Wayfair boosts catalog accuracy and support speed with OpenAI
Quick Summary
Wayfair는 OpenAI 모델을 상품 카탈로그와 공급업체 지원 업무에 내장해 수백만 개 상품의 속성 정확도를 높이고 티켓 처리 속도를 개선했다.
🖼️ 인포그래픽
🖼️ 4컷 인포그래픽
💡 한 줄 요약
Wayfair는 OpenAI 모델을 상품 카탈로그와 공급업체 지원 업무에 내장해 수백만 개 상품의 속성 정확도를 높이고 티켓 처리 속도를 개선했다.
📌 핵심 요약
- Wayfair는 2024년 소규모 가치 검증으로 시작한 OpenAI 활용을 실제 운영 시스템으로 확장해, 상품 카탈로그 품질 개선과 공급업체 지원 자동화에 적용했다.
- 카탈로그 영역에서는 약 3천만 개 상품과 4만 7천 개 태그 문제를 개별 모델로 해결하는 방식이 확장성 한계에 부딪히자, 단일 OpenAI 모델 기반의 태그 비의존형 구조를 구축했다.
- 새 시스템은 태그 정의와 내부·외부 맥락, Wayfair의 상품 데이터를 결합해 속성을 분류하며, 100만 개 이상 상품에 적용되어 노출, 클릭, 페이지 순위 개선 효과를 확인했다.
- 공급업체 지원 영역에서는 Wilma라는 제품에 OpenAI 기반 티켓 분류와 여러 에이전트형 흐름을 도입해 요청 의도를 파악하고, 맥락을 보완하며, 적절한 팀으로 라우팅하도록 했다.
- Wayfair는 월 4만 1천 건의 티켓 자동화, 일부 워크플로에서 최대 70% 자동화, 250만 개 상품 태그 수정, 1,200개 이상의 ChatGPT Enterprise 좌석 배포 등 측정 가능한 운영 개선을 보고했다.
🧩 주요 포인트
- Wayfair는 2024년 소규모 가치 검증으로 시작한 OpenAI 활용을 실제 운영 시스템으로 확장해, 상품 카탈로그 품질 개선과 공급업체 지원 자동화에 적용했다.
- 카탈로그 영역에서는 약 3천만 개 상품과 4만 7천 개 태그 문제를 개별 모델로 해결하는 방식이 확장성 한계에 부딪히자, 단일 OpenAI 모델 기반의 태그 비의존형 구조를 구축했다.
- 새 시스템은 태그 정의와 내부·외부 맥락, Wayfair의 상품 데이터를 결합해 속성을 분류하며, 100만 개 이상 상품에 적용되어 노출, 클릭, 페이지 순위 개선 효과를 확인했다.
- 공급업체 지원 영역에서는 Wilma라는 제품에 OpenAI 기반 티켓 분류와 여러 에이전트형 흐름을 도입해 요청 의도를 파악하고, 맥락을 보완하며, 적절한 팀으로 라우팅하도록 했다.
- Wayfair는 월 4만 1천 건의 티켓 자동화, 일부 워크플로에서 최대 70% 자동화, 250만 개 상품 태그 수정, 1,200개 이상의 ChatGPT Enterprise 좌석 배포 등 측정 가능한 운영 개선을 보고했다.
🧠 상세 정리
1. 소규모 실험에서 핵심 운영 시스템으로의 확장
Wayfair는 OpenAI 모델을 단순한 실험이나 일회성 도구로 다루지 않고, 공급업체 지원과 상품 카탈로그 관리라는 핵심 내부 업무 흐름에 직접 통합했다. 이 작업은 2024년 소규모 출시를 통해 가치를 검증하는 단계에서 시작해, 현재는 수동 작업을 줄이고 의사결정을 빠르게 하며 데이터 품질을 높이는 프로덕션 시스템으로 발전했다. 회사가 먼저 집중한 영역은 복잡성과 규모 문제가 큰 곳이었다. 구체적으로는 공급업체 지원 요청을 분류하고 해결하는 업무, 그리고 약 3천만 개 상품에 걸쳐 수만 개 속성 태그를 일관되게 개선하는 업무가 핵심 대상이었다.
2. 카탈로그 품질 문제가 중요한 이유
Wayfair의 카탈로그 팀은 수천만 개 상품과 거의 1천 개에 가까운 상품군을 관리한다. 색상, 소재, 크기, 특정 기능 같은 상품 속성 태그는 검색, 추천, 머천다이징에 직접 영향을 주기 때문에 고객 경험의 기반이 된다. Jessica D'Arcy는 데이터 품질이 좋아질수록 고객 신뢰가 커지고, 구매자가 올바른 결정을 내릴 수 있어 잘못 표현된 상품으로 인한 반품 같은 비용 문제를 줄일 수 있다고 설명했다. 즉 이 사례에서 카탈로그 데이터는 단순한 내부 정리 대상이 아니라, 고객 발견, 구매 판단, 사후 비용에 연결되는 운영 자산으로 다뤄진다.
3. 기존 방식의 한계와 개별 모델 접근의 비효율
OpenAI 도입 전 Wayfair의 태그 개선은 주로 공급업체나 고객이 잘못된 정보를 알려주는 방식에 의존했다. 하지만 상품 수와 속성 수가 너무 많아 수동 작업만으로는 필요한 속도와 범위를 따라가기 어려웠다. Wayfair는 초기에는 개별 태그마다 맞춤형 AI 모델을 만드는 방식도 시도했으며, 기술적으로는 효과가 있었다고 설명했다. 그러나 Carolyn Phillips는 4만 7천 개 태그를 다뤄야 하는 상황에서 태그별 맞춤 모델을 계속 만들고 유지하는 방식은 비용과 운영 측면에서 확장될 수 없었다고 말했다.
