Wayfair 利用 OpenAI 模型提升电商支持效率与商品目录准确率

核心成效

Wayfair 将 OpenAI 模型集成至其电商运营栈，重点优化两大业务环节：客户支持响应时效与产品目录（product catalog）数据质量。该实践属典型企业级 LLM 应用落地案例，不涉及模型训练或开源，聚焦于 API 调用层的工程化部署。

关键技术应用

• 工单自动分诊（automated ticket triage）：利用 OpenAI 模型对用户提交的支持请求进行语义理解与意图分类，将 tickets 动态路由至对应团队或触发自动化响应流程，缩短平均首次响应时间（First Response Time）。
• 商品属性增强（product attribute enhancement）：对 Wayfair 超过数百万 SKU 的 catalog 数据，批量调用 OpenAI 模型补全、校验与标准化关键字段（如材质、尺寸、风格标签等），提升搜索召回率与推荐相关性。

实施特征

• 模型选型未公开具体版本，但明确基于 OpenAI 提供的商用 API（如 GPT-4 系列可能性较高）；
• 属端到端闭环应用：输入为原始用户文本/结构化 catalog 数据，输出为分类标签、修正后属性值或工单处置建议；
• 强调 scale —— 支持日均海量 tickets 与千万级商品属性迭代，验证了 LLM 在高吞吐、低延迟企业服务场景的可行性。