair กล่าว 

แต่เดิมก่อนมี OpenAI การแก้ไขแท็กรายละเอียดสินค้ามักต้องพึ่งพาซัพพลายเออร์และลูกค้าในการแจ้ง Wayfair เมื่อพบสิ่งผิดปกติ แรงงานคนไม่สามารถรับมือกับปริมาณงานที่มหาศาลได้ทัน  แม้โมเดล AI แบบปรับแต่งได้ในยุคแรกที่เน้นเฉพาะการติดแท็กแต่ละแท็กจะใช้งานได้ดี แต่กลับมีค่าใช้จ่ายสูงทั้งในการสร้างและดูแลรักษา “เราเริ่มจากการสร้างโมเดลเฉพาะทางสำหรับแต่ละแท็ก ซึ่งในทางเทคนิคแล้วถือว่าได้ผล” Carolyn Phillips นักวิทยาศาสตร์ด้านแมชชีนเลิร์นนิงของ Wayfair กล่าว “แต่เมื่อคุณต้องจัดการกับแท็กถึง 47,000 รายการ วิธีการเดิมนั้นไม่สามารถรองรับการขยายตัวในระดับที่ต้องการได้”

เพื่อก้าวข้ามขีดจำกัดของโมเดลแบบใช้ครั้งเดียว Wayfair จึงสร้างระบบที่รองรับแท็กได้ทุกรูปแบบโดยพัฒนาขึ้นบนโมเดล OpenAI เพียงตัวเดียว “เอเจนต์กำหนดนิยาม” จะดึงข้อมูลจากเว็บและคำนิยามภายในองค์กร เพื่อสร้างความหมายที่สอดคล้องกับบริบทสำหรับแต่ละแท็ก “คอขวดที่แท้จริงไม่ใช่ประสิทธิภาพของโมเดล” Phillips กล่าว “อุปสรรคสำคัญคือระยะเวลาที่คนต้องใช้ในการระบุและป้อนข้อมูลนิยามว่าแต่ละแท็กหมายถึงอะไรกันแน่” บริบทนี้พร้อมกับข้อมูลสินค้าที่รวบรวมจากระบบนิเวศข้อมูลทั้งหมดของ Wayfair จะถูกส่งเข้าสู่โครงสร้างระบบที่สามารถจำแนกคุณลักษณะต่างๆ ของสินค้าได้ในทุกหมวดหมู่ ปัจจุบันทีมงานกำลังขยายขอบเขตของโมเดลให้ครอบคลุมคุณลักษณะใหม่ๆ ในอัตราที่เร็วกว่าเมื่อปีก่อนถึง 70 เท่า

ปัจจุบันระบบนี้ได้เริ่มใช้งานจริงกับผลิตภัณฑ์ไปแล้วมากกว่า 1 ล้านรายการ ผลิตภัณฑ์กลุ่มแรกที่มาพร้อมกับแท็กคุณสมบัติที่แม่นยำขึ้นได้ถูกนำไปใช้งานจริง จนถึงจุดที่สามารถวัดผลจากการพัฒนาคุณภาพข้อมูลที่มีต่อประสบการณ์การใช้งานของลูกค้าได้แล้ว  “เมื่อคุณทำให้ข้อมูลคุณลักษณะมีความครบถ้วนมากขึ้น ผลลัพธ์ที่ได้จะไม่ใช่เรื่องที่จับต้องไม่ได้อีกต่อไป คุณจะเห็นผลลัพธ์ปรากฏชัดในประสิทธิภาพของ SEO และ PLA ซึ่งส่งผลต่อวิธีที่ลูกค้าค้นพบผลิตภัณฑ์” Phillips กล่าว การทดสอบแบบ A/B ที่มีการควบคุมแสดงให้เห็นว่ากลุ่มทดลองมีจำนวนการมองเห็น ยอดคลิก และอันดับหน้าเว็บเพิ่มขึ้นอย่างมากและมีนัยสำคัญ

ถึงอย่างนั้น Wayfair ก็ไม่ได้ปล่อยให้โมเดลเป็นผู้ตัดสินใจฝ่ายเดียวในการปรับปรุงข้อมูลผลิตภัณฑ์ให้ถูกต้อง “เป้าหมายของเราคือการสร้างความเชื่อมั่น เพื่อให้ลูกค้ามั่นใจอย่างเต็มที่ในสิ่งที่พวกเขากำลังตัดสินใจซื้อ” Phillips กล่าว บริษัทได้พัฒนาการทดสอบอย่างเป็นระบบโดยใช้กระบวนการตรวจสอบด้วยคน ซึ่งพนักงานจะลงมือตรวจเช็กสินค้าตัวอย่างด้วยตัวเองเพื่อยืนยันผลลัพธ์จากโมเดล พร้อมทั้งประสานงานกับซัพพลายเออร์เพื่อตรวจสอบความถูกต้องของการเปลี่ยนแปลงต่างๆ ในปัจจุบันหากระบบมีความเชื่อมั่นในข้อมูลสูง ระบบอัตโนมัติจะเขียนทับเนื้อหาโดยตรงและแจ้งการเปลี่ยนแปลงให้ซัพพลายเออร์ทราบ ในกรณีที่ข้อมูลไม่ได้มาตรฐานตามที่กำหนดหรือเป็นแท็กที่ถูกประเมินว่ามีความเสี่ยงสูง Wayfair จะขอการยืนยันจากซัพพลายเออร์ก่อนที่จะดำเนินการเปลี่ยนแปลง

Wayfair ร่วมมือกับซัพพลายเออร์หลายหมื่นรายเพื่อสนับสนุนแคตตาล็อกสินค้าที่ครอบคลุมทุกหมวดหมู่ของบริษัท ที่ผ่านมาการจัดการคำขอสนับสนุนจากซัพพลายเออร์ต้องอาศัยพนักงานของ Wayfair ในการตรวจสอบตั๋วแจ้งปัญหาทุกใบที่ส่งเข้ามา ระบุความต้องการของซัพพลายเออร์ด้วยตัวเอง และส่งต่อเรื่องไปยังผู้รับผิดชอบภายในที่ถูกต้อง ซึ่งเป็นกระบวนการที่กินเวลาและเกิดข้อผิดพลาดได้ง่าย “คำขอจากซัพพลายเออร์ไม่ใช่เรื่องง่าย” Graham Ganssle ฝ่ายสนับสนุนซัพพลายเออร์และฝ่ายปฏิบัติการที่ Wayfair กล่าว “ปัญหาเหล่านี้ครอบคลุมปัญหาหลายร้อยประเภท และในความเป็นจริงไม่มีพนักงานคนไหนที่จะเชี่ยวชาญไปทุกเรื่อง”

Wayfair เสริมฟีเจอร์ด้านเอเจนต์ให้แก่ Wilma เพื่อช่วยให้ AI เข้ามาสนับสนุนขั้นตอนการทำงานให้มีประสิทธิภาพยิ่งขึ้น หนึ่งในฟีเจอร์แรกๆ ที่ใช้งานจริงคือการคัดแยกตั๋วงานที่ขับเคลื่อนด้วยโมเดลของ OpenAI ระบบจะอ่านคำขอที่ส่งเข้ามา เติมข้อมูลบริบทที่ขาดหายไป และส่งต่อตั๋วงานไปยังทีมที่เหมาะสม Wilma ได้รับการออกแบบให้พร้อมใช้งานอย่างรวดเร็ว โดยสร้างขึ้นบนระบบที่เชื่อมต่อกับ OpenAI API อยู่ก่อนแล้ว จึงสามารถเปลี่ยนจากตัวต้นแบบไปสู่การใช้งานจริงได้ภายในเวลาประมาณ 1 เดือน “Wilma ช่วยให้พนักงานมีความได้เปรียบ” Ganssle กล่าว “ระบบจะอ่านตั๋วงาน ระบุเจตนา เติมข้อมูลบริบทจากฐานข้อมูลของเรา ติดต่อกลับไปยังซัพพลายเออร์หากจำเป็น และส่งต่อปัญหาไปยังทีมที่เหมาะสม”

นอกจากการส่งต่อเรื่องแล้ว Wayfair ยังได้ปรับใช้กระบวนการทำงานของเอเจนต์ AI อีกนับสิบรายการสำหรับทีมแก้ปัญหาเฉพาะด้าน ตัวอย่างเช่น ระบบผู้ช่วยอัจฉริยะสำหรับทีมปฏิบัติการอะไหล่ทดแทนจะอ่านประวัติเคสที่ซับซ้อน พร้อมเสนอขั้นตอนถัดไปและร่างข้อความตอบกลับให้พนักงานตรวจสอบ ระบบผู้ช่วยเหล่านี้ผ่านการเทรนด้วยข้อมูลในอดีตเพื่อให้เรียนรู้ว่าผลลัพธ์ที่ประสบความสำเร็จในแต่ละบริบทเป็นอย่างไร “โมเดลเหล่านี้สามารถสังเคราะห์บริบทตลอดเส้นทางของลูกค้าได้ในแบบที่พนักงานเพียงคนเดียวทำได้ยาก” Ganssle กล่าว “การมองเห็นภาพรวมที่กว้างขึ้นนั้นมีส่วนช่วยให้ความพึงพอใจของลูกค้าและซัพพลายเออร์สูงขึ้น”

Wayfair เก็บข้อมูลว่าคำแนะนำจาก AI สอดคล้องกับการตัดสินใจขั้นสุดท้ายของเจ้าหน้าที่บ่อยแค่ไหน ซึ่งเป็นตัวชี้วัดที่เรียกว่า “อัตราความสอดคล้อง” สำหรับแต่ละทีม เมื่ออัตราความสอดคล้องถึงเกณฑ์ที่กำหนดไว้อย่างต่อเนื่อง กระบวนการทำงานจะเปลี่ยนจากโหมดช่วยสนับสนุน (“co-pilot”) ไปเป็นโหมดกึ่งอัตโนมัติ (“autopilot”) แนวทางการดำเนินงานเป็นลำดับขั้นตอนแบบนี้ช่วยสร้างความเชื่อมั่นและทำให้มั่นใจว่ามีการควบคุมคุณภาพตลอดช่วงการเปิดตัวระบบ

Wayfair ระบุถึงพัฒนาการที่ชัดเจนและวัดผลได้ หลังจากนำโมเดลจาก OpenAI มาประยุกต์ใช้ในระบบงานภายใน

ในส่วนของแคตตาล็อก บริษัทสามารถลดจำนวนแท็กคุณลักษณะสินค้าที่ผิดพลาดหรือขาดหายไป ซึ่งลูกค้าอาจมองเห็นได้ โดยมีการแก้ไขแท็กสินค้าไปแล้ว 2.5 ล้านรายการ จากสินค้าที่มียอดการมองเห็นและการซื้อสูงสุดกว่าหนึ่งล้านรายการในแคตตาล็อกของ Wayfair พวกเขาคาดการณ์ว่าจะขยายผลลัพธ์นี้ให้เพิ่มขึ้นเป็น 4 เท่าภายใน 6 เดือนข้างหน้า

ในด้านการสนับสนุนซัพพลายเออร์ ระบบคัดกรอง ระบบผู้ช่วย และระบบอัตโนมัติ ช่วยเพิ่มปริมาณงานโดยจัดการตั๋วงานอัตโนมัติได้ถึง 41,000 รายการต่อเดือน (หรือสูงถึง 70% ในบางเวิร์กโฟลว์) และช่วยลดระยะเวลาการทำงานลงด้วยการตัดงานรูทีนที่ต้องทำด้วยมือออกจากภาระงานของพนักงาน สิ่งนี้ช่วยร่นระยะเวลาในการแก้ไขปัญหาสำหรับกระบวนการทำงานที่หลากหลายได้อย่างมาก ช่วยเพิ่มความพึงพอใจของซัพพลายเออร์อย่างมีนัยสำคัญ และลดการเปิดตั๋วงานซ้ำในขั้นตอนเหล่านั้น

การที่โมเดลสามารถมองเห็นภาพรวมของคำร้องและสิ่งที่ซัพพลายเออร์ต้องการสื่อสารได้ครอบคลุมกว่าที่เจ้าหน้าที่หนึ่งคนจะวิเคราะห์ได้ด้วยตัวเอง คือปัจจัยสำคัญที่ทำให้ระดับความพึงพอใจขยับตัวสูงขึ้น

ในทางปฏิบัติ ทีมต่างๆ รายงานว่า:

• การส่งต่องานและการแก้ไขปัญหาตั๋วงานของซัพพลายเออร์ที่ซับซ้อนทำได้รวดเร็วยิ่งขึ้น
• เพิ่มความพึงพอใจของซัพพลายเออร์
• ลดการกรอกข้อมูลด้วยตนเองและงานจัดประเภท
• ครอบคลุมประเด็นได้กว้างขึ้นโดยไม่จำเป็นต้องมีความเชี่ยวชาญในหลายร้อยหัวข้อ
• ความมั่นใจในข้อมูลคุณสมบัติสินค้าเพิ่มมากขึ้นก่อนเผยแพร่

Wayfair ยังได้จัดสรรสิทธิ์การใช้งาน ChatGPT Enterprise กว่า 1,200 ที่นั่ง ให้กับพนักงานประมาณ 12,000 คน เพื่อสนับสนุนการทำงานเฉพาะกิจ การแก้ปัญหาภายใน และการทดลองใช้โมเดลการสร้าง

Wayfair มีประวัติอันยาวนานในการลงทุนด้านแมชชีนเลิร์นนิง รวมถึงการร่วมมือกับแพลตฟอร์ม AI และผู้ให้บริการ LLM เพื่อขับเคลื่อนธุรกิจให้ก้าวหน้า ขณะนี้ความก้าวหน้าในโมเดลระดับแนวหน้าโดยเฉพาะระบบมัลติโมดัล กำลังขยายขอบเขตสิ่งที่ทีมของบริษัทสามารถสร้างได้ สิ่งนี้มีความสำคัญมากในธุรกิจค้าปลีกของตกแต่งบ้าน ซึ่งตัวสินค้าเน้นรูปลักษณ์ สไตล์ และมักขึ้นอยู่กับความพึงพอใจส่วนบุคคล

“พวกเรารู้สึกยินดีที่ปัจจุบันสามารถรับมือกับปัญหาที่ครอบคลุมและหลากหลายได้มากขึ้น” Carolyn Phillips กล่าว “อัลกอริทึมแบบดั้งเดิมต้องใช้ชุดข้อมูลที่กำหนดไว้อย่างชัดเจน โมเดลเหล่านี้ช่วยให้เราทำงานกับความคลุมเครือและบริบทได้ในแบบที่ก่อนหน้านี้ยังไม่สามารถขยายให้รองรับได้” 

เมื่อมองไปข้างหน้าความต้องการใช้งาน ChatGPT Enterprise ของพนักงานนั้นมีสูงมาก ทีมต่างๆ ที่ Wayfair มองว่าสิ่งนี้เป็นเครื่องมือที่ใช้งานได้จริง ซึ่งช่วยให้พวกเขาทำงานได้รวดเร็วยิ่งขึ้น

ความคาดหวังของลูกค้าก็กำลังเปลี่ยนแปลงอย่างรวดเร็วเช่นกัน ผู้ซื้อจำนวนมากขึ้นเริ่มคุ้นเคยกับการใช้ AI ในชีวิตประจำวัน และเริ่มคาดหวังความสามารถลักษณะเดียวกันเมื่อค้นหา เปรียบเทียบ และซื้อสินค้าออนไลน์

“เมื่ออยู่ที่บ้าน ลูกค้ามักจะนึกคำไม่ออกว่าจะเรียกสิ่งที่ตัวเองกำลังมองหาว่าอะไร” Fiona Tan กล่าว “ภาษาธรรมดาทั่วไปและระบบมัลติโมดัลช่วยเชื่อมช่องว่างนั้น”

สำหรับผู้บริหารของ Wayfair เป้าหมายยังคงเป็นการเสริมสร้างความเชี่ยวชาญของพนักงานไปพร้อมกับการขยายขีดความสามารถภายในองค์กร “เรากำลังสร้างระบบเพื่อรองรับโลกที่ AI เข้ามาเป็นส่วนหนึ่งของเส้นทางการซื้อสินค้า ไม่ว่าจะเป็นบนหน้าเว็บไซต์ของเรา ผ่านฝ่ายสนับสนุน หรือผ่านระบบสื่อสารแบบโต้ตอบ” Fiona Tan กล่าวสรุป