Parceria Wayfair OpenAI corrige 2,5 milhões de tags de catálogo
Em 15 de junho de 2026, surgiram detalhes sobre como a integração Wayfair OpenAI corrigiu 2,5 milhões de tags de atributos de produtos e agora processa 41.000 solicitações mensais de suporte a fornecedores. A varejista de móveis online usa sistemas automatizados para identificar e corrigir erros em seu catálogo de 30 milhões de itens. Para empresas de e-commerce, a gestão automatizada de catálogo reduz o tempo de curadoria de anúncios e resolve até 70% dos chamados de suporte sem intervenção manual.
Melhora na precisão do catálogo em milhões de itens
Wayfair gerencia um catálogo com cerca de 30 milhões de itens em quase 1.000 tipos de produtos. Cerca de 47.000 atributos cobrem detalhes como cor, material e dimensões. Antes de implementar ferramentas de IA, a correção de anúncios incorretos dependia de fornecedores e clientes relatando erros, pois a revisão manual não acompanhava o tamanho do catálogo. Uma iniciativa de precisão de catálogo da parceria Wayfair OpenAI corrigiu 2,5 milhões de tags de atributos após testes em mais de 1 milhão de produtos. A Wayfair desenvolveu um sistema que analisa os anúncios com base em definições padrão de atributos e sinaliza ou corrige falhas automaticamente, como alterar uma mesa de centro marcada como nogueira quando fotos e descrições indicam pinho.
Otimização de anúncios e categorização de produtos
O sistema avalia os anúncios de produtos da Wayfair AI para garantir resultados de busca e recomendações precisos. O processo automatizado compara detalhes dos produtos com especificações definidas para verificar se cores, materiais e dimensões correspondem às descrições dos estoques recebidos. Em testes anteriores com modelos do Google AI, a categorização de anúncios reduziu o tempo de curadoria em 67% e aumentou determinadas taxas de conversão em 2%. Anúncios corrigidos ganham posições mais altas nas buscas e geram mais cliques em comparação com registros não corrigidos. A Wayfair planeja expandir o sistema de revisão para cobrir quatro vezes mais produtos em seis meses.
Automação de solicitações de suporte a fornecedores
A Wayfair trabalha com dezenas de milhares de fornecedores e recebe solicitações de suporte que abrangem centenas de tipos de problemas. Os fluxos de trabalho de suporte a fornecedores da Wayfair AI agora tratam 41.000 solicitações automaticamente a cada mês. O sistema automatizado lê os chamados recebidos, extrai detalhes ausentes de registros internos e encaminha cada problema para a equipe interna adequada. Para pedidos de peças de reposição, o sistema analisa o histórico do caso e elabora sugestões de resposta para revisão dos funcionários. Quando as taxas de correspondência entre sugestões automatizadas e ações dos funcionários permanecem altas, o sistema executa as tarefas de forma independente, resolvendo até 70% do volume de chamados de maneira automatizada em fluxos específicos.
Supervisão humana em edições automatizadas
A Wayfair combina edições automatizadas com verificação humana para evitar atualizações de anúncios sem controle. Funcionários inspecionam manualmente amostras de anúncios corrigidos antes que as alterações entrem no ar. Quando o nível de confiança para uma correção atinge os limites internos, o sistema atualiza o anúncio e notifica o fornecedor. Se a confiança for menor, o sistema solicita que o fornecedor confirme a alteração proposta primeiro. Essa abordagem híbrida garante a integridade dos dados dos produtos e reduz a carga de trabalho manual em atualizações rotineiras de catálogo.
O que muda para as lojas online
Um estudo de caso sobre a integração Wayfair OpenAI demonstra como grandes varejistas podem automatizar operações administrativas e a limpeza de catálogos. A implementação da gestão de catálogo com Wayfair AI reduz o tempo de revisão manual para chamados de fornecedores e correções de anúncios, gerando economia de custos de mão de obra em merchandising e suporte. A correção de atributos melhora a visibilidade nas buscas, aumenta a taxa de cliques nos itens e eleva a conversão de clientes. Além disso, feeds de catálogo precisos permitem que os dados dos produtos sejam exibidos corretamente quando ferramentas de IA de terceiros consultam o estoque do varejista.
Expansão para ferramentas externas de descoberta por IA
Varejistas focam cada vez mais na limpeza de catálogos para apoiar a descoberta em ferramentas externas de compras por IA. A Wayfair disponibiliza seus feeds de produtos para ferramentas de IA de terceiros que os consumidores usam para comparação de produtos e recomendações de compras. Ferramentas como o ChatGPT consultam feeds de varejo diretamente para responder a dúvidas sobre produtos. Anúncios internos corrigidos garantem que detalhes precisos apareçam quando compradores pedem recomendações de produtos a assistentes de IA externos.
Perguntas e respostas
Como a Wayfair usa a OpenAI para melhorar seu catálogo de produtos?
A Wayfair usa a tecnologia da OpenAI para analisar anúncios de produtos com base em definições de atributos, identificando e corrigindo automaticamente detalhes incorretos, como materiais ou cores. O sistema corrigiu 2,5 milhões de tags em mais de 1 milhão de produtos e encaminha chamados de suporte automaticamente.
Como a etiquetagem de catálogo por IA melhora as taxas de conversão no e-commerce?
A etiquetagem de catálogo de produtos por IA garante atributos precisos, o que melhora o posicionamento nas buscas e as recomendações de produtos. Em testes anteriores, a curadoria automatizada de anúncios aumentou as taxas de conversão em 2% e gerou um volume maior de cliques nos itens corrigidos.
Como a Wayfair combina supervisão humana com edições automatizadas de anúncios por IA?
A Wayfair escala funcionários para inspecionar amostras de anúncios corrigidos. Quando a confiança em uma correção automatizada é alta, o sistema atualiza o anúncio diretamente; quando é baixa, exige a confirmação do fornecedor antes de realizar alterações.
A visão da MOZGII
Como nós construiríamos
Para auditar as tags do catálogo de produtos em escala, nós conectaríamos um modelo de visão diretamente ao banco de dados de produtos e aos repositórios de armazenamento de imagens. O modelo compararia os recursos visuais das fotos dos produtos com descrições em texto e especificações estruturadas. Para resultados de baixa confiança, o sistema direcionaria as correções propostas para os portais de fornecedores para confirmação ou para filas internas de merchandising.
Um sistema como esse falharia quando as descrições dos fornecedores usassem terminologia ambígua ou quando a resolução da imagem fosse muito baixa para verificar materiais específicos. Edições incorretas poderiam prejudicar o relacionamento com fornecedores e corromper os índices de busca. Para monitorar o desempenho, nós acompanharíamos a taxa de correspondência entre as sugestões automatizadas do modelo e as aprovações da equipe humana como nossa principal métrica.
Em seguida, nós construiríamos uma estrutura de feedback automatizada para atualizar as definições de esquema sempre que os fornecedores rejeitassem as correções propostas. Nós também expandiríamos o sistema principal para avaliar os chamados de suporte recebidos em relação às tabelas de histórico de pedidos e gerar automaticamente rascunhos de resposta para os atendentes humanos.
Fontes
De onde vêm os fatos desta matéria.