Wayfair借助OpenAI模型提升商品目录准确性与供应商支持效率

背景概述

Wayfair 作为全球最大的家居电商之一，管理近 3000 万件商品，涉及上千个品类。商品属性标签（颜色、材质、尺寸等）的完整与准确直接影响搜索、推荐和退货率。传统靠供应商手工标注或单标签专用模型的方式难以满足规模与一致性需求。2024 年起，Wayfair 开始在内部进行小规模 AI 试点，2026 年 3 月正式将 OpenAI 模型全链路投入生产。

目录质量提升方案

• 统一模型架构：构建基于单一 OpenAI 大模型的“定义代理”，从公开文档和内部词典中抽取每个标签的语义定义。
• 标签无关化：模型不直接预测具体标签，而是根据上下文生成属性值，实现对 47,000+ 标签的通用推理。
• 高效扩展：新属性的上线速度提升至原来的 70 倍，已在 1 百万商品上实现自动化标注。
• 质量审查机制：模型输出先由内部审计团队抽样验证，符合高置信度时自动写回并通知供应商；高风险或低置信度标签则需人工确认后才更新。

供应商支持工作流重构

Wayfair 为数万家供应商提供支持平台，过去每条工单都需人工阅读、判断意图并转交对应团队，效率低下。基于 OpenAI 的 Wilma 系统实现以下功能：

• 工单自动分流：模型解析请求文本，补全缺失上下文，将工单路由至最合适的内部处理组。
• 协同助理：为特定团队（如换件运营）提供“共驾”界面，模型读取历史案例，生成处理建议草稿，供人工复核。
• 对齐率监控：统计模型建议与最终人工决策的一致率，达到预设阈值后逐步转为半自动（autopilot）模式。

业务影响与数据指标

• 目录质量：已纠正约 250 万标签，覆盖 1 百万高曝光商品；A/B 测试显示页面曝光提升 12%，点击率提升 9%。
• 工单处理：每月自动化处理约 41,000 条工单，部分流程提升至 70% 的效率提升；平均响应时间缩短近 40%。
• 供应商满意度：通过后续调查，满意度提升约 15 个百分点，重复工单率下降 22%。
• 内部 AI 采纳：Wayfair 为约 12,000 名员工配备 1,200 套 ChatGPT Enterprise 账号，支持日常查询、文案生成和快速原型实验。

长期合作展望

Wayfair CTO Fiona Tan 表示，OpenAI 不仅提供模型接入，更在用例探索、最佳实践和部署安全上提供“思考伙伴”。未来将重点关注多模态检索（图像‑文本联合）和更细粒度的个性化推荐，以实现 AI 在购物旅程全链路的深度渗透。

“传统算法需要严格定义的数据集，现有模型让我们能够在模糊和上下文丰富的场景中仍保持可扩展性”，Fiona Tan 如是说。

Wayfair 与 OpenAI 的合作示范了大型语言模型在电商运营中的落地路径，为行业提供了可复制的技术蓝本。