Wayfair: Gemini размечает каталог из 30+ млн товаров на 67% быстрее и добавляет ~2% к конверсии фильтров

• Wayfair: Helping customers create spaces they love with AI-powered discovery — Google Cloud (customer story), 2025
• Wayfair and Google Cloud Announce Expanded Partnership to Transform Online Retail with Gemini — Google Cloud Press Corner, 2025-01-12
• Wayfair Deploys Google AI to Scale and Enrich Product Catalogs — PYMNTS, 2025-01-12

Контекст

Wayfair уже больше двух десятилетий строит «место назначения для всего, что связано с домом»: онлайн-каталог компании насчитывает более 30 миллионов товаров от 20 000+ поставщиков по всему миру — под любой бюджет, стиль и пространство. Сила компании — ассортимент — одновременно её главная операционная боль. Каждую карточку товара нужно снабдить точными атрибутами: цвет, стиль, материал, размеры. Без этого покупатель не найдёт нужное через поиск и фильтры, а огромный выбор из преимущества превращается в источник фрустрации.

12 января 2025 года, к открытию выставки NRF Big Show в Нью-Йорке, Wayfair и Google Cloud объявили о расширенном партнёрстве вокруг Gemini, Vertex AI и Google Workspace. Пресс-релиз зафиксировал два фронта работ: обогащение товарного каталога моделями Gemini и повышение продуктивности сотрудников через Gemini в Google Workspace — от черновиков писем в Gmail до суммаризации документов и шаблонов презентаций, включая кастомные «Gems» под специализированные задачи. Google Workspace разворачивается на тысячи сотрудников по всему миру.

Важно понимать динамику кейса: он не застыл в январе 2025 года. Актуальная версия кейс-стади Google Cloud показывает, как проект мигрировал от бэк-офисной автоматизации разметки к клиентским сценариям: пилоту ИИ-инструмента дизайна Muse, визуальной вкладке Discover в приложении и со-разработке Universal Commerce Protocol (UCP) — открытого стандарта Google для агентных покупок, в котором Wayfair выступает основополагающим партнёром. CTO Wayfair Фиона Тан формулирует амбицию так: «Мы хотим убрать трение для наших клиентов, но также смотрим, как можно переосмыслить и суперзарядить то, что они делали раньше. Генеративный ИИ и агентные возможности позволяют по-новому взглянуть на весь процесс и оптимизировать его».

Google со своей стороны позиционирует партнёрство как витринное: «Wayfair переопределяет возможное в ритейле с генеративным ИИ Google Cloud, — говорил при анонсе Мэтт Реннер, президент по глобальной выручке Google Cloud. — Используя мощь Gemini и Google Workspace, Wayfair не только автоматизирует сложные задачи и усиливает командную работу сотрудников, но и создаёт более персонализированный и вовлекающий опыт для каждого покупателя».

Для рынка это один из самых показательных ритейл-кейсов внедрения генеративного ИИ: он начинается не с эффектного чат-бота, а со скучной, но фундаментальной задачи — качества данных каталога.

Проблема

Ручное тегирование атрибутов для каталога в 30+ миллионов позиций — медленный и дорогой процесс, который не успевает за постоянным притоком новых товаров от тысяч поставщиков. Пробелы и ошибки в атрибутах бьют по выручке несколько раз подряд: покупатель не находит товар через фильтры, неверные размеры в карточке приводят к возвратам, а недоописанные товары просто не участвуют в рекомендациях.

Вторая половина проблемы — на стороне покупателя. Покупка мебели — high-consideration решение: оно требует доверия и минимума трения. При этом клиенты часто не могут сформулировать запрос профессиональным термином. «Часть проблемы в том, что наши клиенты не могут сказать, что хотят диван в стиле mid-century, — говорит Фиона Тан. — Они могут знать, что хотят зелёный, но на этом всё». Традиционный онлайн-шопинг с ручной прокруткой страниц быстро становится перегружающим: покупателю показывают сотни разных зелёных диванов, а сузить выбор он не может, потому что не умеет назвать стиль, который держит в голове.

Эти две проблемы сцеплены: пока атрибуты каталога неполны и неточны, никакой «умный» поиск или ИИ-рекомендации работать не будут — им не на что опираться. Покупка для дома, как подчёркивает сама компания, опирается на выстраивание доверия и снижение трения — а доверие рушится ровно в тот момент, когда привезённый диван не совпадает с заявленными размерами. Наконец, масштаб делает задачу принципиально нерешаемой людьми: при 30 миллионах товаров даже небольшая доля новых поступлений в месяц — это объём разметки, на который не наймёшь достаточно контент-менеджеров. Wayfair нужен был способ обогащать каталог автоматически, быстро и с качеством, достаточным для того, чтобы на этих данных строить весь клиентский опыт — от фильтров до дизайнерских инструментов.

Решение

Первый шаг Wayfair — перевод обогащения каталога на модели Gemini в Google Cloud (в актуальной версии кейса — на платформе Gemini Enterprise Agent Platform, в пресс-релизе января 2025 года — на Vertex AI). Вместо ручного тегирования Gemini автоматически категоризирует товары и проставляет атрибуты вроде цвета, стиля и предметной категории. Эффект двойной: Wayfair может быстрее заводить новые товары и делать их доступными покупателям — и при этом снабжать карточки настолько богатой и точной детализацией, насколько возможно. «В конечном счёте мы пытаемся сматчить лучшие товары с нашими клиентами, — объясняет Тан. — Убедиться, что информация о товаре настолько полная, насколько возможно, что мы её обогащаем, — суперважно. С возможностями, которые у нас теперь есть, мы можем делать это в масштабе».

Мультимодальность Gemini открыла смежные сценарии, которых не было в исходном плане: автоматический отлов ошибок в указанных размерах товаров по фотографиям и флаггинг неподобающих материалов в контенте карточек. Это типичный паттерн зрелых внедрений: основной сценарий тянет за собой «боковые», каждый из которых сам по себе окупается — ошибка в размерах дивана почти гарантированно означает возврат.

В самом кейсе Google Cloud последовательность зафиксирована прямо: «первым шагом» Wayfair стало существенное усиление каталога с автоматизацией обогащения данных, и именно этот шаг «дал прочный фундамент для развития более интуитивного и персонализированного ИИ-поиска». Иными словами, порядок работ здесь — не случайность, а осознанная архитектура программы: сначала данные, затем клиентские продукты на них.

Поверх обогащённого каталога компания строит новый слой обнаружения товаров. Wayfair пилотирует Muse — ИИ-инструмент дизайна, где покупатель вводит запрос любой степени конкретности, от «мрачная гостиная в стиле 1920-х» до просто «столовая», и получает фотореалистичные изображения комнат вместе с покупаемыми товарами из реального каталога. В приложении появилась вкладка Discover с визуальным поиском. Компания изучает, как модели семейства Gemini, включая Nano Banana, помогают покупателям визуализировать товары и нащупать свой стиль. «Теперь, с генеративным ИИ и мультимодальными возможностями Gemini, я могу показать все стили, и по мере взаимодействия клиента мы приходим к стилю, который ему нужен, — говорит Тан. — Это визуальное, вдохновляющее путешествие, которого раньше честно просто не существовало». Её формула конечной цели: «Каждый должен чувствовать, что рядом с ним интерьерный со-пилот всё время, пока он покупает на Wayfair».

Четвёртый элемент — агентная коммерция. Wayfair выступает основополагающим партнёром в со-разработке Universal Commerce Protocol (UCP) — открытого стандарта Google, задающего общий язык между потребительскими поверхностями, бизнесами и платёжными провайдерами. UCP должен позволить покупателю находить товары Wayfair, изучать их и оформлять покупку прямо из AI Mode в поиске Google и приложения Gemini — не покидая Google, но с сохранением ритейлера в роли merchant of record. «Наши клиенты покупают на наших платформах, но теперь они пользуются и ИИ-платформами, — объясняет Тан. — Нужно дать возможности и консистентный опыт, которые позволят им находить наши товары на ИИ-платформе». И отдельно подчёркивает: «То, что merchant of record остаётся ритейлером, — ключевой момент, потому что мы все построены на обещании бренда».

Пятый фронт — внутренний: Gemini в Google Workspace для тысяч сотрудников (черновики и ответы на письма в Gmail, суммаризация и вычитка документов, шаблоны презентаций) плюс кастомные Gems под специализированные задачи.

Результат

Опубликованные цифры сосредоточены на каталожном фронте. По совместному пресс-релизу Wayfair и Google Cloud: время, необходимое для курирования новых и обновления существующих карточек, сократилось на 67% при каталоге более 30 миллионов товаров. Повышение точности атрибутов (цвет, предметная категория) и покрытия этих тегов в каталоге улучшило конверсию в сценариях, когда покупатели используют фильтры, примерно на 2%. Экономию от отказа от ручного тегирования компания оценивает в сотни тысяч долларов в год.

Рамки, которые важно видеть. Все цифры — оценки Wayfair, опубликованные Google Cloud, то есть вендором-партнёром; независимого аудита нет. Метрика ~2% относится к конверсии при использовании фильтров, а не ко всей выручке сайта. Долларовая экономия дана диапазоном «сотни тысяч» без точной суммы. Показательна и разница формулировок между документами: пресс-релиз говорит о сокращении времени курирования «на 67%», а более поздняя версия кейс-стади осторожнее — «до 67% быстрее» (up to). Наконец, для Muse, вкладки Discover и UCP публичных метрик пока нет вовсе — это пилоты и анонсы, а не измеренные результаты.

Редакционный анализ. Первое: этот кейс — редкий по чистоте пример стратегии «данные раньше витрины». Wayfair сначала починила фундамент (атрибуты каталога) и только потом начала строить на нём клиентские продукты — Muse, визуальный поиск, агентную коммерцию. Обратный порядок — сначала эффектный ИИ-фасад, потом данные — обычно и даёт разочаровывающие пилоты. Второе: ~2% конверсии на фильтрах при каталоге в 30 миллионов товаров — это классика больших воронок, где маленькие проценты значат больше, чем громкие демо; правда, оценить абсолютный денежный эффект невозможно, потому что Wayfair не раскрывает долю фильтрованных сессий в продажах.

Третье наблюдение касается UCP: ставка Wayfair на протокол, где merchant of record остаётся за ритейлером, — это попытка войти в эпоху агентных покупок, не отдав платформам маржу и отношения с клиентом. Если агентная коммерция станет значимым каналом, именно качество атрибутов каталога — то, с чего кейс начинался, — окажется входным билетом: ИИ-агенту нужны машиночитаемые, точные данные о товаре ещё больше, чем человеку. В этом смысле «скучная» разметка каталога выглядит самой дальновидной частью всей программы. Отраслевой фон подтверждает направление: по данным PYMNTS Intelligence, приведённым в публикации о кейсе, 92% компаний используют ИИ-персонализацию для роста, а 77% руководителей называют генеративный ИИ самой влиятельной из новых технологий — вопрос давно не «внедрять ли», а «в каком порядке».

Уроки для индустрии

1. Данные раньше витрины: Wayfair начала не с чат-бота для покупателей, а с качества атрибутов каталога — фундамента, на котором держатся поиск, фильтры, рекомендации и все последующие ИИ-продукты.
2. ~2% конверсии на фильтрах при масштабе в 30 млн товаров — это большие деньги: маленькие проценты на больших воронках часто ценнее эффектных пилотов.
3. Мультимодальность окупается на побочных сценариях: отлов ошибок в размерах по фото и флаггинг неподобающего контента — незапланированные выгоды, снижающие возвраты и риски.
4. Считайте эффект в паре «скорость + качество»: 67% быстрее имеет смысл только вместе с ростом точности атрибутов, иначе ускоряется производство мусора.
5. Качественный каталог — входной билет в агентную коммерцию: ИИ-агентам (UCP, AI Mode) нужны машиночитаемые точные атрибуты ещё больше, чем людям.
6. В агентных каналах защищайте роль merchant of record: Wayfair участвует в со-разработке стандарта именно затем, чтобы чекаут в ИИ-поверхностях не отнял у ритейлера маржу и отношения с клиентом.
7. Вендорские цифры без независимого аудита стоит переносить в свой бизнес-кейс с дисконтом и обязательным собственным A/B-тестом — тем более что даже формулировки вендора смягчаются со временем («на 67%» → «до 67%»).

Частые вопросы