Filtry, które nie działają, opisy skopiowane od producenta, produkty w złej kategorii i różne dane w różnych kanałach: to objawy nieuporządkowanych danych produktowych. Opisujemy, jak je uporządkować, jak utrzymać porządek przy kolejnych dostawach i gdzie pomaga AI.
W skrócie
- Dane produktowe obejmują opisy, atrybuty, kategorie, zdjęcia i identyfikatory.
- Porządek zaczyna się od struktury: jakie dane ma mieć każdy produkt w danej kategorii.
- Pliki od dostawców to główne źródło bałaganu i główne miejsce do automatyzacji.
- AI dobrze uzupełnia atrybuty i przygotowuje opisy, ale wymaga kontroli i wytycznych.
Spis treści
Klient wybiera filtr rozmiaru, a połowa produktów znika, bo nie ma uzupełnionego rozmiaru. Szuka czarnej kurtki, ale część czarnych kurtek ma kolor zapisany jako czerń, a część jako black. Wchodzi w kategorię, a obok kurtek widzi buty, bo ktoś przypisał je do złej kategorii. Na marketplace ten sam produkt ma inną nazwę i inny opis niż w sklepie.
To nie są problemy techniczne, tylko problemy z danymi produktowymi. W małym sklepie da się je poprawiać ręcznie. Przy kilku tysiącach produktów od kilkunastu dostawców, z nowościami co tydzień, ręczne poprawianie przestaje nadążać. W tym artykule opisujemy, jak uporządkować dane produktowe i jak utrzymać porządek.
Co to są dane produktowe
Dane produktowe to wszystko, co sklep wie o produkcie i pokazuje klientowi lub wykorzystuje w procesach:
- identyfikatory: kod sklepu, kod producenta, kod kreskowy,
- nazwa i opis: tekst dla klienta,
- atrybuty: kolor, rozmiar, materiał, wymiary, przeznaczenie,
- kategoria: miejsce w drzewie sklepu i kategorie w kanałach sprzedaży,
- zdjęcia i materiały: zdjęcia, instrukcje, karty techniczne,
- dane handlowe: cena, stan, dostawca, czas dostawy.
Każdy z tych elementów wpływa na to, czy klient znajdzie produkt, zrozumie go i kupi. I każdy może być źródłem problemów.
Krok 1. Struktura według kategorii
Porządek zaczyna się od ustalenia, jakie dane ma mieć każdy produkt w danej kategorii. Kurtka potrzebuje rozmiaru, koloru, materiału i sezonu. Lampa potrzebuje mocy, gwintu, barwy światła i wymiarów. Taka lista atrybutów dla każdej kategorii, z dozwolonymi wartościami, np. lista kolorów, to fundament.
Dozwolone wartości są ważne. Jeśli kolor może być wpisany dowolnie, za kilka miesięcy sklep będzie miał kilkanaście wariantów zapisu tego samego koloru i filtry przestaną działać. Lista wartości rozwiązuje ten problem raz na zawsze.
Krok 2. Porządki w istniejących danych
Gdy struktura jest gotowa, trzeba do niej dopasować produkty, które już są w sklepie. To zwykle najbardziej pracochłonny etap. Trzeba ujednolicić wartości atrybutów, uzupełnić braki, poprawić kategorie. Tu bardzo pomaga AI: potrafi wyciągnąć atrybuty z nazwy, opisu i zdjęcia produktu, przypisać je do dozwolonych wartości i zaproponować kategorię. Zespół sprawdza wyniki, zaczynając od produktów, które sprzedają się najlepiej.
Więcej o porządkowaniu danych przed automatyzacją piszemy w artykule porządek w danych przed AI i automatyzacją.
Krok 3. Pliki od dostawców
Dostawcy są głównym źródłem nowych danych i głównym źródłem bałaganu. Każdy przysyła plik w innym formacie, z innymi nazwami kolumn i innym sposobem zapisu atrybutów. Jeden podaje kolor w osobnej kolumnie, drugi w nazwie produktu, trzeci wcale.
Automatyzacja importu polega na przygotowaniu dla każdego dostawcy mapowania: która kolumna odpowiada któremu polu w sklepie, jak zamienić wartości dostawcy na dozwolone wartości sklepu. Przy nietypowych plikach AI pomaga przypisać kolumny i wyciągnąć dane z opisów. Nowe produkty od dostawcy trafiają do sklepu już w uporządkowanej formie. Opisujemy to na stronie opisy i dane produktów.
Krok 4. Opisy
Opis produktu powinien powstawać z danych, a nie obok nich. Gdy atrybuty są uzupełnione, AI może przygotować opis według wytycznych sklepu: tonu, długości, struktury. Opis wtedy nie wymyśla cech produktu, tylko opisuje te, które są w danych. Zespół sprawdza opis i dopisuje to, czego w danych nie ma, np. doświadczenia z produktem.
Wytyczne opisów warto spisać na podstawie najlepszych istniejących opisów sklepu. To dokument, z którego korzysta i zespół, i AI. O zastosowaniach AI w sklepie piszemy szerzej w artykule AI w e-commerce.
Krok 5. Kanały sprzedaży
Marketplace mają własne kategorie i wymagane atrybuty. Produkt, który w sklepie jest kompletny, na marketplace może nie mieć wymaganego parametru. Gdy dane produktowe są uporządkowane w jednym miejscu, przygotowanie ofert dla kanałów sprowadza się do mapowania kategorii i atrybutów sklepu na kategorie i atrybuty kanału. Zmiana danych w jednym miejscu trafia do wszystkich kanałów. Szczegóły na stronie oferty, ceny i stany w wielu kanałach.
Krok 6. Kontrola jakości
Porządek w danych trzeba utrzymywać. Najprostszy sposób to raport jakości, który regularnie pokazuje produkty z brakami: bez wymaganych atrybutów, bez zdjęć, bez opisu, z nietypowymi wartościami, w kategorii niezgodnej z atrybutami. Raport trafia do zespołu, który poprawia braki, zaczynając od produktów najważniejszych dla sprzedaży.
Zdjęcia
Zdjęcia to część danych produktowych, o której łatwo zapomnieć przy porządkach. Produkt bez zdjęcia albo ze zdjęciem złej jakości sprzedaje się gorzej, a na części marketplace nie może być wystawiony. Raport jakości powinien pokazywać produkty z brakującymi zdjęciami, ze zdjęciami za małymi lub z nieodpowiednim tłem. Przy imporcie od dostawców zdjęcia warto pobierać automatycznie i zapisywać przy produkcie, a nie linkować do serwera dostawcy, który może się zmienić.
Kto odpowiada za dane
Porządek w danych produktowych wymaga właściciela. W wielu sklepach dane dodaje kilka osób, a nikt nie odpowiada za ich jakość. Warto wyznaczyć osobę, która ustala strukturę atrybutów, zatwierdza nowe wartości na listach, przegląda raport jakości i dba o wytyczne opisów. To nie musi być pełny etat, ale musi być jasno przypisana odpowiedzialność.
Ta osoba powinna też mieć kontakt z dostawcami. Często najprostszym sposobem na lepsze dane jest prośba do dostawcy o uzupełnienie pliku o brakujące kolumny, np. materiał czy wymiary. Wielu dostawców ma te dane, tylko ich nie wysyła, bo nikt nie zapytał.
Lepsze pliki od dostawców to mniej pracy przy każdej kolejnej dostawie.
Gdzie trzymać dane produktowe
W mniejszych sklepach źródłem prawdy jest zwykle platforma sklepu. W większych, z wieloma kanałami i dostawcami, często potrzebne jest osobne miejsce na dane produktowe: system do zarządzania informacją o produktach albo prostsza baza, np. w Airtable, z której dane trafiają do sklepu i kanałów. Wybór zależy od liczby produktów, kanałów i dostawców.
Porównanie: przed i po uporządkowaniu
| Element | Bez porządku | Po uporządkowaniu |
|---|---|---|
| Atrybuty | Niekompletne, różne zapisy | Według struktury kategorii, z listą wartości |
| Filtry | Działają częściowo | Działają |
| Nowe produkty | Ręczne przepisywanie | Import z mapowaniem |
| Opisy | Kopiowane od producenta | Z danych, według wytycznych |
| Kanały | Różne dane w różnych miejscach | Jedno źródło, mapowanie do kanałów |
| Jakość | Problemy zgłaszają klienci | Raport braków dla zespołu |
Od czego zacząć
Najlepiej od jednej kategorii, najważniejszej dla sprzedaży. Ustalić dla niej strukturę atrybutów, uporządkować istniejące produkty z pomocą AI, przygotować import od głównego dostawcy i raport jakości. Gdy to działa, rozszerzyć na kolejne kategorie. Pozostałe procesy, które warto zautomatyzować w sklepie, opisujemy w artykule co zautomatyzować w sklepie internetowym.
Najczęściej zadawane pytania
Czym są dane produktowe?
To identyfikatory, nazwy, opisy, atrybuty, kategorie, zdjęcia i dane handlowe produktów, z których korzysta sklep i jego klienci.
Dlaczego filtry w sklepie nie działają?
Najczęściej z powodu niekompletnych atrybutów lub różnych zapisów tej samej wartości. Rozwiązaniem jest struktura atrybutów z listą dozwolonych wartości.
Czy AI uzupełni atrybuty produktów?
Tak, potrafi wyciągnąć je z nazwy, opisu i zdjęcia i przypisać do dozwolonych wartości. Wyniki warto sprawdzić, zaczynając od najważniejszych produktów.
Jak obsłużyć pliki od wielu dostawców?
Przygotować dla każdego dostawcy mapowanie kolumn i wartości na strukturę sklepu. Przy nietypowych plikach pomaga AI.
Czy potrzebny jest osobny system na dane produktowe?
W mniejszych sklepach zwykle wystarczy platforma sklepu. Przy wielu kanałach i dostawcach warto rozważyć osobną bazę.
Jak możemy pomóc
Autor
Marcin Wróbel
AI / Automation Project Manager
Marcin prowadzi w Automation Minds projekty automatyzacji i wdrożeń AI, od pierwszej rozmowy o procesie aż po uruchomienie i opiekę po starcie. Pracuje z zespołami sprzedaży, finansów, HR i obsługi klienta, łącząc systemy, które wcześniej nie wymieniały między sobą danych. W Poradniku pisze o tym, co widzi przy wdrożeniach: gdzie automatyzacja szybko się zwraca, a gdzie lepiej się wstrzymać.