📢 转载信息
原文链接：https://openai.com/index/wayfair
原文作者：OpenAI
Wayfair，作为全球最大的家居用品零售商之一，已将 OpenAI 模型集成到其关键的内部系统中，以大规模地改进供应商支持工作流程和产品目录质量。最初于 2024 年进行的小规模价值测试，现已发展成为一个全面的生产系统，该系统可减少手动工作量，加速决策制定，并提高数百万种产品的数据质量。
Wayfair 没有将生成式 AI 视为实验或单一解决方案，而是将 OpenAI 模型嵌入了核心运营工作流程。该公司首先关注复杂性和规模化需求最高的地方：路由和解决供应商支持请求，以及跨约 3000 万件商品的数万种产品属性的一致性改进。
大规模解决目录质量问题
Wayfair 的目录团队管理着数千万种产品，涵盖近一千种不同的产品类别。一致且准确的产品属性标签——例如颜色、材料、尺寸或特定功能——对于搜索、推荐和营销至关重要。
“我们的数据质量越高，我们与客户建立的信任就越多。这至关重要，因为它使购物者能够做出正确的购买决策，直接减少因误报产品而产生的昂贵下游问题（例如退货），rdquo; Wayfair 目录营销副总监 Jessica D'Arcy 表示。
在 OpenAI 之前，标签改进主要依赖于供应商和客户告知 Wayfair 是否有遗漏。手动工作量无法跟上。针对单个标签的早期定制 AI 模型是有效的，但被证明构建和维护成本高昂。“我们开始为单个标签构建定制模型，技术上是可行的，”Wayfair 的首席机器学习科学家 Carolyn Phillips 说。“但当你查看 47,000 个标签时，这种方法根本无法扩展。”
构建可重用的 AI 架构
为了超越一次性模型，Wayfair 创建了一个基于单个 OpenAI 模型的、与标签无关的系统。一个“定义代理”会摄取网络和内部定义，为每个标签生成上下文含义。“真正的瓶颈不是模型性能，”Phillips 说。“而是定义和编码每个标签实际含义所需的人工时间。”这种上下文，连同从 Wayfair 数据生态系统中聚合的产品数据，都源于一个可以跨产品类别对属性进行分类的框架。该团队目前以一年前 70 倍的速度将模型覆盖范围扩展到新属性。
该系统已在超过 100 万种产品上运行。第一批具有增强属性的产品已经上线足够长的时间，可以衡量改进数据质量对客户旅程的影响。“当你提高属性的完整性时，这并不是抽象的。你会看到它体现在 SEO 和 PLA 性能上——体现在客户如何发现产品上，”Phillips 说。一项受控 A/B 测试显示，在处理组中，展示次数、点击次数和页面排名均有显著且重大的增加。
然而，Wayfair 并未简单地将纠正产品数据的决策交给模型。“我们的目标是建立信任，让客户对他们购买的商品完全放心，”Phillips 说。该公司开发了结构化的测试，采用了一种实际的审核流程，其中员工会亲自检查样本以验证模型输出，并与供应商合作以验证更改。现在，当数据置信度很高时，自动化系统将直接覆盖内容并通知供应商更改。而且，当未达到高标准或标签被认为高风险时，Wayfair 会先征求供应商的确认，然后再进行更改。
通过 Wilma 重新构想供应商支持工作流程
Wayfair 与数万家供应商合作，支持其全面的目录。为了管理供应商支持请求，Wayfair 员工过去需要审查每张传入的工单，手动识别供应商试图完成的任务，并将问题路由给正确的内部负责人——这是一个耗时且容易出错的过程。“供应商请求并非易事，”Wayfair 供应商支持和运营部的 Graham Ganssle 说。“它们涵盖了数百种问题类型，没有一个员工能够真正精通所有问题。”
Wayfair 为名为 Wilma 的产品添加了代理功能，以增强这些工作流程的 AI 能力。首批投入生产的功能之一是由 OpenAI 模型驱动的工单分类。该系统读取传入的请求，填充缺失的上下文，并将工单路由给相应的团队。Wilma 的设计旨在快速部署；基于已与 OpenAI API 集成的系统，它在大约一个月内从原型投入使用。“Wilma 为员工提供了杠杆，”Ganssle 说。“它读取工单，识别意图，从我们的数据库中填充上下文，在必要时联系供应商，并将问题指向正确的方向。”
除了路由之外，Wayfair 还为特定的解决方案团队部署了十几种代理 AI 流程。例如，备件运营团队的协驾驶员会读取复杂的案例历史记录，提出后续步骤，并建议供人工员工审查的草稿回复。这些助手基于历史数据进行训练，以便它们在上下文中学习成功的定义。“模型可以跨整个旅程综合上下文，这是单个员工难以做到的，”Ganssle 说。“更广泛的可见性有助于提高客户和供应商的满意度。”
Wayfair 跟踪 AI 的建议与人工代理的最终决策匹配的频率——一个称为“一致性率”的指标。在每个团队内部，当一致性持续达到预定阈值时，工作流程可以从辅助（“协驾驶”）模式转变为半自主（“自动驾驶”）模式。这种分阶段的方法建立了信任，并确保了推广过程中的质量控制。
“如果你一开始就没能正确地路由问题，那么下游的一切都会变慢。分类是基础。”
跨团队的可衡量影响
Wayfair 报告了自将 OpenAI 模型集成到内部系统以来可衡量的改进。
在目录方面，该公司减少了客户可能看到的错误或缺失的产品属性标签数量——已在 Wayfair 目录中最具可见性和购买量的超过一百万种产品中纠正了 250 万个产品标签。他们预计在未来六个月内将这一影响扩大四倍。
在供应商支持方面，分类、协驾驶和自动驾驶系统通过自动化每月 41,000 个工单（在某些工作流程中高达 70%）提高了吞吐量，并通过消除员工工作负载中的常规手动工作来缩短了周转时间。这大大缩短了多个工作流程的解决时间，显著提高了供应商满意度，并减少了这些工作流程中的工单重新开启率。
模型提供的对工单和供应商意图的更广泛可见性——超越了单个员工在屏幕上所能看到的——有助于提高满意度。
运营方面，各团队报告：
- 更快地路由和解决复杂的供应商工单
- 提高供应商满意度
- 减少手动数据输入和分类工作
- 在不要求精通数百个主题的专业知识的情况下，扩大问题覆盖范围
- 在发布前对目录属性更有信心。
Wayfair 还为其约 12,000 名员工部署了超过 1,200 个 ChatGPT Enterprise 席位，以支持临时任务、内部问题解决和生成模型实验。
与 OpenAI 的长期合作
Wayfair 在投资机器学习和与 AI 平台及 LLM 提供商合作以推进其业务方面拥有悠久的历史。如今，前沿模型的进步，特别是多模态系统，正在扩展其团队可以构建的内容。这在家居零售业很重要，因为产品是视觉化、风格化且常常是主观的。
“我们对现在能够解决的问题范围感到兴奋，” Carolyn Phillips 说。“传统的算法需要严格定义的数据集。这些模型使我们能够以以前无法扩展的方式处理歧义和上下文。”
从早期试点到生产服务，Wayfair 和 OpenAI 之间的关系已发展成为一项战略合作伙伴关系，涵盖模型选择、部署最佳实践和更广泛的内部采用。“最宝贵的是思想伙伴关系，”Wayfair 首席技术官 Fiona Tan 说。“这不仅仅是访问模型。它是共同解决新的用例，并能够快速行动。”
展望未来，员工对 ChatGPT Enterprise 的需求一直很强劲。Wayfair 的团队认为它是一个能够帮助他们更快地工作的实用工具。
客户的期望也在迅速变化。越来越多的购物者在日常生活中越来越习惯使用 AI，他们开始期望在在线浏览、比较和购买时也能获得类似的功能。
“在家中，客户通常找不到他们正在寻找的确切词语，”Fiona Tan 说。“自然语言和多模态系统有助于弥合这一差距。”
对 Wayfair 的领导者来说，目标仍然是扩大内部能力的同时增强人类专业知识。“我们正在为 AI 成为购物旅程一部分的世界而构建——无论是通过我们的网站、支持，还是通过对话界面，”Fiona Tan 总结道。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区