Wayfair używa Gemini do wykrywania błędnych wymiarów produktów w całym katalogu

Problem

Błędne wymiary produktów frustrują klientów i mogą prowadzić do zwrotów. Wayfair ma katalog ponad 40 milionów produktów od ponad 20 tysięcy dostawców na świecie, a codziennie dodawane są tysiące nowych pozycji. Dostawcy podają pomiary w różnych jednostkach i według różnych konwencji, a oferty zmieniają się w czasie, więc tekst, obrazy i pomiary mogą być ze sobą sprzeczne.

Co zbudowano

Wayfair zbudował model walidacji oparty na Gemini 2.5 Flash od Google. Czyta tekst produktu (nazwy, opisy, wypunktowane cechy) oraz obrazy z wymiarami, a następnie sprawdza, czy potwierdzają one wymiary podane przez dostawcę, czy im przeczą. Konflikty trafiają do dostawcy, który je sprawdza i poprawia.

Jak to zrobiono

Model wyodrębnia wymiary osobno z tekstu i z obrazów, z oceną pewności dla każdego. Następnie uzgadnia je w jedną sugerowaną wartość i porównuje z wartością dostawcy. Przypadki o niskiej pewności i drobne różnice są odrzucane. Prompty zawierają instrukcje krok po kroku, kilka przykładów i definicje merchandisingu Wayfair. Model działa przez Gemini Batch API jako najlepszy kompromis między siłą rozumowania, kosztem i czasem realizacji.

Wyniki

Wayfair mówi, że model konsekwentnie osiągał precyzję powyżej 85 % i czułość powyżej 70 % w wykrywaniu konfliktów. Jego wcześniejsze metody uczenia maszynowego osiągały poniżej 50 % precyzji i 7 % czułości. Po pilotażu na ponad 100 tysiącach produktów, w którym dostawcy sprawdzali oznaczone przypadki, Wayfair uznał model za gotowy do pełnego wdrożenia produkcyjnego.

Co warto powtórzyć

Warto z góry zdecydować, co kosztuje więcej: fałszywe alarmy czy przeoczone błędy. Warto włączyć właściciela biznesowego w tworzenie definicji. Warto testować w pilotażu, w którym zainteresowane strony potwierdzają oznaczenia.