Comercio electrónico sin limitaciones: automatización de la incorporación de productos con especificaciones completas

Cada tienda en línea que trabaja con múltiples proveedores enfrenta el mismo desafío: ¿cómo gestionar eficientemente miles de productos cuando cada fabricante proporciona datos en un formato diferente, a menudo incompleto y que requiere un procesamiento extenso? El escenario estándar se ve así: recibes una hoja de cálculo de Excel, un archivo XML o un enlace a un catálogo en PDF y debes transformar estos datos en bruto en una oferta de productos de alta calidad con atributos técnicos completos.

El problema se agrava a medida que se expande el surtido de productos. Mientras que introducir unas pocas docenas de productos se puede hacer manualmente, incorporar 5,000 o 10,000 artículos se convierte en una pesadilla organizativa. Las investigaciones muestran que el 98% de los profesionales del comercio electrónico consideran que los datos completos de los productos son esenciales para el éxito del negocio. A pesar de esto, la mayoría de las tiendas todavía luchan con complementar y verificar los datos técnicos, lo que representa un enorme costo operativo y una barrera significativa para el desarrollo del negocio.

Las consecuencias de los datos incompletos de productos son graves y multifacéticas:

• Menor conversión - los consumidores abandonan los sitios web con datos de productos imprecisos, buscando fuentes de información más confiables
• Mayor tasa de devoluciones - los atributos incompletos de los productos llevan a decisiones de compra incorrectas, generando una costosa ola de decepciones y devoluciones
• Menor visibilidad en motores de búsqueda - los datos estructurales insuficientes limitan el posicionamiento
• Retraso en la introducción de nuevos productos - el proceso de incorporación que consume mucho tiempo extiende el tiempo de lanzamiento de nuevos productos
• Problemas con las ventas multicanal - los mercados rechazan ofertas sin los atributos técnicos requeridos

getName.ai fue creado como una respuesta a este problema específico. Al utilizar algoritmos avanzados de inteligencia artificial, la herramienta analiza automáticamente las descripciones de productos (independientemente del idioma y formato) y extrae conjuntos completos de atributos técnicos que cumplen con los estándares de clasificación requeridos. En la práctica, esto significa reducir el tiempo de incorporación de semanas a horas, eliminando errores costosos y permitiendo la expansión dinámica de ofertas sin aumentar el equipo.

En este artículo, veremos cómo funciona el proceso real de introducción de productos al comercio electrónico utilizando diferentes métodos, dónde aparecen los mayores desafíos y cómo getName.ai está revolucionando esta área de las operaciones de las tiendas en línea.

Dirigir una tienda en línea con una amplia variedad es una batalla constante con la calidad y la integridad de los datos de los productos. Esto se siente particularmente agudo en las empresas que trabajan con cientos de proveedores, donde cada uno utiliza sus propios estándares de descripción de productos. Veamos los problemas más comunes que efectivamente bloquean el desarrollo del comercio electrónico y consumen recursos desproporcionadamente grandes.

Formatos de datos inconsistentes de los proveedores

La realidad del comercio electrónico es que cada proveedor envía datos en su formato preferido:

• Hojas de cálculo de Excel con estructuras de columnas específicas
• Archivos XML con sus propias etiquetas y jerarquía
• Documentos PDF, a menudo protegidos contra la copia
• Enlaces a páginas de productos que requieren scraping
• Imágenes de tablas de especificaciones técnicas

Además, incluso el mismo proveedor puede cambiar el formato de los datos entre entregas consecutivas. Esta variedad de formatos obliga al mantenimiento de extensos mecanismos de importación y, a menudo, a la reescritura manual de datos, lo que genera costos adicionales y retrasos.

Barreras lingüísticas y problemas de localización

El comercio global significa proveedores de diferentes países que proporcionan datos en sus idiomas locales:

• El fabricante chino proporciona especificaciones en chino
• El proveedor alemán utiliza terminología técnica alemana
• Las traducciones automáticas distorsionan los parámetros técnicos

El enfoque tradicional requiere involucrar a traductores con conocimiento del vocabulario de la industria o crear diccionarios extensos para mapear nombres y valores de atributos. Este es un proceso costoso propenso a errores, especialmente con terminología técnica especializada.

Cuellos de botella en la extracción de atributos

Incluso cuando los datos ya están en el sistema, hay un problema con la extracción de los atributos correctos:

• Necesita transcribir manualmente los parámetros de descripciones de texto largas
• Extrayendo valores de fragmentos de texto no estructurados
• Convertir unidades (por ejemplo, pulgadas a centímetros)
• Mapeo de diferentes nombres del mismo atributo (por ejemplo, "Color", "Tono", "Sombra")
• Estandarización de valores de diccionario (por ejemplo, "negro", "negrura", "negro mate", "RAL 9005"

Un especialista puede procesar un promedio de 200 productos por día, lo que crea una seria limitación de rendimiento al tratar con miles de nuevos artículos.

Problemas de escalado con catálogos grandes

A medida que el surtido crece, los problemas con la gestión de datos crecen exponencialmente:

• 10,000 productos potencialmente significan millones de valores de atributos individuales para gestionar
• Actualizar los parámetros para todo el catálogo puede llevar semanas
• Agregar un nuevo atributo requerido requiere actualizaciones masivas
• Las expansiones estacionales de ofertas generan picos en la carga de trabajo para el equipo de producto

Estos desafíos hacen que muchas tiendas abandonen planes de desarrollo ambiciosos, limitándose no tanto a un surtido más pequeño, sino a presentaciones de productos basadas únicamente en datos básicos. Las especificaciones técnicas o propiedades del producto a menudo permanecen en forma de una tabla estática, sin la posibilidad de utilizar atributos individuales en filtros de búsqueda, nombres generados dinámicamente o mecanismos avanzados de SEO.

Costos de emplear personal dedicado

Intentar resolver los problemas anteriores con métodos tradicionales lleva a una expansión constante del equipo:

• Especialistas en importación de datos
• Expertos en productos familiarizados con las especificidades de la industria
• Programadores creando scripts de importación y mapeo
• Controladores de calidad de datos

Esto genera costos significativos de personal sin eliminar problemas con la calidad de los datos. Suponiendo que un especialista puede procesar alrededor de 200 productos por día, la incorporación completa de 1000 productos con un conjunto completo de atributos genera un costo de al menos 1500 euros, y eso es solo para el alcance básico del trabajo, sin considerar correcciones adicionales, ajustes y optimizaciones.

Estos desafíos diarios no solo aumentan los costos operativos, sino que, sobre todo, limitan el potencial de desarrollo. Las tiendas de comercio electrónico que no pueden gestionar eficientemente un catálogo de productos en crecimiento pierden ventaja competitiva y oportunidades de expansión. En las siguientes partes del artículo, mostraremos cómo las tecnologías modernas de IA pueden cambiar radicalmente este panorama.

Para hacer frente a los desafíos de incorporación de productos, las tiendas de comercio electrónico han desarrollado varios enfoques. Veamos los métodos más comúnmente utilizados y sus limitaciones, que a menudo impiden la plena eficiencia.

Entrada de datos manual y problemas de escalado

El método más simple es copiar manualmente los datos de los documentos del proveedor en el sistema de la tienda, a menudo por un equipo dedicado:

Ventajas:

• Sin costos de implementación para herramientas avanzadas
• Buenos resultados con un pequeño número de productos (hasta unas pocas docenas)
• Control de calidad continuo

Limitaciones:

• Eficiencia extremadamente baja (aprox. 200 productos por día por persona)
• Alto costo con grandes volúmenes de producto
• Alta susceptibilidad a errores humanos (fatiga, falta de atención)
• Incapacidad para responder rápidamente a los picos estacionales de suministro

Las empresas que intentan resolver el problema de eficiencia simplemente aumentando el equipo descubren rápidamente que esto genera nuevos desafíos relacionados con la coordinación del trabajo, la consistencia de los datos y la gestión de la calidad.

Portales de proveedores y por qué a menudo fallan

Un enfoque alternativo es crear un portal dedicado donde los proveedores ingresen sus propios datos de productos:

Ventajas:

• Transferir el trabajo al lado del proveedor
• Eliminando la etapa de transferencia de datos
• Formato de datos unificado en la entrada

Limitaciones:

• Baja tasa de adopción: los proveedores generalmente evitan usar portales externos y prefieren firmemente transferir datos en su propio formato, desarrollado a lo largo de los años.
• La entrada de datos tiene una baja prioridad para los proveedores
• Necesidad de formación regular y apoyo para los proveedores
• Las rotaciones frecuentes de personal en los proveedores requieren una reimplementación constante
• Falta de motivación para que los proveedores se preocupen por la calidad y la integridad de los datos

Los portales de proveedores solo funcionan en entornos donde la tienda tiene suficiente poder de negociación para imponer el uso del sistema. En la práctica, especialmente para negocios de comercio electrónico de tamaño medio, siguen siendo herramientas mayormente sin usar.

Estándares de clasificación de productos (ETIM, ECLASS, GPC)

Muchas industrias han desarrollado estándares unificados para la clasificación y descripción de productos, como ETIM (para electrotécnica), ECLASS (para la industria) o GPC de GS1 (para el comercio minorista):

Ventajas:

• Estructura de datos y atributos definidos con precisión
• Compatibilidad internacional y reconocimiento de la industria
• Eliminación de ambigüedades y discrepancias en descripciones técnicas
• Intercambio de datos facilitado entre los participantes de la cadena de suministro

Limitaciones:

• Largo y muy costoso proceso de implementación del estándar en el fabricante
• Un estándar común siempre es un compromiso: los fabricantes a menudo enfatizan que no captura todos los aspectos y ventajas únicas de sus productos.
• El desarrollo dinámico del mercado obliga a actualizaciones frecuentes de estándares: adaptarse a sucesivas versiones de clasificaciones genera altos costos tanto para los fabricantes como para los destinatarios.
• Aunque ETIM y ECLASS son bien recibidos en sus industrias, un número significativo de empresas todavía no utilizan estos estándares
• Las clasificaciones están adaptadas a industrias específicas, pero hay categorías de productos mal descritas o completamente omitidas en estos estándares.
• Expandir el surtido de una empresa más allá de lo estándar significa la necesidad de introducir métodos de importación alternativos, incluso si existe un proceso bien desarrollado basado en el formato BMEcat para algunos productos.

Los estándares de clasificación son una gran solución que elimina muchos problemas fundamentales con el intercambio de datos de productos. Introducen claridad, precisión y consistencia a niveles semánticos y estructurales. Sin embargo, no se convertirán en un remedio perfecto hasta que las clasificaciones en sí mismas estén completas para todas las industrias y hasta que todos los participantes de la cadena de suministro (fabricantes, distribuidores, vendedores) las utilicen comúnmente. El comercio electrónico que opera en múltiples industrias debe actualmente combinar los beneficios de los estándares donde están disponibles con métodos alternativos para otras áreas.

Herramientas ETL y sistemas basados en mapeo de atributos

Las empresas técnicamente avanzadas a menudo implementan soluciones que automatizan el proceso de transformación de datos de productos. Estas herramientas se pueden dividir en varias categorías principales:

ETL (Extraer, Transformar, Cargar)
Los sistemas ETL se especializan en recuperar datos de diversas fuentes, transformarlos según reglas definidas y cargarlos en sistemas de destino. Ejemplos de herramientas populares:

• Talend- plataforma integral de integración de datos de código abierto con funciones ETL avanzadas
• Pentaho- conjunto de herramientas de integración de datos e inteligencia empresarial que permiten flujos de transformación complejos

Sistema PIM (Gestión de Información de Productos)
Los sistemas PIM a menudo tienen mecanismos de mapeo de atributos integrados, lo que permite la transformación de datos del formato del proveedor al formato del sistema:

• Akeneo Onboarder- solución dedicada a la colaboración con proveedores y la centralización de datos de productos
• Informatica MDM- Plataforma empresarial para gestionar datos maestros, incluidos los datos de productos
• Contentserv- Sistema PIM extenso con capacidades avanzadas de automatización
• Salsifí- Plataforma PIM diseñada para el comercio multicanal y la colaboración con proveedores
• Pimcore– plataforma flexible de código abierto que permite el mapeo avanzado de atributos durante la importación de datos. Con el módulo DataHub, puedes configurar esquemas de integración

Sistemas dedicados de integración de productos

• Incorporación de Proveedores de Productsup- solución especializada dedicada a la incorporación eficiente de productos de proveedores

La funcionalidad clave de estos sistemas es la capacidad de importar datos de múltiples proveedores y transformarlos en una clasificación interna coherente. En la práctica, esto significa:

• Gestionar simultáneamente docenas o cientos de fuentes de datos (cada una con su propio formato)
• Mapeo de diferentes nombres de atributos a un modelo objetivo (por ejemplo, "color", "colour", "hue" → "Color")
• Normalizando valores y unidades (por ejemplo, "1500W", "1.5 kW", "1.5 kilowatts" → "1500 W")
• Transformando valores del diccionario (por ejemplo, "black", "noir", "negro", "czarny" → "Black")

Sin embargo, esta flexibilidad tiene un precio: cada nuevo formato de un nuevo proveedor requiere la creación de reglas de mapeo individuales.

Ventajas:

• Proceso automatizado para importaciones repetitivas
• Mayor eficiencia que la entrada manual (un especialista puede gestionar datos para miles de productos)
• Capacidad para manejar diferentes formatos de entrada
• Gestión central de las reglas de transformación de datos
• Posibilidad de validación de datos durante la importación
• Modelo de datos unificado en la salida, independientemente de la fuente

Limitaciones:

• Necesita crear y mantener reglas de mapeo para cada proveedor y cada formato
• Preparación que consume mucho tiempo para el mapeo al incorporar un nuevo proveedor (generalmente varios días de trabajo especializado)
• Altos costos de implementación y mantenimiento de sistemas complejos (licencias a menudo de decenas de miles de euros anualmente)
• Dificultades para manejar datos de texto no estructurados y extraer atributos valiosos de ellos
• Requiere especialistas altamente calificados con conocimientos tanto técnicos como del dominio
• Las reglas rígidas de "if-then" no manejan bien las variantes de escritura de la misma información
• Problema de escalado con surtidos muy diversos (cientos de categorías)
• Cambios en la estructura de datos fuente (por ejemplo, actualización de formato por parte del proveedor) requieren rediseñar las reglas de mapeo

Las soluciones de mapeo basadas en reglas funcionan bien para importaciones regulares de los mismos proveedores donde el formato de datos es estable y repetible. Su principal ventaja es la previsibilidad y la transparencia del proceso. Sin embargo, incorporar nuevos proveedores cada vez requiere un trabajo significativo para preparar las reglas de mapeo, lo que extiende el tiempo de comercialización y aumenta los costos operativos.

Además, las herramientas ETL y PIM tradicionales a menudo no manejan bien la extracción de información valiosa de descripciones de texto no estructurado, lo que lleva a una utilización incompleta de los datos de productos disponibles.

Desafíos relacionados con los datos multilingües

Una complicación adicional para todos los métodos descritos anteriormente es la barrera del idioma: cuando los productos provienen de proveedores internacionales, los datos vienen en diferentes idiomas. Independientemente del método de incorporación elegido, es necesario incluir una etapa de traducción o adaptación de los datos al idioma objetivo.

Aunque las tecnologías de IA modernas han mejorado significativamente este proceso y reducido sus costos, sigue siendo un paso adicional en el proceso, generando demoras y requiriendo recursos adicionales. Particularmente problemática es la traducción precisa de la terminología técnica especializada, que puede llevar a inconsistencias o errores en los datos del producto final.

Los métodos tradicionales de incorporación de productos presentados anteriormente, a pesar de su evolución gradual, todavía se basan en los mismos supuestos fundamentales: trabajo manual, reglas de mapeo y configuraciones extensas. getName.ai representa un enfoque completamente nuevo que, en lugar de mejorar los procesos antiguos, cambia por completo la forma en que pensamos sobre la extracción de atributos de productos.

La inteligencia artificial en lugar de mapear reglas

A diferencia de los sistemas ETL y PIM tradicionales que requieren crear reglas de mapeo complicadas para cada formato de datos, getName.ai utiliza modelos de lenguaje avanzados que "entienden" el contexto y la semántica de la información del producto.

Cómo funciona en la práctica:

• El sistema analiza toda la información disponible del producto (descripciones, nombres, tablas de especificaciones)
• Reconoce e interpreta el significado del texto, no solo su estructura o formato
• Identifica los atributos clave y sus valores, independientemente de cómo estén escritos
• Convierte y normaliza automáticamente los valores al formato requerido

Esta diferencia fundamental en el enfoque elimina por completo la necesidad de crear y mantener reglas de mapeo complejas, que son el mayor cuello de botella de los métodos tradicionales.

Universalidad de formatos de entrada

getName.ai no requiere ningún formato de datos de entrada en particular. El sistema puede trabajar con:

• Cualquier formato de archivo (XML, JSON, CSV, Excel, PDF)
• Descripciones de texto no estructurado (incluso descripciones largas de marketing)
• Datos obtenidos directamente de sitios web
• Tablas de especificaciones en cualquier diseño

Esta flexibilidad significa que no hay necesidad de preprocesar o adaptar los datos recibidos de los proveedores - se pueden pasar al sistema en la forma en que fueron entregados.

Independencia del idioma

Una de las características más revolucionarias de getName.ai es la completa independencia del idioma fuente de los datos. El sistema entiende el contexto y el significado de los atributos del producto independientemente de si están escritos en polaco, inglés, alemán o incluso chino.

Aspectos prácticos:

• No es necesario traducir los datos antes de procesarlos
• Capacidad para trabajar con proveedores de todo el mundo sin barreras lingüísticas
• Resultados consistentes independientemente del idioma de origen

En la práctica, esto significa que el mismo atributo (por ejemplo, la potencia del motor) será reconocido correctamente independientemente de si aparece en la descripción original como "power", "Leistung", "puissance" o "功率".

Transformación a tu propia clasificación de productos

La función más valiosa de getName.ai es la capacidad de transformar automáticamente cualquier dato de entrada a la clasificación estándar interna de la tienda. El sistema no solo reconoce atributos, sino que los asigna directamente a un modelo de datos específico requerido por su negocio, sin necesidad de mapeo.

Cómo se ve este proceso:

• Inicialmente, proporcionas un modelo de tu propia clasificación de productos: clases, atributos, valores del diccionario
• El sistema analiza datos en bruto del proveedor
• getName.ai identifica toda la información de atributos disponible
• Asigna automáticamente atributos reconocidos a tu clasificación interna
• Normaliza valores según los requisitos (unidades, formatos, diccionarios)
• Devuelve un conjunto completo de atributos listo para importar en su sistema

Este proceso elimina completamente la necesidad de mapear o crear reglas de transformación para cada nuevo proveedor: getName.ai se adapta automáticamente a diferentes formatos de datos de entrada, manteniendo siempre el mismo formato de datos de salida consistente.

Conversión inteligente de unidades y normalización de valores

El sistema no solo puede reconocer valores numéricos, sino también identificar automáticamente las unidades de medida y convertirlas al formato requerido:

• Detección automática de unidades (pulgadas, mm, cm, kg, lb, W, kW, etc.)
• Conversión entre sistemas métricos e imperiales
• Estandarización de la notación según los requisitos (por ejemplo, siempre "cm" en lugar de "centímetros")

El mecanismo de normalización de valores funciona de manera similar, reconociendo diferentes variantes de escritura del mismo valor:

• "negro", "noir", "schwarz", "czarny" → "Negro"
• "inalámbrico", "sin cable", "bezprzewodowy" → "Inalámbrico"
• "acero inoxidable", "inox", "stal nierdzewna" → "Acero inoxidable"

Implementación rápida de API

Integrar getName.ai con sistemas existentes es sencillo gracias a la interfaz REST API. Supongamos que nuestro comercio electrónico ha adoptado estratégicamente la clasificación ETIM v10 como su clasificación principal y quiere adaptar la descripción del producto recibida del fabricante a ella.

Esta estructura de API permite una fácil integración con sistemas PIM, de comercio electrónico o ERP existentes a través de mecanismos de comunicación estándar.

Escalabilidad y flexibilidad

A diferencia de las soluciones tradicionales, getName.ai mantiene alta eficiencia con una gran variedad de productos o proveedores. El sistema maneja igualmente bien:

• Un proveedor y una categoría de producto
• Cientos de proveedores y miles de diferentes categorías de productos

Esta escalabilidad proviene de la diferencia fundamental en el enfoque: en lugar de requerir la tediosa creación y mantenimiento de miles de reglas de mapeo, getName.ai utiliza capacidades de inteligencia artificial para entender el contexto y significado de los datos, independientemente de su formato o fuente.

getName.ai no es solo otra mejora de los procesos existentes, sino un cambio de paradigma completo en el enfoque de la incorporación de productos. En lugar de adaptarse a la infinita variedad de formatos de datos de proveedores a través de reglas de mapeo difíciles de mantener, el sistema se enfoca en entender directamente el significado de los datos y transformarlos automáticamente en una clasificación interna coherente. Esta es una diferencia fundamental que permite romper las limitaciones de los métodos tradicionales y abrir nuevas posibilidades para el desarrollo de surtido en el comercio electrónico.

En esta sección, veremos paso a paso cómo funciona el proceso real de introducir grandes conjuntos de productos en los sistemas de comercio electrónico. Mostraremos los puntos problemáticos y los mayores desafíos que enfrentan los equipos de productos, y exactamente dónde getName.ai introduce mejoras significativas.

Ejemplo real del proceso de incorporación

Veamos cómo es un proceso típico de incorporación de productos utilizando el ejemplo de un archivo XML de un proveedor, con el que casi todas las tiendas de comercio electrónico deben lidiar:

Datos de entrada:

• Archivo XML en el formato propio del proveedor's
• Atributos de especificación técnica registrados en el formato propio del fabricante
• Datos a menudo en un idioma extranjero (por ejemplo, inglés, alemán o incluso chino)
• Catálogo de 5,000 productos

Etapa 1: Análisis de la estructura de archivos

Esta etapa es común independientemente del método. El equipo técnico debe primero entender cómo está construido el archivo XML del proveedor. Esto significa mapear campos, identificar etiquetas y entender la lógica del archivo. Esta etapa a menudo requiere especialistas en TI y puede tomar desde varias horas hasta varios días, dependiendo de la complejidad de la estructura.

Etapa 2: Procesamiento preliminar de datos

También una etapa común para todos los métodos, incluidos:

• Transformación a una estructura aceptable por sistemas PIM/comercio electrónico
• Preparación de datos básicos y logísticos para la importación
• Organización de activos (imágenes, documentación)
• Colocación de atributos de especificación en una estructura de trabajo temporal

Esta etapa generalmente requiere escribir scripts de conversión o usar herramientas ETL, lo que lleva de 1 a 2 días de trabajo de un especialista en TI.

Etapa 3: Importación de datos básicos

Etapa común a todos los métodos:

• Cargando identificadores de productos
• Importación de nombres y descripciones
• Introducción de datos logísticos (peso, dimensiones, embalaje)
• Adjuntando activos (imágenes, archivos PDF)

Incluso si los datos se procesan automáticamente, este proceso requiere supervisión y lleva varias horas hasta un día completo.

Etapa 4: Proceso de localización de idiomas

En este paso, necesitamos adaptar los datos de productos en idiomas extranjeros al idioma local de la tienda. Esta es una de las etapas más laboriosas del proceso tradicional de incorporación, que getName.ai simplifica radicalmente.

Sin getName.ai:
La localización tradicional requiere la traducción completa de todos los elementos de datos del producto, lo que genera costos significativos y retrasa la introducción de productos al mercado.

• Traducción de nombres de productos
• Traducción de descripciones de productos
• Traducción de especificaciones técnicas

Este proceso puede tardar desde varios días hasta semanas, dependiendo del número y la especificidad de los atributos técnicos y los recursos de traducción disponibles.

Con getName.ai:
Con getName.ai, hay dos estrategias principales: puedes traducir los nombres y descripciones originales desarrollados por el fabricante, o centrarte en obtener atributos técnicos multilingües y luego generar automáticamente nombres y descripciones locales a partir de ellos.

• Traducción de nombres de productos: innecesaria si la empresa tiene un mecanismo para generar nombres basados en atributos de especificación
• Traducción de descripciones de productos: innecesaria si la empresa tiene un mecanismo de IA para generar descripciones basadas en atributos de especificación
• Traducción de especificaciones técnicas: completamente innecesaria, ya que getName.ai reconoce atributos independientemente del idioma de origen.

Aquí es donde aparece la primera diferencia significativa:getName.ai elimina la necesidad de traducir especificaciones técnicas, lo que ahorra días de trabajo y reduce significativamente los costos.

Etapa 5: Categorización de productos

Cada producto debe ser asignado a la categoría apropiada en el sistema. Este proceso generalmente requiere conocimiento especializado del producto y, dependiendo del grado de diversidad del surtido, puede tomar desde varias horas hasta incluso dos días para un lote de aproximadamente 5,000 productos.

Etapa 6: Importación de atributos de especificación dependientes de la categoría

Edición manual:

• Finalización manual a través de la GUI basada en los datos del archivo fuente
• Revisando archivos de hojas de datos técnicos para obtener información
• Buscando datos faltantes en internet
• Conversión manual de unidades (por ejemplo, pulgadas a centímetros)

Suponiendo que un especialista puede procesar alrededor de 200 productos por día, atender 1000 productos requiere 5 días-persona de trabajo.

Herramientas dedicadas / ETL:

• Limpieza preliminar de datos
• Creando reglas de importación complicadas [if-then-else]
• Definiendo el mapeo para cada atributo
• Creando mapeo de valores de diccionario, en casos especiales adicionalmente por atributo
• Configuración de conversión automática de unidades

Preparar un sistema de este tipo generalmente toma de 3 a 5 días, pero después de la configuración, la importación procede mucho más rápido. Sin embargo, cada nuevo proveedor requiere una reconfiguración. Además, cada importación subsiguiente, incluso del mismo proveedor, requiere inspección y a menudo modificación del mapeo, ya que pueden aparecer nuevos atributos, nuevos valores de diccionario o errores en los datos de origen.

Esta solución es particularmente efectiva para empresas con una estructura de surtido relativamente simple: el mapeo de atributos y valores de diccionario sigue siendo un proceso que se puede llevar a cabo de manera efectiva sin una complejidad excesiva. Sin embargo, para el comercio electrónico con una oferta muy diversa (cientos de categorías de productos), el mapeo extenso se vuelve prácticamente inviable o requiere un equipo dedicado para actualizaciones continuas de reglas.

API getName.ai:

• Automatización completa del proceso
• Enviar toda la información disponible del producto a la API sin análisis preliminar
• Recepción inmediata de atributos y sus valores listos para importar

Aquí es donde aparece la diferencia más importante:una etapa que tradicionalmente tomaba 5 días-persona de trabajo (asumiendo una eficiencia de 200 productos por día) o de 3 a 5 días para preparar reglas ETL avanzadas, se reduce a varias horas de trabajo del sistema. No hay necesidad de crear reglas de mapeo complicadas, y el sistema reconoce automáticamente los atributos y convierte las unidades.

Etapa 7: Control de calidad

Edición manual:

• El control de calidad se realiza simultáneamente con la entrada de datos por los operadores
• No requiere una etapa de verificación adicional, pero es susceptible a errores humanos resultantes de la fatiga durante el trabajo monótono

Herramientas dedicadas / ETL:

• Requiere verificación aleatoria, generalmente alrededor del 1% de los productos
• Los errores aún ocurren debido a imperfecciones en las reglas de mapeo, especialmente con nuevos valores.

API getName.ai:

• Control de calidad recomendado cubriendo el 1-5% de los productos para confirmar la corrección
• La verificación procede sin problemas y toma varias horas

Mejoras más importantes con getName.ai:

• Eliminación de la barrera del idioma- el sistema reconoce atributos independientemente del idioma de origen
• No es necesario escribir reglas de mapeo- el sistema reconoce y asigna automáticamente los atributos
• Conversión automática de unidades- el sistema detecta unidades de medida y las convierte al formato requerido
• Reconocimiento de valores del diccionario- el sistema asigna diferentes variantes de escritura del mismo valor a un valor estándar
• 90% de reducción en el tiempo necesario para la etapa de especificación técnica- la etapa más lenta está casi completamente automatizada

Implementar getName.ai permite a las empresas de comercio electrónico enfocar sus recursos en el desarrollo estratégico de su oferta en lugar de la entrada manual de datos, al mismo tiempo que mejora la calidad de la información del producto y reduce el tiempo de lanzamiento al mercado de nuevos productos en aproximadamente un 80% - 90%.

Incorporar nuevos proveedores con atributos de producto completos es uno de los mayores desafíos del comercio electrónico moderno. En este artículo, hemos mostrado cómo los enfoques tradicionales, a pesar de las mejoras continuas, todavía dependen de mecanismos tediosos, costosos e inflexibles.

Hemos destacado los problemas fundamentales:

• Eficiencia limitada de la entrada manual de datos
• Barrera del idioma con proveedores internacionales
• Dificultades relacionadas con la creación y el mantenimiento de reglas de mapeo
• Limitaciones de los estándares de clasificación en surtidos heterogéneos

Al mismo tiempo, hemos demostrado cómo getName.ai, utilizando los últimos logros en inteligencia artificial, introduce una calidad completamente nueva al proceso de incorporación. En lugar de mejorar prácticas antiguas, cambia completamente las reglas del juego, eliminando las etapas más costosas y que consumen más tiempo.

Beneficios reales de la implementación

Como lo demuestran los análisis de procesos en empresas de comercio electrónico, implementar getName.ai se traduce en beneficios concretos y medibles:

• Tiempo de introducción de productos drásticamente reducido– de semanas a horas
• Reducción de costos operativos– menor gasto en personal y manejo de procesos
• Eliminación de barreras lingüísticas– posibilidad de cooperación directa con proveedores de todo el mundo
• Calidad de datos mejorada– atributos consistentes y completos para todo el surtido
• Desatando el potencial del equipo– los especialistas pueden centrarse en el desarrollo estratégico de la oferta en lugar de la entrada mecánica de datos

Además, el funcionamiento específico de getName.ai significa que los beneficios crecen con la escala de las operaciones. Cuanto mayor sea la variedad de productos y proveedores, mayor será la ventaja sobre las soluciones tradicionales.

Comienza la transformación hoy

Si estás lidiando con alguno de los desafíos descritos en el artículo, te invitamos a familiarizarte directamente con las capacidades de la plataforma getName.ai. Libera tu comercio electrónico de las limitaciones de los métodos tradicionales y descubre nuevas posibilidades para el desarrollo de surtidos sin compromisos.

Programa una breve presentación de 15 minutos durante la cual mostraremos cómo getName.ai maneja datos reales de productos. Verás en vivo cómo las descripciones en bruto se transforman en atributos estructurados, listos para usar en tu sistema PIM o de comercio electrónico.

Prueba la solución sin compromiso

Obtenga acceso a una versión de demostración completamente funcional y verifique cómo funciona el sistema con un conjunto más grande de sus propios datos. Sin tarifas iniciales y sin compromisos a largo plazo: vea cómo getName.ai puede apoyar los procesos de su negocio en la práctica.

Contáctanos

Para programar una demostración o acceder al entorno de demostración, contáctenos por correo electrónicohola@getname.aio complete el formulario disponible en nuestro sitio web.