OpenAI کے ساتھ Wayfair کیٹلاگ درستگی اور سپورٹ کی رفتار میں اضافہ

Wayfair، دنیا کے سب سے بڑے ہوم گڈز ریٹیلرز میں سے ایک، نے سپلائر سپورٹ ورک فلو اور پروڈکٹ کیٹلاگ کے معیار کو بڑے پیمانے پر بہتر بنانے کے لیے بے حد ضروری اندرونی سسٹمز میں OpenAI ماڈل کا انضمام کیا ہے. 2024 میں قدر کی جانچ کے لیے چھوٹے پیمانے پر ریلیزز کے طور پر جو آغاز ہوا تھا، وہ اب ایک مکمل پروڈکشن سسٹم میں تبدیل ہو چکا ہے جو دستی محنت کو کم کرتا، فیصلہ سازی میں تیزی لاتا اور لاکھوں مصنوعات میں ڈیٹا کے معیار کو بہتر بناتا ہے.

جنریٹو AI کو ایک تجربہ یا پوائنٹ سلوشن کے طور پر دیکھنے کے بجائے، Wayfair نے OpenAI ماڈل کو بنیادی آپریشنل ورک فلو میں ضم کر دیا. کمپنی نے پہلے وہاں توجہ مرکوز کی جہاں پیچیدگی اور بڑے پیمانے کی ضرورت سب سے زیادہ تھی: سپلائر سپورٹ ریکوئسٹوں کی روٹنگ اور حل کرنا اور تقریباً 30 ملین آئٹمز کے کیٹلاگ میں دسیوں ہزار پروڈکٹ خصوصیات کو مستقل طور پر بہتر بنانا.

Wayfair کی کیٹلاگ ٹیم تقریباً ایک ہزار مختلف پروڈکٹ کلاسز میں دسیوں ملین پروڈکٹس کو منظم کرتی ہے. مستقل اور درست پروڈکٹ کی خصوصیات کے ٹیگز — جیسا کہ رنگ، مادہ، سائز یا مخصوص خصوصیات — تلاش، سفارشات اور مرچنڈائزنگ کے لیے ضروری ہیں.    

ہمارے ڈیٹا کا معیار جتنا بہتر ہوگا، ہم صارف کے ساتھ اتنا ہی زیادہ اعتماد قائم کریں گے. یہ ضروری ہے کیونکہ یہ خریداروں کو خریداری کے درست فیصلے کرنے کے قابل بناتا ہے، جس سے براہ راست بعد میں آنے والے مہنگے مسائل، جیسے غلط طور پر پیش کی گئی مصنوعات کی وجہ سے منافع جات کم ہوتے ہیں،" Wayfair میں کیٹلاگ مرچنڈائزنگ کی ایسوسی ایٹ ڈائریکٹر، جیسیکا ڈی آرسی نے کہا. 

OpenAI سے پہلے، ٹیگنگ میں بہتری بنیادی طور پر سپلائرز اور صارفین پر انحصار کرتی تھی کہ وہ Wayfair کو بتائیں کہ کچھ غلط لگ رہا ہے. دستی کام کی کوشش حجم کے ساتھ قدم نہیں ملا سکی.  انفرادی ٹیگز کے لیے ابتدائی حسب ضرورت AI ماڈل مؤثر تھے، لیکن انہیں بنانا اور برقرار رکھنا مہنگا ثابت ہوا. "ہم نے انفرادی ٹیگز کے لیے مخصوص ماڈل بنا کر آغاز کیا اور تکنیکی طور پر یہ کام کر گیا،" کیرولین فلپس، Wayfair کی اسٹاف مشین لرننگ سائنسدان، نے کہا. "لیکن جب آپ 47,000 ٹیگز دیکھ رہے ہوں، تو وہ طریقہ بس پیمانے پر نہیں چلتا."

ایک وقتی ماڈلز سے آگے بڑھنے کے لیے، Wayfair نے ایک ٹیگ-ایگناسٹک نظام بنایا جو ایک واحد OpenAI ماڈل پر مبنی ہے. ایک "تعریف ایجنٹ" ویب اور اندرونی تعریفات کو استعمال کرتا ہے تاکہ ہر ٹیگ کے لیے سیاقی معنی پیدا کیے جا سکیں. "اصل رکاوٹ ماڈل کی کارکردگی نہیں تھی،" فلپس نے کہا. “درحقیقت مسئلہ یہ تھا کہ ہر ٹیگ کے اصل مفہوم کو سمجھنے اور اسے کوڈ میں ڈھالنے کے لیے انسانی وقت درکار تھا." یہ سیاق و سباق، Wayfair کے ڈیٹا ایکو سسٹم میں سے جمع کیے گئے پروڈکٹ ڈیٹا کے ساتھ، ایک ایسے فریم ورک میں شامل ہوتا ہے جو پروڈکٹ کلاسز میں صفات کی درجہ بندی کر سکتا ہے۔ ٹیم اب نئے اوصاف کے لیے ماڈل کوریج کو وسعت دے رہی ہے اور یہ رفتار ایک سال پہلے کے مقابلے میں 70 گنا زیادہ ہے.

یہ نظام اب پروڈکشن میں 1 ملین سے زیادہ مصنوعات پر چل چکا ہے. اور بہتر کردہ خصوصیات کے ساتھ مصنوعات کی پہلی لہر اب اتنے عرصے سے لائیو ہے کہ کسٹمر جرنی پر ڈیٹا کے معیار کو بہتر بنانے کے اثرات کی پیمائش کی جا سکے.  "جب آپ وصف کی تکمیل میں بہتری لاتے ہیں، تو یہ تجریدی نہیں ہے. “آپ اسے SEO اور PLA کی کارکردگی میں دیکھ سکتے ہیں—یعنی اس میں کہ صارفین مصنوعات کو کیسے تلاش کرتے ہیں،” فلپس نے کہا. ایک کنٹرولڈ A/B ٹیسٹ نے ٹریٹمنٹ گروپ میں امپریشنز، کلکس اور پیج رینک میں نمایاں اور معنی خیز اضافہ ظاہر کیا.

تاہم، Wayfair نے مصنوعات کے ڈیٹا کی درستی سے متعلق فیصلے محض ماڈل کے حوالے نہیں کیے. "ہمارا مقصد اعتماد پیدا کرنا ہے تاکہ صارفین اس بات پر مکمل طور پر پُراعتماد ہوں کہ وہ کیا خرید رہے ہیں،" فلپس نے کہا. کمپنی نے ایک منظم ٹیسٹنگ طریقہ کار تیار کیا جس میں عملی آڈٹ کا عمل شامل ہے، جہاں عملہ ماڈل کے نتائج کی تصدیق کے لیے نمونوں کا خود معائنہ کرتا ہے، اور سپلائرز کے ساتھ مل کر تبدیلیوں کی توثیق بھی کی جاتی ہے. اب، جب ڈیٹا پر مبنی اعتماد زیادہ ہوتا ہے، تو خودکار نظام مواد کو براہِ راست اووررائٹ کر دیتے ہیں اور سپلائر کو اس تبدیلی کی اطلاع دے دیتے ہیں. اور، جب اعلٰی معیار پورا نہ ہو یا ٹیگ کو ہائی رسک سمجھا جائے، تو Wayfair تبدیلی کرنے سے پہلے پہلے سپلائر سے تصدیق طلب کرتا ہے.

Wayfair اپنے جامع کیٹلاگ کی معاونت کے لیے دسیوں ہزار سپلائرز کے ساتھ کام کرتا ہے. سپلائر سپورٹ کی ریکوئسٹوں کو منظم کرنے کے لیے، Wayfair کے ایسوسی ایٹس تاریخی طور پر ہر آنے والے ٹکٹ کا جائزہ لیتے تھے، دستی طور پر یہ شناخت کرتے تھے کہ سپلائرز کیا حاصل کرنا چاہتے ہیں اور مسائل کو درست اندرونی مالک تک پہنچاتے تھے—یہ ایک وقت طلب اور غلطی کے امکانات سے بھرپور عمل تھا. "سپلائر کی ریکوئسٹس آسان نہیں ہوتیں،" Wayfair میں سپلائر سپورٹ اور آپریشنز کے ذمہ دار گراہم گینسل نے کہا. "وہ مسائل کی سینکڑوں اقسام پر محیط ہیں اور کوئی ایک ایسوسی ایٹ حقیقتاً ان سب میں مہارت حاصل نہیں کر سکتا."

Wayfair نے AI کے ساتھ ان ورک فلو کو بہتر بنانے کے لیے Wilma نامی ایک پروڈکٹ میں ایجنٹک فیچرز شامل کیے. پروڈکشن میں پہلی خصوصیات میں سے ایک OpenAI ماڈل کے ذریعے تقویت یافتہ ٹکٹ ٹرائیج ہے. سسٹم آنے والی ریکوئسٹس پڑھتا ہے، گمشدہ سیاق و سباق پُر کرتا ہے اور ٹکٹس کو مناسب ٹیم تک پہنچاتا ہے. Wilma کو تیزی سے تعینات کیے جانے کے لیے ڈیزائن کیا گیا تھا؛ OpenAI APIs کے ساتھ پہلے سے ضم شدہ ایک سسٹم پر بنایا گیا، یہ تقریباً ایک ماہ میں پروٹوٹائپ سے لائیو تک پہنچ گیا. "Wilma ایسوسی ایٹس کو لیوریج دیتا ہے،" Ganssle نے کہا. "یہ سپورٹ ٹکٹ پڑھتا ہے، مقصد کی شناخت کرتا ہے، ہمارے ڈیٹابیسز سے سیاق و سباق پُر کرتا ہے، ضرورت پڑنے پر سپلائرز سے دوبارہ رابطہ کرتا ہے اور مسئلے کو درست سمت میں لے جاتا ہے."

روٹنگ سے آگے، Wayfair نے مخصوص حل ٹیموں کے لیے ایجنٹک AI فلو کی ایک درجن تعینات کیے ہیں. مثال کے طور پر، ریپلیسمنٹ پارٹ آپریشنز ٹیم کے لیے ایک کو-پائلٹ پیچیدہ کیس ہسٹری پڑھتا ہے، اگلے اقدامات تجویز کرتا ہے اور مسودہ جوابات تجویز کرتا ہے جن کا انسانی ساتھی جائزہ لیتے ہیں. یہ معاونین تاریخی ڈیٹا پر تربیت یافتہ ہیں، اس لیے یہ سیاق و سباق میں سیکھتے ہیں کہ کامیابی کیسی نظر آتی ہے. "ماڈل پورے سفر کے دوران سیاق و سباق کو اس طرح یکجا کر سکتے ہیں کہ یہ کام کسی ایک ایسوسی ایٹ کے لیے کرنا مشکل ہوتا ہے،" گینسل نے کہا. "وہ وسیع تر مرئیت صارف اور سپلائر کی اطمینان میں اضافے میں کردار ادا کرتی ہے."

Wayfair اس بات کو ٹریک کرتا ہے کہ AI کی سفارشات کتنی بار انسانی ایجنٹ کے حتمی فیصلے سے میل کھاتی ہیں—یہ ایک میٹرک ہے جسے "الائنمنٹ ریٹ" کہا جاتا ہے. ہر ٹیم کے اندر، جب ہم آہنگی مسلسل ایک پہلے سے طے شدہ تھریشلڈ تک پہنچ جاتی ہے، تو ورک فلو معاون ("کو-پائلٹ") سے نیم خودمختار ("آٹوپائلٹ") موڈز میں منتقل ہو سکتے ہیں. یہ مرحلہ وار طریقہ کار اعتماد قائم کرتا ہے اور رول آؤٹ کے دوران معیار کے کنٹرولز کو یقینی بناتا ہے.

Wayfair اندرونی نظاموں میں OpenAI ماڈل کو انٹیگریٹ کرنے کے بعد سے قابلِ پیمائش بہتری کی رپورٹ کرتا ہے.

کیٹلاگ کی جانب، کمپنی نے غلط یا غائب پروڈکٹ ایٹریبیوٹ ٹیگز کی تعداد کم کر دی جو کوئی صارف دیکھ سکتا ہے—کیونکہ Wayfair کیٹلاگ میں سب سے زیادہ نمایاں اور خریدی جانے والی 1,000,000 سے زائد مصنوعات میں 2.5M پروڈکٹ ٹیگز کی درستی کی گئی. وہ اگلے چھ ماہ میں اس اثر کو چار گنا کرنے کی توقع رکھتے ہیں.

سپلائر سپورٹ میں، ٹریج، کو-پائلٹ اور آٹو-پائلٹ سسٹمز نے 41,000 ٹکٹس فی ماہ کو خودکار بنا کر تھروپٹ میں اضافہ کیا ہے (یہ کچھ ورک فلو میں 70% تک ہے) اور ایسوسی ایٹ کے ورک لوڈ سے معمول کے دستی کام کو ہٹا کر ٹرن اراؤنڈ ٹائمز کم کیے ہیں. یہ متعدد ورک فلو کے لیے حل تک پہنچنے کے وقت کو ڈرامائی طور پر کم کرتا ہے، سپلائر کے اطمینان میں نمایاں اضافہ کرتا ہے، اور ان ورک فلو میں ٹکٹ دوبارہ کھولنے کو کم کرتا ہے.

ماڈل کی جانب سے ٹکٹس اور سپلائر کے ارادے کے بارے میں فراہم کردہ وسیع تر مرئیت—اس سے آگے جو ایک واحد ایسوسی ایٹ اسکرین پر دیکھ سکتا ہے—نے اطمینان میں اس اضافے میں کردار ادا کیا ہے.

عملی طور پر، ٹیمیں رپورٹ کرتی ہیں:

• پیچیدہ سپلائر ٹکٹس کی تیز تر روٹنگ اور حل
• سپلائر کی تسلی میں اضافہ
• دستی ڈیٹا انٹری اور درجہ بندی کے کام میں کمی
• سینکڑوں موضوعات میں مہارت درکار کیے بغیر مسائل کی وسیع تر کوریج
• اشاعت سے پہلے کیٹلاگ کی خصوصیات میں زیادہ اعتماد.

Wayfair نے اپنی تقریباً 12,000-لوگوں کی افرادی قوت میں اشتہاری کاموں، اندرونی مسئلہ حل کرنے اور جنریٹیو ماڈلز کے ساتھ تجربات کی حمایت کے لیے 1,200 سے زیادہ ChatGPT Enterprise سیٹس بھی تعینات کیے ہیں.

Wayfair کی مشین لرننگ میں سرمایہ کاری کرنے اور اپنے کاروبار کو آگے بڑھانے کے لیے AI پلیٹ فارمز اور LLM فراہم کنندگان کے ساتھ تعاون کرنے کی ایک طویل تاریخ ہے. اب، جدید ترین ماڈل میں پیش رفت، خاص طور پر ملٹی موڈل سسٹمز، اس بات کو وسعت دے رہی ہے کہ اس کی ٹیمیں کیا کچھ تیار کر سکتی ہیں. یہ ہوم ریٹیل میں اہمیت رکھتا ہے، جہاں مصنوعات بصری، اسٹائلسٹک اور اکثر موضوعی ہوتی ہیں.

"ہم اُن مسائل کے دائرۂ کار کے بارے میں پُرجوش ہیں جنہیں اب ہم حل کر سکتے ہیں،" کیرولین فلپس نے کہا. "روایتی الگورتھم کے لیے سختی سے متعین ڈیٹاسیٹس درکار ہوتے ہیں. یہ ماڈل ہمیں ابہام اور سیاق و سباق کے ساتھ اس انداز میں کام کرنے دیتے ہیں جو پہلے اس پیمانے پر قابلِ توسیع نہیں تھا. 

آگے دیکھتے ہوئے، ChatGPT Enterprise کے لیے ملازمین کی مانگ مضبوط رہی ہے. Wayfair کی ٹیمیں اسے ایک عملی ٹول کے طور پر دیکھتی ہیں جو انہیں تیزی سے آگے بڑھنے میں مدد دیتی ہیں.

صارفین کی توقعات بھی تیزی سے بدل رہی ہیں. جیسے جیسے زیادہ خریدار اپنی روزمرہ زندگی میں AI استعمال کرنے میں راحت محسوس کرنے لگے ہیں، وہ آن لائن براؤز کرتے، موازنہ کرتے اور خریدتے وقت اسی طرح کی صلاحیتوں کی توقع بھی کرنے لگے ہیں.

"گھر پر، صارفین کے پاس اکثر وہ چیز جس کی وہ تلاش کر رہے ہوتے ہیں اس کے لیے بالکل درست الفاظ نہیں ہوتے،" فیونا ٹین نے کہا. "قدرتی زبان اور ملٹی موڈل نظام اس خلاء کو پر کرنے میں مدد کرتے ہیں."

Wayfair کے رہنماؤں کے لیے، مقصد انسانی مہارت میں اضافہ کرتے ہوئے اندرونی صلاحیت کو پیمانے پر بڑھانا ہی ہے. "ہم ایک ایسی دنیا کے لیے تعمیر کر رہے ہیں جہاں AI خریداری کے سفر کا حصہ ہو—چاہے وہ ہماری سائٹ پر ہو، سپورٹ کے ذریعے ہو، یا گفتگو پر مبنی انٹرفیسز کے ذریعے،" فِیونا ٹین نے نتیجہ اخذ کیا.