如果你是在Wayfair购物的数千万客户中的一员，那么你已经体验过机器学习和数据平台团队构建的众多技术之一。bob官方网站我们为Wayfair的业务、工程和数据科学团队提供服务，他们正致力于解决最有趣和令人满意的挑战之一——帮助我们的客户实现他们的梦想家园。

Datafirt的数据科学家如何构建可扩展的ML系统，以编程方式优化营销决策。

Wayfair并不是一个家喻户晓的名字，但技术一直是我们所做一切的中心。当联合创始人Niraj Shah和Steve Conine创建我们的第一个网站racksandstands.com时，他们为未来制定了雄心勃勃的计划。随着他们建立了250多个网站，他们利用数据来了解如何最好地扩展他们的努力，在不同的Home类别中提供更好的购物体验。

在之前的文章中，我们介绍了云计算之旅是如何开始的，讨论了测试和验证，并讨论了内部流程，这些流程使我们能够进行快速迭代并帮助实现可预测的交付。

为什么我们决定模块化

高质量的生活方式图像是Wayfirt的核心，可以有效地商品并帮助客户自信地购物。通过3D模型创建生活方式图像可以快速生产产品视觉商品的规模，同时降低成本和速度，以生产图像，并解锁客户的新方式（例如AR，VR），以便客户与产品互动。早期测试显示3D生成的图像可以为我们的产品提供高质量的视觉细节，并提高旗舰品牌的转换率（Wayfair的主要产品，以及客户最相关或识别Wayfair的客户）。因此，快速准确地生产3D模型是进一步降低3D图像成本和驾驶收入的关键。在本博客中，我们将介绍机器学习如何利用在Wayfair的3D建模。bob官方网站

随着我们的旅程继续，我们已经涵盖了较小规模的测试，在整个过程中学习，并设定了我们雄心勃勃的目标，将Wayfair Storefront移动到云!

在Wayfair，我们推荐各种风格和预算的数百万件产品。由于我们目录的规模，我们不断问自己：我们如何帮助客户有效地找到合适的产品，同时发现令人兴奋的补充以填补他们的空间？

Wayfair是一家在多个国家/地区存在的国际公司：美国，加拿大，英国和德国。我们的英国客户可能看起来购买“加热器”，我们的美国客户可能会使用“散热器”一词来描述同样的事情。我们希望确保我们能够理解，这两个客户都指的是通过产品评论的产品形式的客户留给客户的相同项目和解释反馈。