E-commerce bez omezení: automatizace zavádění produktů s kompletními specifikacemi

Každý online obchod, který spolupracuje s více dodavateli, čelí stejnému problému: jak efektivně spravovat tisíce produktů, když každý výrobce poskytuje data v jiném formátu, často neúplná a vyžadující rozsáhlé zpracování? Standardní scénář vypadá takto - obdržíte tabulku Excel, soubor XML nebo odkaz na PDF katalog a musíte tato surová data přeměnit na kvalitní produktovou nabídku s kompletními technickými atributy.

Problém se zhoršuje, jak se sortiment produktů rozšiřuje. Zatímco zavedení několika desítek produktů lze provést ručně, zavedení 5 000 nebo 10 000 položek se stává organizační noční můrou. Výzkumy ukazují, že 98 % profesionálů v oblasti e-commerce považuje kompletní data o produktech za zásadní pro úspěch podnikání. Přesto většina obchodů stále bojuje s doplňováním a ověřováním technických dat, což představuje obrovské provozní náklady a významnou překážku pro rozvoj podnikání.

Důsledky neúplných dat o produktech jsou vážné a mnohostranné:

• Nižší konverze - spotřebitelé opouštějí webové stránky s nepřesnými daty o produktech, hledajíce spolehlivější zdroje informací
• Vyšší míra vrácení - neúplné atributy produktů vedou k nesprávným nákupním rozhodnutím, což generuje nákladnou vlnu zklamání a vrácení
• Slabší viditelnost ve vyhledávačích - nedostatečná strukturovaná data omezují pozici
• Zpožděné zavádění nových produktů - časově náročný proces zavádění prodlužuje dobu uvedení nových produktů na trh
• Problémy s multikanálovým prodejem - tržiště odmítají nabídky bez požadovaných technických atributů

getName.ai byl vytvořen jako reakce na tento specifický problém. Pomocí pokročilých algoritmů umělé inteligence nástroj automaticky analyzuje popisy produktů (bez ohledu na jazyk a formát) a extrahuje kompletní sady technických atributů, které splňují požadované klasifikační standardy. V praxi to znamená zkrácení doby zavádění z týdnů na hodiny, eliminaci nákladných chyb a umožnění dynamického rozšiřování nabídky bez navýšení týmu.

V tomto článku se podíváme na to, jak funguje skutečný proces zavádění produktů do e-commerce pomocí různých metod, kde se objevují největší výzvy a jak getName.ai revolučně mění tuto oblast provozu online obchodů.

Provozování online obchodu s širokým sortimentem je neustálý boj s kvalitou a úplností produktových dat. To je obzvláště citelně pociťováno společnostmi, které spolupracují se stovkami dodavatelů, kde každý používá své vlastní standardy popisu produktů. Podívejme se na nejčastější problémy, které efektivně blokují rozvoj e-commerce a spotřebovávají nepřiměřeně velké zdroje.

Nekonzistentní formáty dat od dodavatelů

Realita elektronického obchodování je taková, že každý dodavatel zasílá data ve svém preferovaném formátu:

• Excelové tabulky se specifickými strukturami sloupců
• XML soubory s vlastními značkami a hierarchií
• PDF dokumenty, často chráněné proti kopírování
• Odkazy na produktové stránky vyžadující scraping
• Obrázky tabulek technických specifikací

Navíc i stejný dodavatel může změnit formát dat mezi po sobě jdoucími dodávkami. Tato rozmanitost formátů nutí k udržování rozsáhlých importních mechanismů a často k ručnímu přepisování dat, což generuje dodatečné náklady a zpoždění.

Jazykové bariéry a problémy s lokalizací

Globální obchod znamená dodavatele z různých zemí, kteří poskytují data ve svých místních jazycích:

• Čínský výrobce poskytuje specifikace v čínštině
• Německý dodavatel používá německou technickou terminologii
• Strojové překlady zkreslují technické parametry

Tradiční přístup vyžaduje zapojení překladatelů se znalostí odborné slovní zásoby nebo vytvoření rozsáhlých slovníků pro mapování názvů a hodnot atributů. Jedná se o nákladný proces náchylný k chybám, zejména u specializované technické terminologie.

Úzká místa při extrakci atributů

I když jsou data již v systému, je problém s extrahováním správných atributů:

• Je třeba ručně přepsat parametry z dlouhých textových popisů
• Extrahování hodnot z nestrukturovaných textových fragmentů
• Převod jednotek (např. palce na centimetry)
• Mapování různých názvů stejného atributu (např. "Barva", "Odstín", "Tón")
• Standardizace hodnot slovníku (např. "černá", "černost", "matná černá", "RAL 9005"

Jeden specialista může zpracovat průměrně 200 produktů za den, což vytváří vážné omezení výkonu při práci s tisíci novými položkami.

Problémy se škálováním u velkých katalogů

Jak se sortiment rozrůstá, problémy se správou dat rostou exponenciálně:

• 10 000 produktů potenciálně znamená miliony jednotlivých hodnot atributů k řízení
• Aktualizace parametrů pro celý katalog může trvat týdny
• Přidání nového povinného atributu vyžaduje hromadné aktualizace
• Sezónní rozšíření nabídek způsobují nárůst pracovního zatížení pro produktový tým

Tyto výzvy způsobují, že mnoho obchodů opouští ambiciózní plány rozvoje a omezují se nikoli tolik na menší sortiment, ale na prezentace produktů založené pouze na základních datech. Technické specifikace nebo vlastnosti produktů často zůstávají ve formě statické tabulky, bez možnosti využití jednotlivých atributů ve vyhledávacích filtrech, dynamicky generovaných názvů nebo pokročilých SEO mechanismů.

Náklady na zaměstnávání specializovaného personálu

Pokusy o řešení výše uvedených problémů tradičními metodami vedou k neustálému rozšiřování týmu:

• Specialisté na import dat
• Odborníci na produkty obeznámení s průmyslovými specifiky
• Programátoři vytvářející importní a mapovací skripty
• Kontroloři kvality dat

To generuje významné náklady na personál, zatímco neeliminuje problémy s kvalitou dat. Za předpokladu, že jeden specialista může zpracovat asi 200 produktů za den, úplné zaškolení 1000 produktů s kompletní sadou atributů generuje náklady nejméně 1500 eur - a to je jen pro základní rozsah práce, bez zohlednění dodatečných oprav, úprav a optimalizací.

Tyto každodenní výzvy nejen zvyšují provozní náklady, ale především omezují potenciál rozvoje. E-commerce obchody, které nedokážou efektivně spravovat rostoucí katalog produktů, ztrácejí konkurenční výhodu a příležitosti k expanzi. V následujících částech článku ukážeme, jak moderní AI technologie mohou radikálně změnit tento obraz.

Aby se vypořádaly s výzvami při zavádění produktů, vyvinuly e-commerce obchody různé přístupy. Podívejme se na nejčastěji používané metody a jejich omezení, která často brání plné efektivitě.

Ruční zadávání dat a problémy se škálováním

Nejjednodušší metodou je ruční kopírování dat z dokumentů dodavatele do systému obchodu, často specializovaným týmem:

Výhody:

• Žádné náklady na implementaci pokročilých nástrojů
• Dobré výsledky s malým počtem produktů (až několik desítek)
• Probíhající kontrola kvality

Omezení:

• Extrémně nízká efektivita (přibližně 200 produktů na osobu za den)
• Vysoké náklady při velkých objemech produktů
• Vysoká náchylnost k lidským chybám (únava, nepozornost)
• Neschopnost rychle reagovat na sezónní nárůsty nabídky

Společnosti, které se snaží vyřešit problém efektivity pouhým zvýšením počtu členů týmu, rychle zjišťují, že to vytváří nové výzvy související s koordinací práce, konzistencí dat a řízením kvality.

Portály pro dodavatele a proč často selhávají

Alternativním přístupem je vytvoření specializovaného portálu, kde dodavatelé sami zadávají údaje o svých produktech:

Výhody:

• Převod práce na stranu dodavatele
• Eliminace fáze přenosu dat
• Jednotný formát dat na vstupu

Omezení:

• Nízká míra přijetí – dodavatelé obvykle upřednostňují vyhýbat se používání externích portálů a silně preferují přenos dat ve vlastním formátu, který byl vyvinut během let
• Vkládání dat má pro dodavatele nízkou prioritu
• Potřeba pravidelného školení a podpory pro dodavatele
• Časté rotace personálu u dodavatelů vyžadují neustálou opětovnou implementaci
• Nedostatek motivace pro dodavatele, aby se starali o kvalitu a úplnost dat

Portály pro dodavatele fungují pouze v prostředích, kde má obchod dostatečnou vyjednávací sílu, aby vynutil používání systému. V praxi, zejména pro středně velké e-commerce podniky, zůstávají většinou nevyužité nástroje.

Standardy klasifikace produktů (ETIM, ECLASS, GPC)

Mnoho odvětví vyvinulo jednotné standardy pro klasifikaci a popis produktů, jako jsou ETIM (pro elektrotechniku), ECLASS (pro průmysl) nebo GPC od GS1 (pro maloobchod):

Výhody:

• Přesně definovaná datová struktura a atributy
• Mezinárodní kompatibilita a uznání v průmyslu
• Eliminace nejasností a nesrovnalostí v technických popisech
• Usnadněná výměna dat mezi účastníky dodavatelského řetězce

Omezení:

• Dlouhý a velmi nákladný proces implementace standardu u výrobce
• Běžný standard je vždy kompromisem - výrobci často zdůrazňují, že nezachycuje všechny aspekty a jedinečné výhody jejich produktů
• Dynamický vývoj trhu nutí k častým aktualizacím standardů - přizpůsobení se následným verzím klasifikací generuje vysoké náklady jak pro výrobce, tak pro příjemce.
• Ačkoli jsou ETIM a ECLASS ve svých odvětvích dobře přijímány, značný počet společností stále tyto standardy nepoužívá.
• Klasifikace jsou přizpůsobeny specifickým odvětvím, ale existují kategorie produktů, které jsou v těchto standardech špatně popsány nebo zcela vynechány.
• Rozšíření sortimentu společnosti nad rámec standardu znamená potřebu zavést alternativní metody importu, i když pro některé produkty existuje dobře vyvinutý proces založený na formátu BMEcat.

Standardy klasifikace jsou skvělým řešením, které eliminuje mnoho základních problémů s výměnou produktových dat. Zavádějí jednoznačnost, přesnost a konzistenci na sémantické a strukturální úrovni. Nicméně se nestanou dokonalým řešením, dokud nebudou samotné klasifikace kompletní pro všechna odvětví a dokud je nebudou běžně používat všichni účastníci dodavatelského řetězce (výrobci, distributoři, prodejci). E-commerce, která operuje napříč více odvětvími, musí v současnosti kombinovat výhody standardů tam, kde jsou k dispozici, s alternativními metodami pro jiné oblasti.

ETL nástroje a systémy založené na mapování atributů

Technicky vyspělé společnosti často implementují řešení, která automatizují proces transformace dat o produktech. Takové nástroje lze rozdělit do několika hlavních kategorií:

ETL (Extrahovat, Transformovat, Nahrát)
ETL systémy se specializují na získávání dat z různých zdrojů, jejich transformaci podle definovaných pravidel a načítání do cílových systémů. Příklady populárních nástrojů:

• Talend- komplexní open-source platforma pro integraci dat s pokročilými funkcemi ETL
• Pentaho- sada nástrojů pro integraci dat a business intelligence umožňující komplexní transformační toky

PIM systém (Správa informací o produktech)
PIM systémy často mají vestavěné mechanismy mapování atributů, které umožňují transformaci dat z formátu dodavatele na formát systému:

• Akeneo Onboarder- řešení věnované spolupráci s dodavateli a centralizaci produktových dat
• Informatica MDM- Podniková platforma pro správu hlavních dat, včetně dat o produktech
• Contentserv- rozsáhlý PIM systém s pokročilými automatizačními schopnostmi
• Salsify- PIM platforma navržená pro multikanálový obchod a spolupráci s dodavateli
• Pimcore– flexibilní open-source platforma umožňující pokročilé mapování atributů během importu dat. S modulem DataHub můžete konfigurovat integrační schémata

Systémy pro integraci specializovaných produktů

• Productsup Supplier Onboarding- specializované řešení věnované efektivnímu zavádění produktů od dodavatelů

Klíčovou funkcionalitou těchto systémů je schopnost importovat data od více dodavatelů a transformovat je do jednotné interní klasifikace. V praxi to znamená:

• Současné spravování desítek nebo stovek zdrojů dat (každý s vlastním formátem)
• Mapování různých názvů atributů na jeden cílový model (např. "color", "colour", "hue" → "Color")
• Normalizace hodnot a jednotek (např. "1500W", "1.5 kW", "1.5 kilowatts" → "1500 W")
• Transformace hodnot ve slovníku (např. "black", "noir", "negro", "czarny" → "Black")

Tato flexibilita však přichází za cenu - každý nový formát od nového dodavatele vyžaduje vytvoření individuálních pravidel mapování.

Výhody:

• Automatizovaný proces pro opakované importy
• Vyšší efektivita než ruční zadávání (jeden specialista může spravovat data pro tisíce produktů)
• Schopnost zpracovat různé formáty vstupu
• Centrální správa pravidel transformace dat
• Možnost ověření dat během importu
• Sjednocený datový model na výstupu, bez ohledu na zdroj

Omezení:

• Je potřeba vytvořit a udržovat pravidla mapování pro každého dodavatele a každý formát
• Časově náročná příprava mapování při onboardingu nového dodavatele (obvykle několik dní odborné práce)
• Vysoké náklady na implementaci a údržbu složitých systémů (licence často od desítek tisíc eur ročně)
• Obtíže s manipulací s nestrukturovanými textovými daty a extrakcí cenných atributů z nich
• Vyžaduje vysoce kvalifikované specialisty s technickými znalostmi i znalostmi oboru.
• Pevná pravidla "if-then" si neporadí dobře s variantami psaní stejné informace
• Problém se škálováním u velmi rozmanitých sortimentů (stovky kategorií)
• Změny ve struktuře zdrojových dat (např. aktualizace formátu dodavatelem) vyžadují přepracování pravidel mapování

Řešení založená na pravidlech pro mapování fungují dobře pro pravidelné importy od stejných dodavatelů, kde je formát dat stabilní a opakovatelný. Jejich hlavní výhodou je předvídatelnost a transparentnost procesu. Nicméně, začlenění nových dodavatelů pokaždé vyžaduje značnou práci na přípravě mapovacích pravidel, což prodlužuje dobu uvedení na trh a zvyšuje provozní náklady.

Navíc tradiční nástroje ETL a PIM často nezvládají dobře extrakci cenných informací z nestrukturovaných textových popisů, což vede k neúplnému využití dostupných produktových dat.

Výzvy spojené s vícejazyčnými daty

Další komplikací pro všechny dříve popsané metody je jazyková bariéra - když produkty pocházejí od mezinárodních dodavatelů, data přicházejí v různých jazycích. Bez ohledu na zvolenou metodu onboardingu je nutné zahrnout fázi překladu nebo adaptace dat do cílového jazyka.

Ačkoli moderní technologie AI tento proces výrazně zlepšily a snížily jeho náklady, stále zůstává dalším krokem v procesu, což způsobuje zpoždění a vyžaduje další zdroje. Zvláště problematický je přesný překlad specializované technické terminologie, který může vést k nesrovnalostem nebo chybám v konečných datech produktu.

Tradiční metody onboardingu produktů, které byly představeny dříve, i přes svůj postupný vývoj, stále spoléhají na stejné základní předpoklady - ruční práci, pravidla mapování a rozsáhlé konfigurace. getName.ai představuje zcela nový přístup, který místo zlepšování starých procesů zcela mění způsob, jakým přemýšlíme o extrakci atributů produktů.

Umělá inteligence namísto mapování pravidel

Na rozdíl od tradičních systémů ETL a PIM, které vyžadují vytváření složitých mapovacích pravidel pro každý datový formát, getName.ai používá pokročilé jazykové modely, které "rozumí" kontextu a sémantice produktových informací.

Jak to funguje v praxi:

• Systém analyzuje všechny dostupné informace o produktu (popisy, názvy, tabulky specifikací)
• Rozpoznává a interpretuje význam textu, nejen jeho strukturu nebo formát
• Identifikuje klíčové atributy a jejich hodnoty, bez ohledu na to, jak jsou napsány
• Automaticky převádí a normalizuje hodnoty do požadovaného formátu

Tento zásadní rozdíl v přístupu zcela eliminuje potřebu vytvářet a udržovat složitá pravidla mapování, která jsou největší překážkou tradičních metod.

Univerzálnost vstupních formátů

getName.ai nevyžaduje žádný konkrétní formát vstupních dat. Systém může pracovat s:

• Jakékoli formáty souborů (XML, JSON, CSV, Excel, PDF)
• Nestrukturované textové popisy (dokonce i dlouhé marketingové popisy)
• Data získaná přímo z webových stránek
• Specifikační tabulky v libovolném rozložení

Tato flexibilita znamená, že není potřeba předběžné zpracování nebo přizpůsobení dat přijatých od dodavatelů - mohou být předána systému ve formě, v jaké byla doručena.

Jazyková nezávislost

Jednou z nejrevolučnějších funkcí getName.ai je úplná nezávislost na zdrojovém jazyce dat. Systém rozumí kontextu a významu atributů produktu bez ohledu na to, zda jsou napsány v polštině, angličtině, němčině nebo dokonce čínštině.

Praktické aspekty:

• Není třeba překládat data před zpracováním
• Schopnost spolupracovat s dodavateli z celého světa bez jazykových bariér
• Konzistentní výsledky bez ohledu na zdrojový jazyk

V praxi to znamená, že stejný atribut (např. výkon motoru) bude správně rozpoznán bez ohledu na to, zda se v původním popisu objeví jako "power", "Leistung", "puissance", nebo "功率".

Transformace na vaši vlastní klasifikaci produktů

Nejcennější funkcí getName.ai je schopnost automaticky transformovat jakákoli vstupní data na standardizovanou interní klasifikaci obchodu. Systém nejenže rozpoznává atributy, ale přímo je přiřazuje ke konkrétnímu datovému modelu požadovanému vaším podnikáním - bez jakéhokoli mapování.

Jak tento proces vypadá:

• Zpočátku poskytnete model vlastní klasifikace produktů: třídy, atributy, hodnoty slovníku
• Systém analyzuje surová data od dodavatele
• getName.ai identifikuje všechny dostupné informace o atributech
• Automaticky přiřazuje rozpoznané atributy k vaší interní klasifikaci
• Normalizuje hodnoty podle požadavků (jednotky, formáty, slovníky)
• Vrátí kompletní sadu atributů připravenou k importu do vašeho systému

Tento proces zcela eliminuje potřebu mapování nebo vytváření transformačních pravidel pro každého nového dodavatele - getName.ai se automaticky přizpůsobuje různým formátům vstupních dat, přičemž vždy udržuje stejný, konzistentní formát výstupních dat.

Inteligentní převod jednotek a normalizace hodnot

Systém dokáže nejen rozpoznat číselné hodnoty, ale také automaticky identifikovat jednotky měření a převést je do požadovaného formátu:

• Automatická detekce jednotek (palce, mm, cm, kg, lb, W, kW, atd.)
• Konverze mezi metrickým a imperiálním systémem
• Standardizace zápisu podle požadavků (např. vždy "cm" místo "centimetrů")

Mechanismus normalizace hodnot funguje podobně, rozpoznává různé varianty zápisu stejné hodnoty:

• "černá", "noir", "schwarz", "czarny" → "Černá"
• "bezdrátový", "bezšňůrový", "bezprzewodowy" → "Bezdrátový"
• "nerezová ocel", "inox", "stal nierdzewna" → "Nerezová ocel"

Rychlá implementace API

Integrace getName.ai se stávajícími systémy je jednoduchá díky rozhraní REST API. Předpokládejme, že náš e-commerce strategicky přijal klasifikaci ETIM v10 jako svou hlavní klasifikaci a chce přizpůsobit popis produktu, který obdržel od výrobce.

Tato struktura API umožňuje snadnou integraci s existujícími systémy PIM, e-commerce nebo ERP prostřednictvím standardních komunikačních mechanismů.

Škálovatelnost a flexibilita

Na rozdíl od tradičních řešení si getName.ai udržuje vysokou efektivitu s širokou škálou produktů nebo dodavatelů. Systém zvládá stejně dobře:

• Jednoho dodavatele a jednu produktovou kategorii
• Stovky dodavatelů a tisíce různých produktových kategorií

Tato škálovatelnost vychází ze zásadního rozdílu v přístupu - namísto vyžadování zdlouhavého vytváření a údržby tisíců mapovacích pravidel využívá getName.ai schopnosti umělé inteligence k pochopení kontextu a významu dat, bez ohledu na jejich formát nebo zdroj.

getName.ai není jen dalším vylepšením stávajících procesů, ale kompletní změnou paradigmatu v přístupu k onboardingu produktů. Namísto přizpůsobování se nekonečné rozmanitosti formátů dat dodavatelů prostřednictvím obtížně udržovatelných mapovacích pravidel se systém zaměřuje na přímé pochopení významu dat a jejich automatickou transformaci do koherentní, interní klasifikace. Toto je zásadní rozdíl, který umožňuje překonat omezení tradičních metod a otevírá nové možnosti pro rozvoj sortimentu v e-commerce.

V této sekci se podíváme krok za krokem na to, jak funguje skutečný proces zavádění velkých sad produktů do e-commerce systémů. Ukážeme si problematické body a největší výzvy, kterým čelí produktové týmy, a přesně tam, kde getName.ai přináší významná zlepšení.

Skutečný příklad procesu onboardingu

Podívejme se, jak vypadá typický proces onboardingu produktu pomocí příkladu XML souboru od dodavatele, se kterým se musí vypořádat téměř každý e-commerce obchod:

Vstupní data:

• XML soubor ve vlastním formátu dodavatele
• Technické specifikační atributy zaznamenané ve formátu výrobce
• Data často v cizím jazyce (např. angličtině, němčině nebo dokonce čínštině)
• Katalog 5 000 produktů

Etap 1: Analýza struktury souboru

Tato fáze je běžná bez ohledu na metodu. Technický tým musí nejprve pochopit, jak je sestaven XML soubor dodavatele. To znamená mapování polí, identifikaci značek a pochopení logiky souboru. Tato fáze často vyžaduje IT specialisty a může trvat od několika hodin do několika dnů, v závislosti na složitosti struktury.

Fáze 2: Předběžné zpracování dat

Také běžná fáze pro všechny metody, včetně:

• Transformace na strukturu přijatelnou pro systémy PIM/e-commerce
• Příprava základních a logistických dat pro import
• Organizace prostředků (obrázky, dokumentace)
• Umístění specifikačních atributů do dočasné pracovní struktury

Tato fáze obvykle vyžaduje psaní konverzních skriptů nebo použití ETL nástrojů, což zabere 1-2 dny práce IT specialisty.

Fáze 3: Import základních dat

Fáze společná pro všechny metody:

• Načítání identifikátorů produktů
• Import názvů a popisů
• Úvod logistických údajů (hmotnost, rozměry, balení)
• Připojování prostředků (obrázky, PDF soubory)

I když jsou data zpracovávána automaticky, tento proces vyžaduje dohled a trvá několik hodin až celý den.

Fáze 4: Proces lokalizace jazyka

V tomto kroku potřebujeme přizpůsobit údaje o produktech v cizím jazyce místnímu jazyku obchodu. Toto je jedna z nejnáročnějších fází tradičního onboardingu, kterou getName.ai radikálně zjednodušuje.

Bez getName.ai:
Tradiční lokalizace vyžaduje komplexní překlad všech prvků produktových dat, což generuje značné náklady a zpožďuje uvedení produktů na trh.

• Překlad názvů produktů
• Překlad popisů produktů
• Překlad technických specifikací

Tento proces může trvat od několika dnů až po týdny, v závislosti na počtu a specifičnosti technických atributů a dostupných překladatelských zdrojích.

S getName.ai:
S getName.ai existují dvě hlavní strategie: můžete přeložit původní názvy a popisy vyvinuté výrobcem, nebo se zaměřit na získání vícejazyčných technických atributů a poté z nich automaticky generovat místní názvy a popisy.

• Překlad názvů produktů - zbytečný, pokud má společnost mechanismus pro generování názvů na základě specifikačních atributů
• Překlad popisů produktů - zbytečný, pokud má společnost AI mechanismus pro generování popisů na základě atributů specifikace
• Překlad technických specifikací - zcela zbytečný, protože getName.ai rozpoznává atributy bez ohledu na zdrojový jazyk

Tady se objeví první významný rozdíl:getName.ai eliminuje potřebu překládat technické specifikace, což šetří dny práce a výrazně snižuje náklady.

Fáze 5: Kategorizace produktů

Každý produkt musí být přiřazen k odpovídající kategorii v systému. Tento proces obvykle vyžaduje specializované znalosti o produktech a - v závislosti na stupni rozmanitosti sortimentu - může trvat od několika hodin až po dva dny pro dávku asi 5 000 produktů.

Fáze 6: Import atributů specifikace závislých na kategorii

Ruční úpravy:

• Manuální dokončení prostřednictvím GUI na základě dat ze zdrojového souboru
• Kontrola technických datových listů pro informace
• Hledání chybějících dat na internetu
• Manuální převod jednotek (např. palce na centimetry)

Za předpokladu, že jeden specialista může zpracovat přibližně 200 produktů za den, obsluha 1000 produktů vyžaduje 5 pracovních dní.

Vyhrazené nástroje / ETL:

• Předběžné čištění dat
• Vytváření složitých pravidel importu [if-then-else]
• Definování mapování pro každý atribut
• Vytváření mapování hodnot slovníku, ve zvláštních případech navíc podle atributu
• Konfigurace automatického převodu jednotek

Příprava takového systému obvykle trvá 3-5 dní, ale po konfiguraci probíhá import mnohem rychleji. Každý nový dodavatel však vyžaduje rekonfiguraci. Navíc každý následný import i od stejného dodavatele vyžaduje kontrolu a často úpravu mapování, protože se mohou objevit nové atributy, nové hodnoty ve slovníku nebo chyby ve zdrojových datech.

Toto řešení je obzvláště efektivní pro společnosti s relativně jednoduchou strukturou sortimentu – mapování atributů a hodnot slovníku zůstává procesem, který lze efektivně provádět bez nadměrné složitosti. Nicméně pro e-commerce s velmi rozmanitou nabídkou (stovky produktových kategorií) se rozsáhlé mapování stává prakticky neproveditelným nebo vyžaduje specializovaný tým pro průběžné aktualizace pravidel.

API getName.ai:

• Plná automatizace procesu
• Odesílání všech dostupných informací o produktu do API bez předběžné analýzy
• Okamžité přijetí atributů a jejich hodnot připravených k importu

Tady se objeví nejdůležitější rozdíl:fáze, která tradičně trvala 5 pracovních dní (při předpokládané efektivitě 200 produktů za den) nebo 3-5 dní na přípravu pokročilých ETL pravidel, je zkrácena na několik hodin systémové práce. Není potřeba vytvářet komplikovaná mapovací pravidla a systém automaticky rozpoznává atributy a převádí jednotky.

Fáze 7: Kontrola kvality

Ruční úpravy:

• Kontrola kvality je prováděna současně se zadáváním dat operátory
• Nezahrnuje další fázi ověřování, ale je náchylný k lidským chybám vyplývajícím z únavy během monotónní práce

Specializované nástroje / ETL:

• Vyžaduje náhodné ověření, obvykle asi 1 % produktů
• Chyby se stále vyskytují kvůli nedokonalostem v mapovacích pravidlech, zejména u nových hodnot.

API getName.ai:

• Doporučená kontrola kvality pokrývající 1-5 % produktů pro potvrzení správnosti
• Ověření probíhá hladce a trvá několik hodin

Nejdůležitější vylepšení s getName.ai:

• Eliminace jazykové bariéry- systém rozpoznává atributy bez ohledu na zdrojový jazyk
• Není potřeba psát pravidla mapování- systém automaticky rozpoznává a mapuje atributy
• Automatický převod jednotek- systém detekuje jednotky měření a převádí je do požadovaného formátu
• Rozpoznání hodnot slovníku- systém mapuje různé varianty zápisu stejné hodnoty na standardní hodnotu
• 90% snížení času potřebného pro fázi technické specifikace- nejvíce časově náročná fáze je téměř úplně automatizovaná

Implementace getName.ai umožňuje e-commerce společnostem zaměřit zdroje na strategický rozvoj jejich nabídky namísto ručního zadávání dat, zatímco zlepšuje kvalitu produktových informací a zkracuje dobu uvedení nových produktů na trh přibližně o 80 % - 90 %.

Zavádění nových dodavatelů s kompletními atributy produktů je jednou z největších výzev moderního e-commerce. V tomto článku jsme ukázali, jak tradiční přístupy – navzdory neustálým vylepšením – stále spoléhají na zdlouhavé, nákladné a nepružné mechanismy.

Zvýraznili jsme základní problémy:

• Omezená efektivita ručního zadávání dat
• Jazyková bariéra s mezinárodními dodavateli
• Obtíže spojené s vytvářením a udržováním pravidel mapování
• Omezení klasifikačních standardů v heterogenním sortimentu

Ve stejnou dobu jsme ukázali, jak getName.ai – využívající nejnovější úspěchy v oblasti umělé inteligence – přináší zcela novou kvalitu do procesu onboardingu. Místo zlepšování starých praktik zcela mění pravidla hry, eliminuje nejvíce časově náročné a nákladné fáze.

Skutečné výhody implementace

Jak ukazují analýzy procesů v e-commerce společnostech, implementace getName.ai se promítá do konkrétních, měřitelných přínosů:

• Drasticky zkrácená doba uvedení produktu na trh– od týdnů do hodin
• Snížení provozních nákladů– nižší výdaje na personál a zpracování procesů
• Odstranění jazykových bariér– možnost přímé spolupráce s dodavateli z celého světa
• Zlepšená kvalita dat– konzistentní, úplné atributy pro celý sortiment
• Uvolnění potenciálu týmu– specialisté se mohou soustředit na strategický rozvoj nabídky místo mechanického zadávání dat

Navíc konkrétní provoz getName.ai znamená, že výhody rostou s rozsahem operací. Čím větší je rozmanitost produktů a dodavatelů, tím větší je výhoda oproti tradičním řešením.

Začněte transformaci ještě dnes

Pokud máte potíže s některou z výzev popsaných v článku, zveme vás, abyste se přímo seznámili s možnostmi platformy getName.ai. Osvoboďte svůj e-commerce od omezení tradičních metod a objevte nové možnosti pro rozvoj sortimentu bez kompromisů.

Naplánujte si krátkou, 15minutovou prezentaci, během které ukážeme, jak getName.ai zpracovává skutečná produktová data. Uvidíte naživo, jak se surové popisy transformují do strukturovaných atributů - připravených k použití ve vašem PIM nebo e-commerce systému.

Otestujte řešení bez závazků

Získejte přístup k plně funkční demo verzi a zjistěte, jak systém funguje na větší sadě vašich vlastních dat. Žádné počáteční poplatky a žádné dlouhodobé závazky - podívejte se, jak může getName.ai podpořit vaše obchodní procesy v praxi.

Kontaktujte nás

Chcete-li naplánovat ukázku nebo získat přístup k demo prostředí, kontaktujte nás e-mailemhello@getname.ainebo vyplňte formulář dostupný na našich webových stránkách.