Wayfair 借助 OpenAI 提升产品目录准确性与客服响应速度
全球领先的家居用品零售商 Wayfair 近期宣布，通过将 OpenAI 模型深度集成到其核心运营系统中，显著提升了供应商支持流程的效率和产品目录的数据质量。这一举措不仅实现了大规模自动化，还优化了涉及数千万产品的复杂零售工作流。
从试点到全面生产：AI 驱动的运营革新
Wayfair 并非将生成式 AI 视为一次性的实验或孤立解决方案，而是选择将其嵌入到核心业务流程中。公司最初在复杂度和规模需求最高的领域进行试点：供应商支持请求的路由与解决，以及对约 3000 万件商品 目录中数万种产品属性进行一致性优化。自 2024 年小规模测试验证价值后，该系统已发展为全面的生产系统，有效减少了人工工作量，加速了决策过程，并提升了海量产品的数据质量。
规模化解决目录质量挑战
Wayfair 的目录团队管理着近千个不同产品类别下的数千万件商品。准确且一致的产品属性标签（如颜色、材质、尺寸或特定功能）对于搜索、推荐和商品陈列至关重要。
“我们的数据质量越高，与客户建立的信任就越深。这至关重要，因为它能帮助购物者做出正确的购买决策，从而直接减少因产品信息不实导致的高成本下游问题，如退货。”——Wayfair 目录商品管理副总监 Jessica D'Arcy
在引入 OpenAI 之前，标签改进主要依赖供应商和客户反馈问题。人工处理难以应对庞大的数据量。早期为单个标签定制的 AI 模型虽然有效，但构建和维护成本高昂。
Wayfair 的机器学习科学家 Carolyn Phillips 指出：“我们最初为单个标签构建定制模型，技术上可行。但面对 47,000 个标签 时，这种方法根本无法规模化。”
构建可复用的 AI 架构
为了突破一次性模型的局限，Wayfair 创建了一个基于单一 OpenAI 模型的“标签无关”系统。该系统通过一个“定义代理”来吸收网络和内部定义，为每个标签生成上下文含义。
Phillips 强调：“真正的瓶颈并非模型性能，而是如何构建一个能灵活处理海量、多样化标签的通用架构。”这种架构转变使得 Wayfair 能够以统一、高效的方式处理数百万产品的属性更新，而无需为每个标签单独开发模型，大幅降低了技术复杂度和运营成本。
对行业的意义与启示
Wayfair 的案例展示了生成式 AI 在零售和电商领域的深层应用价值：
- 运营效率提升：自动化票务分类和属性管理，释放人力资源。
- 数据质量飞跃：通过 AI 确保产品信息的一致性与准确性，增强用户体验和信任度。
- 规模化能力：可复用的 AI 架构解决了海量数据处理难题，为行业提供了可借鉴的技术路径。
这不仅是技术集成，更是通过 AI 重塑核心工作流，实现降本增效与质量控制的典范。
