Wayfair повышает точность каталога и скорость поддержки с помощью OpenAI11.03.2026 03:00

Wayfair, один из крупнейших в мире ритейлеров товаров для дома, интегрировал модели OpenAI в ключевые внутренние системы для оптимизации процессов поддержки поставщиков и повышения качества товарного каталога в больших масштабах. То, что начиналось как оценка эффективности мелкомасштабных релизов в 2024 году, превратилось в полноценную производственную систему, которая снижает объем ручного труда, ускоряет принятие решений и улучшает качество данных для миллионов товаров.

Вместо того чтобы рассматривать генеративный ИИ как эксперимент или точечное решение, Wayfair внедрила модели OpenAI в основные операционные процессы. Компания сосредоточилась в первую очередь на тех направлениях, где сложность и потребность в масштабировании были максимальными: маршрутизация и разрешение запросов службы поддержки поставщиков, а также стабильное улучшение десятков тысяч товарных атрибутов в каталоге, насчитывающем около 30 миллионов наименований.

Команда каталога Wayfair управляет десятками миллионов товаров, относящихся почти к тысяче различных товарных категорий. Последовательные и точные теги атрибутов товаров — такие как цвет, материал, размер или конкретные характеристики — имеют решающее значение для поиска, рекомендаций и мерчандайзинга.

«Чем выше качество наших данных, тем больше доверия мы вызываем у клиентов. Это крайне важно, поскольку помогает покупателям принимать правильные решения о покупке и напрямую сокращает дорогостоящие проблемы в дальнейшем, такие как возвраты из-за недостоверного описания товаров», — рассказала Джессика Д«Арси (Jessica D’Arcy), заместитель директора по мерчандайзингу каталога в Wayfair.

До появления OpenAI улучшение тегов в основном зависело от того, сообщат ли поставщики и клиенты Wayfair о каких-либо ошибках. Ручной труд не справлялся с такими объемами. Ранние специализированные модели ИИ для отдельных тегов были эффективны, но их разработка и поддержка обходились слишком дорого. «Мы начинали с создания заказных моделей для каждого отдельного тега, и технически это работало», — отметила Кэролин Филлипс (Carolyn Phillips), ведущий специалист Wayfair по машинному обучению. — «Но когда речь идет о 47 000 тегов, такой подход просто не масштабируется».

Чтобы выйти за рамки одноразовых моделей, в Wayfair создали универсальную систему тегов на базе одной модели OpenAI. Специальный «агент определений» собирает данные из интернета и внутренних источников, чтобы сформировать контекстное значение для каждого тега. «Настоящим узким местом была не производительность модели, — пояснила Филлипс. — Требовалось слишком много рабочего времени людей на определение и кодирование того, что на самом деле означает каждый тег». Этот контекст вместе с данными о товарах, собранными со всей экосистемы данных Wayfair, поступает в структуру, способную классифицировать атрибуты для различных категорий продукции. Теперь команда расширяет охват моделей на новые атрибуты в 70 раз быстрее, чем год назад.

Система уже запущена в производство и обработала более 1 миллиона товаров. Первая волна продукции с улучшенными атрибутами работает уже достаточно долго, чтобы можно было оценить влияние повышения качества данных на путь покупателя. «Когда вы повышаете полноту атрибутов, это не какая-то абстракция. Вы видите результат в показателях SEO и товарных объявлений (PLA) — в том, как клиенты находят товары», — говорит Филлипс. Контролируемый А/Б-тест показал существенный и значительный рост показов, кликов и позиций в поисковой выдаче для тестовой группы.

Тем не менее, Wayfair не стала полностью перекладывать на модель решения об исправлении данных о товарах. «Наша цель — укрепить доверие, чтобы клиенты были абсолютно уверены в том, что они покупают», — подчеркнула Филлипс. Компания разработала структурированное тестирование с применением процесса практического аудита, в ходе которого сотрудники физически проверяют образцы для подтверждения работы модели, а также сотрудничает с поставщиками для проверки изменений. Теперь, когда уровень уверенности системы высок, автоматизированные алгоритмы напрямую перезаписывают контент и уведомляют поставщика об изменении. Если же строгие стандарты не соблюдены или тег считается высокорисковым, Wayfair сначала запрашивает подтверждение у поставщика.

Wayfair сотрудничает с десятками тысяч поставщиков для поддержки своего обширного каталога. Для обработки запросов от них сотрудники Wayfair раньше вручную просматривали каждый входящий тикет, определяли суть обращения поставщика и перенаправляли проблему нужному ответственному внутри компании — это был трудоемкий и подверженный ошибкам процесс. «Запросы от поставщиков бывают сложными, — говорит Грэм Ганссл (Graham Ganssle), отвечающий за поддержку поставщиков и операции в Wayfair. — Они охватывают сотни типов проблем, и ни один сотрудник не в силах досконально владеть ими всеми».

Wayfair добавила агентские функции в продукт под названием Wilma, чтобы дополнить эти рабочие процессы искусственным интеллектом. Одной из первых запущенных в производство функций стала триаж-обработка (сортировка) тикетов на базе модели OpenAI. Система читает входящие запросы, заполняет недостающий контекст и перенаправляет тикеты в соответствующий отдел. Система Wilma была разработана с расчетом на быстрое развертывание; построенная на базе инфраструктуры, уже интегрированной с API OpenAI, она прошла путь от прототипа до запуска в работу примерно за один месяц. «Wilma дает сотрудникам рычаги для эффективной работы, — отмечает Ганссл. — Она читает тикет, определяет намерение, дополняет контекст из наших баз данных, при необходимости связывается с поставщиками и направляет решение проблемы по правильному пути».

Помимо маршрутизации, Wayfair внедрила около десятка агентских ИИ-процессов для специализированных команд по решению проблем. Например, второй пилот (co-pilot) для команды по работе с запасными частями изучает историю сложных обращений, предлагает дальнейшие шаги и генерирует черновики ответов, которые проверяют люди-операторы. Эти помощники обучены на исторических данных, что позволяет им понимать контекст успешного разрешения вопросов. «Модели способны синтезировать контекст по всей истории взаимодействия так, как это трудно сделать отдельному сотруднику, — говорит Ганссл. — Такая более широкая видимость способствует повышению удовлетворенности клиентов и поставщиков».

Wayfair отслеживает, как часто рекомендации ИИ совпадают с окончательным решением оператора — этот показатель называется «уровнем согласованности» (alignment rate). В каждой команде, когда показатель согласованности стабильно достигает заранее определенного порога, рабочие процессы могут переключаться из режима помощи («второй пилот») в полуавтономный режим («автопилот»). Такой поэтапный подход укрепляет доверие и обеспечивает контроль качества во время внедрения.

Wayfair сообщает об измеримых улучшениях после интеграции моделей OpenAI во внутренние системы.

Что касается каталога, компания сократила количество неверных или отсутствующих тегов товарных атрибутов, с которыми может столкнуться покупатель: было исправлено 2,5 миллиона товарных тегов для более чем миллиона самых популярных и покупаемых товаров в каталоге Wayfair. В следующие шесть месяцев этот показатель планируется увеличить вчетверо.

В службе поддержки поставщиков системы сортировки, совместной работы и автопилота увеличили пропускную способность, автоматизировав обработку 41 000 тикетов в месяц (что составляет до 70% в некоторых рабочих процессах), и сократили время обработки, освободив сотрудников от рутинной ручной работы. Это радикально сокращает время решения различных задач, значительно повышает удовлетворенность поставщиков и снижает количество повторных обращений.

Более широкий обзор тикетов и намерений поставщиков, который обеспечивают модели (выходящий за рамки того, что один сотрудник может увидеть на экране), также внес свой вклад в рост уровня удовлетворенности.

В операционной деятельности команды отмечают следующие улучшения:

• Более быстрая маршрутизация и решение сложных тикетов от поставщиков
• Повышение удовлетворенности поставщиков
• Сокращение объемов ручного ввода данных и классификации
• Более широкое покрытие проблем без необходимости обладать экспертными знаниями по сотням тем
• Более высокая уверенность в атрибутах каталога перед их публикацией.

Wayfair также развернула более 1200 лицензий ChatGPT Enterprise для сотрудников (при общей численности штата около 12 000 человек) для поддержки нерегламентированных задач, внутреннего решения проблем и экспериментов с генеративными моделями.

Wayfair имеет богатую историю инвестиций в машинное обучение и сотрудничества с ИИ-платформами и поставщиками языковых моделей для развития своего бизнеса. Теперь достижения в области передовых моделей, особенно мультимодальных систем, расширяют возможности разработки для ее команд. Это имеет принципиальное значение в сфере розничной торговли товарами для дома, где товары имеют визуальные, стилистические и зачастую субъективные характеристики.

«Мы воодушевлены спектром задач, которые теперь можем решать, — говорит Кэролин Филлипс. — Традиционные алгоритмы требуют жестко определенных наборов данных. Эти модели позволяют нам работать с неоднозначностью и контекстом так, как раньше было невозможно масштабировать».

Спрос сотрудников на ChatGPT Enterprise остается высоким. Команды в Wayfair рассматривают его как практический инструмент, помогающий работать быстрее.

Ожидания клиентов тоже быстро меняются. Все больше покупателей уверенно используют ИИ в повседневной жизни и начинают ожидать аналогичных возможностей при поиске, сравнении и покупке товаров в Интернете.

«Дома покупатели часто не могут подобрать точные слова для того, что именно они ищут, — отмечает Фиона Тан. — Естественный язык и мультимодальные системы помогают преодолеть этот разрыв».

Для руководства Wayfair главная цель по-прежнему заключается в усилении человеческой экспертизы при одновременном масштабировании внутренних возможностей. «Мы строим будущее, в котором ИИ является частью процесса покупок — будь то на нашем сайте, через службу поддержки или с помощью разговорных интерфейсов», — заключила Фиона Тан.