Wayfair améliore la précision de son catalogue et la rapidité de son support avec OpenAI

Wayfair améliore la précision de son catalogue et la rapidité de son support avec OpenAI

Wayfair, l'un des plus grands détaillants de biens pour la maison au monde, a intégré des modèles d'OpenAI dans des systèmes internes critiques pour améliorer les flux de travail de support des fournisseurs et la qualité du catalogue de produits à grande échelle. Ce qui a commencé par des tests de valeur à petite échelle en 2024 a évolué en un système de production complet qui réduit l'effort manuel, accélère la prise de décision et améliore la qualité des données à travers des millions de produits.

Plutôt que de traiter l'IA générative comme une expérience ou une solution ponctuelle, Wayfair a intégré les modèles d'OpenAI dans les flux de travail opérationnels fondamentaux. L'entreprise s'est d'abord concentrée sur les domaines où la complexité et le besoin d'échelle étaient les plus élevés : le routage et la résolution des demandes de support des fournisseurs, ainsi que l'amélioration cohérente de dizaines de milliers d'attributs de produits dans un catalogue d'environ 30 millions d'articles.

Résoudre la qualité du catalogue à grande échelle

L'équipe du catalogue de Wayfair gère des dizaines de millions de produits à travers près de 1 000 classes de produits différentes. Des étiquettes d'attributs de produits cohérentes et précises — telles que la couleur, le matériau, la taille ou les caractéristiques spécifiques — sont essentielles pour la recherche, les recommandations et le merchandising.

« Plus la qualité de nos données est bonne, plus nous construisons de la confiance avec le client. C'est essentiel car cela permet aux acheteurs de prendre les bonnes décisions d'achat, réduisant directement les problèmes coûteux en aval comme les retours de produits mal représentés », a déclaré Jessica D'Arcy, Directrice Associée du Merchandising de Catalogue chez Wayfair.

Avant OpenAI, les améliorations des étiquettes dépendaient principalement des fournisseurs et des clients pour signaler à Wayfair que quelque chose semblait incorrect. L'effort manuel ne pouvait pas suivre le volume. Les premiers modèles d'IA personnalisés pour des étiquettes individuelles étaient efficaces, mais se sont révélés coûteux à construire et à maintenir. « Nous avons commencé par construire des modèles sur mesure pour des étiquettes individuelles, et techniquement cela a fonctionné », a déclaré Carolyn Phillips, scientifique en apprentissage automatique chez Wayfair. « Mais lorsque vous regardez 47 000 étiquettes, cette approche ne peut tout simplement pas évoluer. »

Construire une architecture d'IA réutilisable

Pour aller au-delà des modèles uniques, Wayfair a créé un système indépendant des étiquettes basé sur un modèle OpenAI unique. Un « agent de définition » ingère les définitions provenant du web et des sources internes pour produire un sens contextuel pour chaque étiquette. « Le véritable goulot d'étranglement n'était pas la performance du modèle », a déclaré Phillips. « C'était le temps humain nécessaire pour définir et encoder ce que chaque étiquette signifiait réellement. »

Ce contexte, associé aux données de produits agrégées de l'écosystème de données de Wayfair, alimente un cadre capable de classifier les attributs à travers les classes de produits. L'équipe étend maintenant la couverture des modèles à de nouveaux attributs à un rythme 70 fois plus rapide qu'il y a un an. Le système fonctionne désormais en production sur plus de 1 million de produits.

Impact mesurable à travers les équipes

Wayfair rapporte des améliorations mesurables depuis l'intégration des modèles OpenAI dans ses systèmes internes.

• Du côté du catalogue, l'entreprise a réduit le nombre d'étiquettes d'attributs de produits incorrectes ou manquantes qu'un client pourrait voir, ayant corrigé 2,5 millions d'étiquettes de produits parmi les plus visibles et achetés dans le catalogue de Wayfair. Ils s'attendent à quadrupler cet impact dans les six prochains mois.

• Dans le support des fournisseurs, les systèmes de triage, co-pilote et auto-pilote ont augmenté le débit en automatisant 41 000 tickets par mois (soit jusqu'à 70% dans certains flux de travail) et réduit les délais de traitement en éliminant le travail manuel de routine des charges de travail des associés. Cela réduit considérablement le temps de résolution pour plusieurs flux de travail, améliore la satisfaction des fournisseurs et diminue les réouvertures de tickets dans ces flux de travail.

La visibilité plus large que les modèles fournissent sur les tickets et l'intention des fournisseurs — au-delà de ce qu'un seul associé peut voir sur un écran — a contribué à cette augmentation de la satisfaction.

Wayfair a également déployé plus de 1 200 sièges ChatGPT Enterprise à travers ses environ 12 000 employés pour soutenir des tâches ad hoc, la résolution de problèmes internes et l'expérimentation avec des modèles génératifs.

Un partenariat à long terme avec OpenAI

Wayfair a une longue histoire d'investissement dans l'apprentissage automatique et de partenariat avec des plateformes d'IA et des fournisseurs de LLM pour faire avancer son activité. Maintenant, les avancées dans les modèles de pointe, en particulier les systèmes multimodaux, élargissent ce que ses équipes peuvent construire. Cela est important dans le commerce de détail à domicile, où les produits sont visuels, stylistiques et souvent subjectifs.

« Nous sommes ravis de l'éventail de problèmes que nous pouvons maintenant aborder », a déclaré Carolyn Phillips. « Les algorithmes traditionnels nécessitent des ensembles de données strictement définis. Ces modèles nous permettent de travailler à travers l'ambiguïté et le contexte d'une manière qui n'était pas auparavant évolutive. »

En regardant vers l'avenir, la demande des employés pour ChatGPT Enterprise a été forte. Les équipes de Wayfair le considèrent comme un outil pratique qui les aide à avancer plus rapidement. Les attentes des clients évoluent également rapidement. De plus en plus d'acheteurs se familiarisent avec l'utilisation de l'IA dans leur vie quotidienne et commencent à attendre des capacités similaires lorsqu'ils naviguent, comparent et achètent en ligne.

« À la maison, les clients n'ont souvent pas les mots exacts pour ce qu'ils recherchent », a déclaré Fiona Tan. « Les systèmes de langage naturel et multimodaux aident à combler cette lacune. »

Pour les dirigeants de Wayfair, l'objectif reste d'augmenter l'expertise humaine tout en développant la capacité interne. « Nous construisons pour un monde où l'IA fait partie du parcours d'achat — que ce soit sur notre site, à travers le support ou via des interfaces conversationnelles », a conclu Fiona Tan.