Wayfair tăng độ chính xác danh mục và tốc độ hỗ trợ với OpenAI

Wayfair, một trong những nhà bán lẻ hàng gia dụng lớn nhất thế giới, đã tích hợp các mô hình OpenAI vào các hệ thống nội bộ quan trọng để cải thiện quy trình công việc hỗ trợ nhà cung cấp và chất lượng danh mục sản phẩm trên quy mô lớn. Những gì bắt đầu là thử nghiệm giá trị các bản phát hành quy mô nhỏ vào năm 2024 đã phát triển thành một hệ thống sản xuất đầy đủ giúp giảm nỗ lực thủ công, đẩy nhanh quá trình ra quyết định và cải thiện chất lượng dữ liệu trên hàng triệu sản phẩm.

Thay vì coi AI tổng hợp như một thử nghiệm hoặc giải pháp điểm, Wayfair đã nhúng các mô hình OpenAI vào quy trình làm việc cốt lõi. Công ty tập trung đầu tiên ở những nơi độ phức tạp và nhu cầu về quy mô cao nhất: định tuyến và giải quyết các yêu cầu hỗ trợ của nhà cung cấp và cải thiện hàng chục nghìn thuộc tính sản phẩm một cách nhất quán trên danh mục khoảng 30 triệu mặt hàng.

Nhóm danh mục của Wayfair quản lý hàng chục triệu sản phẩm trên gần một nghìn loại sản phẩm khác nhau. Các thẻ thuộc tính sản phẩm nhất quán và chính xác — chẳng hạn như màu sắc, chất liệu, kích thước hoặc các tính năng cụ thể — là điều cần thiết cho việc tìm kiếm, đề xuất và bán hàng.    

"Chất lượng dữ liệu của chúng tôi càng tốt, chúng tôi càng xây dựng được nhiều niềm tin với khách hàng." Điều này rất cần thiết vì nó cho phép người mua hàng đưa ra quyết định mua hàng đúng đắn, trực tiếp giảm các vấn đề tốn kém như trả lại từ các sản phẩm được trình bày sai lệch, " Jessica D'Arcy, Phó Giám đốc Bán hàng Catalog tại Wayfair cho biết. 

Trước khi có OpenAI, việc cải thiện gắn thẻ chủ yếu dựa vào việc các nhà cung cấp và khách hàng thông báo cho Wayfair biết rằng có điều gì đó không ổn. Nỗ lực thủ công không thể theo kịp khối lượng.  Các mô hình AI tùy chỉnh ban đầu cho từng thẻ riêng lẻ đã hiệu quả, nhưng tỏ ra tốn kém để xây dựng và duy trì. “Chúng tôi bắt đầu bằng cách xây dựng các mô hình được thiết kế riêng cho từng thẻ, và về mặt kỹ thuật thì cách đó hiệu quả,” Carolyn Phillips, nhà khoa học học máy cấp nhân viên của Wayfair, cho biết. “Nhưng khi bạn đang xem xét 47,000 thẻ, thì cách tiếp cận đó đơn giản là không thể mở rộng.”

Để vượt ra khỏi các mô hình riêng lẻ, Wayfair đã tạo ra một hệ thống không phụ thuộc vào thẻ tag, được xây dựng trên một mô hình OpenAI duy nhất. Một "tác nhân định nghĩa" tiếp nhận các định nghĩa từ web và nội bộ để tạo ra ý nghĩa ngữ cảnh cho mỗi thẻ. Phillips nói: “Điểm tắc nghẽn thực sự không phải là hiệu suất của mô hình. “Đó là thời gian con người cần thiết để xác định và mã hóa ý nghĩa của mỗi thẻ.” Bối cảnh này, cùng với dữ liệu sản phẩm được tổng hợp từ khắp hệ sinh thái dữ liệu của Wayfair, đưa vào một khung có thể phân loại các thuộc tính trên các lớp sản phẩm. Nhóm hiện đang mở rộng phạm vi bao phủ của mô hình sang các thuộc tính mới với tốc độ gấp 70x so với chỉ một năm trước.

Hệ thống này hiện đã được đưa vào vận hành thực tế trên hơn 1 triệu sản phẩm. Và đợt sản phẩm đầu tiên với các thuộc tính được nâng cao hiện đã được đưa vào sử dụng đủ lâu để đo lường tác động của việc cải thiện chất lượng dữ liệu đối với hành trình của khách hàng.   “Khi bạn cải thiện tính đầy đủ của thuộc tính, nó không trừu tượng. "Bạn có thể thấy điều đó thể hiện rõ trong hiệu quả SEO và PLA - trong cách khách hàng tìm thấy sản phẩm," Phillips nói. Thử nghiệm A/B có đối chứng cho thấy nhóm được thử nghiệm đã đạt được sự gia tăng đáng kể về số lượt hiển thị, số lần nhấp chuột và thứ hạng trang.

Tuy nhiên, Wayfair không chỉ đơn thuần giao phó việc quyết định chỉnh sửa dữ liệu sản phẩm cho mô hình. “Mục tiêu của chúng tôi là xây dựng lòng tin để khách hàng hoàn toàn tin tưởng vào những gì họ đang mua”, Phillips cho biết. Công ty đã phát triển thử nghiệm có cấu trúc bằng cách sử dụng quy trình đánh giá thực hành, trong đó các cộng sự kiểm tra thực tế các mẫu để xác nhận đầu ra của mô hình và làm việc với các nhà cung cấp để xác nhận các thay đổi. Bây giờ, khi độ tin cậy dựa trên dữ liệu cao, các hệ thống tự động sẽ ghi đè lên nội dung trực tiếp và thông báo cho nhà cung cấp về sự thay đổi. Và, khi tiêu chuẩn cao không được đáp ứng hoặc thẻ được coi là rủi ro cao, Wayfair trước tiên tìm kiếm xác nhận nhà cung cấp trước khi thực hiện thay đổi.

Wayfair hợp tác với hàng chục nghìn nhà cung cấp để hỗ trợ danh mục sản phẩm toàn diện của họ. Để quản lý các yêu cầu hỗ trợ từ nhà cung cấp, trước đây các nhân viên Wayfair đã xem xét mọi phiếu yêu cầu đến, thủ công xác định những gì nhà cung cấp đang cố gắng thực hiện, và chuyển các vấn đề đến đúng chủ sở hữu nội bộ—một quy trình tốn thời gian và dễ xảy ra lỗi. “Các yêu cầu từ nhà cung cấp không hề đơn giản,” Graham Ganssle, phụ trách hỗ trợ và vận hành nhà cung cấp tại Wayfair, cho biết. “Chúng bao gồm hàng trăm loại vấn đề, và không có cộng tác viên nào có thể thực tế nắm vững tất cả chúng.”

Wayfair đã thêm các tính năng đại lý vào một sản phẩm có tên Wilma để tăng cường quy trình làm việc này với AI. Một trong những tính năng đầu tiên được sản xuất là phân loại vé được hỗ trợ bởi mô hình OpenAI. Hệ thống đọc các yêu cầu đến, điền vào ngữ cảnh còn thiếu và định tuyến vé đến nhóm thích hợp. Wilma được thiết kế để triển khai nhanh chóng; được xây dựng trên một hệ thống đã tích hợp sẵn với API của OpenAI, nó đã chuyển từ nguyên mẫu sang hoạt động chính thức chỉ trong khoảng một tháng. “Wilma mang lại lợi thế cho các cộng sự,” Ganssle nói. “Nó đọc phiếu, xác định ý định, điền vào ngữ cảnh từ cơ sở dữ liệu của chúng tôi, liên hệ lại với các nhà cung cấp nếu cần thiết và chỉ ra vấn đề theo đúng hướng.”

Ngoài định tuyến, Wayfair đã triển khai một tá luồng AI tác nhân cho các nhóm xử lý giải quyết cụ thể. Ví dụ, một trợ thủ cho nhóm Vận hành Phụ tùng Thay thế đọc lịch sử vụ việc phức tạp, đề xuất các bước tiếp theo và gợi ý các phản hồi nháp để các nhân viên con người xem xét. Những trợ lý này được huấn luyện trên dữ liệu lịch sử để chúng học được thành công trông như thế nào trong bối cảnh. “Các mô hình có thể tổng hợp bối cảnh xuyên suốt toàn bộ hành trình theo cách mà một nhân viên đơn lẻ khó có thể làm được,” Ganssle cho biết. “Khả năng hiển thị rộng hơn đó góp phần nâng cao sự hài lòng của khách hàng và nhà cung cấp.”

Wayfair theo dõi tần suất các đề xuất của AI trùng khớp với quyết định cuối cùng của tác nhân – một chỉ số được gọi là “tỷ lệ trùng khớp”. Trong mỗi nhóm, khi sự đồng bộ liên tục đạt đến ngưỡng đã được xác định trước, quy trình làm việc có thể chuyển từ chế độ hỗ trợ ("đồng hành") sang chế độ bán tự động ("tự động"). Cách tiếp cận theo từng giai đoạn này giúp xây dựng lòng tin và đảm bảo kiểm soát chất lượng trong suốt quá trình triển khai.

Wayfair báo cáo những cải tiến có thể đo lường được kể từ khi tích hợp các mô hình OpenAI vào các hệ thống nội bộ.

Về mặt danh mục, công ty đã giảm số lượng thẻ thuộc tính sản phẩm sai hoặc bị thiếu mà khách hàng có thể nhìn thấy — sau khi sửa 2.5 triệu thẻ sản phẩm trên hơn một triệu sản phẩm được nhìn thấy và mua nhiều nhất trong danh mục Wayfair. Họ dự kiến sẽ tăng gấp bốn lần tác động này trong sáu tháng tới.

Trong hỗ trợ nhà cung cấp, các hệ thống phân loại, phi công phụ và phi công tự động đã tăng thông lượng bằng cách tự động hóa 41.000 vé mỗi tháng (lên đến 70% trong một số quy trình công việc) và giảm thời gian quay vòng bằng cách loại bỏ công việc thủ công thông thường khỏi khối lượng công việc liên kết. Điều này giúp rút ngắn đáng kể thời gian giải quyết cho nhiều quy trình làm việc, cải thiện đáng kể mức độ hài lòng của nhà cung cấp và giảm việc mở lại phiếu hỗ trợ trong các quy trình làm việc đó.

Khả năng hiển thị rộng hơn mà các mô hình cung cấp về các phiếu hỗ trợ và ý định của nhà cung cấp—vượt ra ngoài những gì một nhân viên đơn lẻ có thể thấy trên màn hình—đã góp phần vào mức tăng về sự hài lòng đó.

Về mặt vận hành, các nhóm báo cáo:

• Chuyển và giải quyết nhanh hơn các phiếu yêu cầu phức tạp của nhà cung cấp
• Tăng sự hài lòng của nhà cung cấp
• Giảm công việc nhập và phân loại dữ liệu thủ công
• Phạm vi bao phủ vấn đề rộng hơn mà không yêu cầu chuyên môn trên hàng trăm chủ đề.
• Độ tin cậy cao hơn vào các thuộc tính danh mục trước khi xuất bản.

Wayfair cũng đã triển khai hơn 1.200 chỗ ngồi ChatGPT Enterprise trên lực lượng lao động khoảng 12.000 người của mình để hỗ trợ các nhiệm vụ đặc biệt, giải quyết vấn đề nội bộ và thử nghiệm với các mô hình tổng hợp.

Wayfair có lịch sử lâu dài trong việc đầu tư vào học máy và hợp tác với các nền tảng AI và nhà cung cấp LLM để thúc đẩy hoạt động kinh doanh của họ. Hiện nay, những tiến bộ trong các mô hình tiên phong, đặc biệt là các hệ thống đa phương thức, đang mở rộng phạm vi những gì các nhóm nghiên cứu có thể xây dựng. Điều đó rất quan trọng trong lĩnh vực bán lẻ đồ gia dụng, nơi các sản phẩm mang tính trực quan, phong cách và thường mang tính chủ quan.

Carolyn Phillips nói: “Chúng tôi rất vui mừng về phạm vi các vấn đề mà chúng tôi có thể giải quyết bây giờ. “Các thuật toán truyền thống đòi hỏi các tập dữ liệu được xác định chặt chẽ. Những mô hình này cho phép chúng ta xử lý sự mơ hồ và bối cảnh theo cách mà trước đây không thể thực hiện được.” 

Hướng tới tương lai, nhu cầu của nhân viên đối với ChatGPT Enterprise vẫn rất mạnh mẽ. Các nhóm tại Wayfair xem đây là một công cụ thiết thực giúp họ làm việc nhanh hơn.

Kỳ vọng của khách hàng cũng đang thay đổi nhanh chóng. Ngày càng có nhiều người mua sắm trở nên thoải mái khi sử dụng AI trong cuộc sống hàng ngày của họ và họ bắt đầu mong đợi những khả năng tương tự khi họ duyệt, so sánh và mua hàng trực tuyến.

“Ở nhà, khách hàng thường không có đúng từ ngữ để diễn tả điều họ đang tìm kiếm,” Fiona Tan cho biết. “Các hệ thống ngôn ngữ tự nhiên và đa phương thức giúp thu hẹp khoảng cách đó.”

Đối với các nhà lãnh đạo Wayfair, mục tiêu vẫn là tăng cường chuyên môn của con người trong khi mở rộng khả năng nội bộ. “Chúng tôi đang xây dựng cho một thế giới mà AI là một phần của hành trình mua sắm — cho dù đó là trên trang web của chúng tôi, thông qua hỗ trợ hoặc thông qua giao diện đàm thoại”, Fiona Tan kết luận.