Wayfair и OpenAI исправили 2,5 млн тегов в каталоге товаров
15 июня 2026 года появились подробности о том, как интеграция Wayfair и OpenAI позволила исправить 2,5 млн тегов атрибутов товаров и обрабатывать 41 000 запросов в службу поддержки поставщиков ежемесячно. Онлайн-ритейлер мебели использует автоматизированные системы для поиска и исправления ошибок в каталоге из 30 млн наименований. Для компаний сферы электронной коммерции автоматическое управление каталогом сокращает время модерации карточек и позволяет решать до 70% обращений без участия человека.
Улучшение точности каталога на миллионах товаров
Wayfair управляет каталогом, насчитывающим около 30 млн товаров почти в 1 000 категориях. Порядка 47 000 атрибутов описывают детали продуктов, такие как цвет, материал и размеры. До внедрения инструментов ИИ исправление неточных описаний зависело в основном от поставщиков и покупателей, поскольку ручная проверка не успевала за масштабами каталога. Инициатива Wayfair и OpenAI по повышению точности каталога позволила исправить 2,5 млн тегов атрибутов товаров после тестирования более чем на 1 млн продуктов. Компания Wayfair создала систему, которая проверяет описания на соответствие стандартным определениям атрибутов и автоматически отмечает или исправляет ошибки, например, меняет материал журнального столика с ореха на сосну, если фотографии и описание указывают на сосну.
Оптимизация карточек товаров и категоризации
Система оценивает карточки товаров Wayfair для обеспечения точных результатов поиска и рекомендаций. Автоматизированный процесс сравнивает детали продуктов с заданными спецификациями, проверяя соответствие цветов, материалов и размеров поступающим описаниям. В ходе ранних тестов с моделями Google ИИ категоризация карточек сократила время модерации на 67% и увеличила конверсию отдельных категорий на 2%. Исправленные карточки получают более высокие позиции в поиске и привлекают больше кликов по сравнению с неоткорректированными позициями. Wayfair планирует расширить систему проверки, чтобы охватить в 4 раза больше товаров в течение 6 месяцев.
Автоматизация обращений в службу поддержки поставщиков
Wayfair сотрудничает с десятками тысяч поставщиков и получает обращения по сотням различных типов проблем. Рабочие процессы поддержки поставщиков на базе ИИ в Wayfair теперь автоматически обрабатывают 41 000 запросов в месяц. Автоматизированная система считывает входящие заявки, извлекает недостающие данные из внутренних записей и направляет каждую проблему соответствующей команде. В случаях запросов на замену запчастей система анализирует историю обращения и готовит черновик ответа для проверки сотрудником. Когда уровень совпадения автоматических рекомендаций с действиями сотрудников остается стабильно высоким, система выполняет задачи самостоятельно, обрабатывая до 70% объема заявок в отдельных процессах.
Сохранение контроля со стороны человека при автоматических правках
Wayfair сочетает автоматические правки с проверкой человеком, чтобы предотвратить неконтролируемые обновления каталога. Сотрудники вручную проверяют выборку исправленных описаний перед их публикацией. Если индекс уверенности в предложенном исправлении соответствует внутренним порогам, система обновляет карточку и уведомляет поставщика. При более низкой уверенности система сначала просит поставщика подтвердить изменения. Такой гибридный подход обеспечивает точность данных о продуктах и снижает нагрузку при ручной обработке рутинных обновлений.
Что это меняет для интернет-магазинов
Кейс сотрудничества Wayfair и OpenAI показывает, как крупные ритейлеры могут автоматизировать бэк-офис и наведение порядка в каталоге. Внедрение ИИ-систем управления каталогом Wayfair снижает время на ручную проверку запросов поставщиков и исправление карточек, сокращая расходы на персонал в отделах мерчандайзинга и поддержки. Исправление атрибутов каталога улучшает видимость в поиске, повышает кликабельность товаров и стимулирует рост конверсии. Кроме того, точные фиды данных позволяют правильно отображать информацию о продуктах, когда внешние ИИ-инструменты запрашивают ассортимент ритейлера.
Расширение на сторонние ИИ-инструменты поиска
Ритейлеры все чаще уделяют внимание очистке каталогов для интеграции со сторонними ИИ-сервисами покупок. Wayfair предоставляет фиды своих продуктов сторонним ИИ-инструментам, которые покупатели используют для сравнения товаров и получения рекомендаций. Сервисы, включая ChatGPT, напрямую запрашивают данные ритейлеров для ответов на вопросы о товарах. Исправленные внутренние карточки гарантируют, что покупатели получают точные сведения, когда обращаются к внешним ИИ-ассистентам за рекомендациями.
Вопросы и ответы
Как Wayfair использует технологии OpenAI для улучшения каталога товаров?
Wayfair использует технологии OpenAI для проверки карточек товаров на соответствие определениям атрибутов, автоматически выявляя и исправляя неточные детали, такие как материалы или цвета. Система уже исправила 2,5 млн тегов для более чем 1 млн товаров и автоматически распределяет заявки в службу поддержки.
Как ИИ-разметка каталога товаров повышает конверсию в электронной коммерции?
ИИ-разметка каталога обеспечивает точность атрибутов, что улучшает позиции в поиске и качество рекомендаций. В ходе ранних тестов автоматическая модерация карточек увеличила конверсию на 2% и обеспечила рост количества кликов по исправленным позициям.
Как Wayfair совмещает контроль человека с автоматическим редактированием карточек товаров с помощью ИИ?
Wayfair привлекает сотрудников для проверки выборок исправленных карточек. При высокой уверенности ИИ в исправлении система обновляет карточку напрямую, а при низкой уверенности запрашивает подтверждение у поставщика перед внесением изменений.
Взгляд MOZGII
Как бы мы это построили
Для масштабного аудита тегов в каталоге товаров мы бы подключили модель компьютерного зрения напрямую к базе данных товаров и хранилищу изображений. Модель сравнивала бы визуальные особенности фотографий с текстовыми описаниями и структурированными характеристиками. При низкой уверенности нейросети система направляла бы варианты правок на порталы поставщиков для подтверждения или во внутренние очереди мерчандайзеров.
Подобная система сбоит, когда описания поставщиков содержат неоднозначные термины или когда разрешение фото слишком низкое для проверки конкретных материалов. Неверные правки могут нарушить отношения с поставщиками и испортить поисковые индексы. Чтобы отслеживать эффективность, в качестве главной метрики мы бы оценивали долю совпадений между автоматическими рекомендациями модели и решениями сотрудников.
Затем мы бы создали автоматический конвейер обратной связи для обновления схем данных каждый раз, когда поставщики отклоняют предлагаемые правки. Также мы бы расширили основную систему, чтобы она сопоставляла входящие тикеты поддержки с таблицами истории заказов и автоматически создавала черновики ответов для операторов службы поддержки.
Источники
Откуда взяты факты этой новости.