Etsy的这套系统运作流程分为三个关键阶段：首先由人类专家识别市场趋势并手工筛选出50个符合趋势的商品清单；随后工程师运用机器学习技术将这份清单扩展至约1000个商品；最后通过大型语言模型(LLMs)对商品系列进行美学一致性审核，确保推荐结果既多样化又符合质量标准。整个过程中，Etsy采用Google的Gemini多模态模型作为技术支撑。

Etsy产品管理高级总监Daniel强调："随着人工智能技术日益成熟，我们的目标不是取代人类专家，而是通过AI增强团队的专业能力。"这一理念与消费者需求高度契合。数据显示，51%的消费者希望在购物过程中使用至少一种人工智能辅助功能，而这些用户往往也是平台最具价值的客户群体。

Etsy平台独特的库存结构是推动这一创新的重要因素。与标准化电商平台不同，Etsy上的每件商品都由独立卖家自主上架，缺乏统一的商品目录和编号体系。这种非结构化数据对传统电商技术构成挑战，却为人工智能应用提供了广阔空间。

除了商品推荐，Etsy还将AI技术应用于多个业务环节。通过大型语言模型提取商品关键信息（如尺寸、颜色等），平台不仅优化了搜索体验，还实现了更精准的商品匹配。这些创新已取得显著成效：为无替代文字的商品生成描述后，SEO访问量提升近5%，由此带来的销售转化率提高了约3%。

展望未来，Etsy计划进一步深化个性化购物体验的建设。随着更多买家参与新体验，将获得更丰富的数据来完善预测模型。更高的参与度将催生更精准的个性化推荐，形成良性循环。这一战略旨在将Etsy打造为消费者寻找独特商品的"特殊平台"，在保持平台特色的同时提升商业价值。