"Etsy nutzt große Sprachmodelle (LLMs), um detaillierte, anonymisierte Käuferprofile auf Basis von Browsing- und Kaufhistorie zu erstellen. Diese Profile erfassen differenzierte Interessen und Einkaufsabsichten und verbessern so die Personalisierung für fast 90 Millionen Käufer auf der Plattform. Die technische Umsetzung umfasst das Abrufen von Nutzeraktivitätsdaten und das anschließende Auffordern eines LLMs, diese Daten zur Profilerstellung zu interpretieren. Um diesen Prozess skalierbar und kosteneffizient zu gestalten, hat Etsy Datenquellen optimiert, das Eingabe-Token-Volumen reduziert, Batch-Größen erhöht und Parallelverarbeitung eingesetzt. Diese Optimierungen haben die Zeit und Kosten für die Erstellung von Käuferprofilen drastisch reduziert. Die generierten Käuferprofile werden dann verwendet, um die Sucherfahrung durch Query Rewriting und Verfeinerungs-Pills zu personalisieren. Query Rewriting reichert Nutzersuchen mit vorhergesagten Interessen an, während Verfeinerungs-Pills anklickbare Filter basierend auf Nutzerpräferenzen bieten. Etsy misst den Erfolg dieser Personalisierung anhand von Metriken wie Click-Through-Rate und Conversion-Rate-Steigerungen. Sie erhalten auch die Profilgenauigkeit aufrecht, indem sie diese dynamisch basierend auf der Nutzeraktivität aktualisieren und Interessensverschiebungen erkennen. Zukünftige Arbeiten umfassen die Bewältigung des "Kaltstart"-Problems für neue Nutzer durch das Experimentieren mit Inheritance-Profilen. Letztendlich zielt Etsy darauf ab, die Auffindbarkeit zu verbessern und intuitivere Sucherlebnisse für jeden Käufer zu schaffen."