E-commerce senza limitazioni: automazione dell'inserimento dei prodotti con specifiche complete

Ogni negozio online che lavora con più fornitori affronta la stessa sfida: come gestire efficacemente migliaia di prodotti quando ogni produttore fornisce dati in un formato diverso, spesso incompleto e che richiede un'elaborazione estesa? Lo scenario standard è il seguente: ricevi un foglio di calcolo Excel, un file XML o un link a un catalogo PDF e devi trasformare questi dati grezzi in un'offerta di prodotti di alta qualità con attributi tecnici completi.

Il problema si aggrava man mano che l'assortimento di prodotti si espande. Mentre l'introduzione di alcune decine di prodotti può essere fatta manualmente, l'inserimento di 5.000 o 10.000 articoli diventa un incubo organizzativo. La ricerca mostra che il 98% dei professionisti dell'e-commerce considera i dati completi dei prodotti essenziali per il successo aziendale. Nonostante ciò, la maggior parte dei negozi continua a lottare con l'integrazione e la verifica dei dati tecnici, il che rappresenta un enorme costo operativo e un significativo ostacolo allo sviluppo aziendale.

Le conseguenze dei dati incompleti dei prodotti sono gravi e sfaccettate:

• Conversione più bassa - i consumatori abbandonano i siti web con dati imprecisi sui prodotti, cercando fonti di informazioni più affidabili
• Tasso di reso più alto - attributi incompleti dei prodotti portano a decisioni di acquisto errate, generando un'ondata costosa di delusioni e resi
• Visibilità più debole nei motori di ricerca - dati strutturali insufficienti limitano il posizionamento
• Introduzione ritardata di nuovi prodotti - il processo di onboarding che richiede tempo estende il tempo di lancio dei nuovi prodotti
• Problemi con le vendite multicanale - i marketplace rifiutano le offerte senza gli attributi tecnici richiesti

getName.ai è stato creato come risposta a questo problema specifico. Utilizzando algoritmi avanzati di intelligenza artificiale, lo strumento analizza automaticamente le descrizioni dei prodotti (indipendentemente dalla lingua e dal formato) ed estrae set completi di attributi tecnici che rispettano gli standard di classificazione richiesti. In pratica, ciò significa ridurre il tempo di onboarding da settimane a ore, eliminare errori costosi e consentire un'espansione dinamica delle offerte senza aumentare il team.

In questo articolo, esamineremo come funziona effettivamente il processo di introduzione dei prodotti nell'e-commerce utilizzando metodi diversi, dove appaiono le maggiori sfide e come getName.ai sta rivoluzionando quest'area delle operazioni dei negozi online.

Gestire un negozio online con un ampio assortimento è una battaglia costante con la qualità e la completezza dei dati dei prodotti. Questo è particolarmente sentito dalle aziende che lavorano con centinaia di fornitori, dove ognuno utilizza i propri standard di descrizione dei prodotti. Esaminiamo i problemi più comuni che bloccano efficacemente lo sviluppo dell'e-commerce e consumano risorse sproporzionatamente grandi.

Formati di dati incoerenti dai fornitori

La realtà del commercio elettronico è che ogni fornitore invia dati nel proprio formato preferito:

• Fogli di calcolo Excel con strutture di colonne specifiche
• File XML con i propri tag e gerarchia
• Documenti PDF, spesso protetti contro la copia
• Link alle pagine dei prodotti che richiedono scraping
• Immagini di tabelle di specifiche tecniche

Inoltre, anche lo stesso fornitore può cambiare il formato dei dati tra consegne consecutive. Questa varietà di formati impone la manutenzione di meccanismi di importazione estesi e spesso la riscrittura manuale dei dati, il che genera costi aggiuntivi e ritardi.

Barriere linguistiche e problemi di localizzazione

Il commercio globale significa fornitori di diversi paesi che forniscono dati nelle loro lingue locali:

• Il produttore cinese fornisce specifiche in cinese
• Il fornitore tedesco utilizza la terminologia tecnica tedesca
• Le traduzioni automatiche distorcono i parametri tecnici

L'approccio tradizionale richiede di coinvolgere traduttori con conoscenza del vocabolario del settore o di creare dizionari estesi per mappare i nomi e i valori degli attributi. Questo è un processo costoso e soggetto a errori, specialmente con la terminologia tecnica specializzata.

Colli di bottiglia nell'estrazione degli attributi

Anche quando i dati sono già nel sistema, c'è un problema con l'estrazione degli attributi corretti:

• Necessità di trascrivere manualmente i parametri dalle lunghe descrizioni di testo
• Estrazione di valori da frammenti di testo non strutturati
• Convertire unità (ad es., pollici in centimetri)
• Mappatura di nomi diversi dello stesso attributo (ad es., "Colore", "Tonalità", "Sfumatura")
• Standardizzare i valori del dizionario (ad es., "nero", "oscurità", "nero opaco", "RAL 9005"

Un esperto può elaborare una media di 200 prodotti al giorno, il che crea una seria limitazione delle prestazioni quando si tratta di migliaia di nuovi articoli.

Problemi di scalabilità con cataloghi di grandi dimensioni

Man mano che l'assortimento cresce, i problemi con la gestione dei dati crescono esponenzialmente:

• 10.000 prodotti possono potenzialmente significare milioni di valori di attributi individuali da gestire
• Aggiornare i parametri per l'intero catalogo può richiedere settimane
• Aggiungere un nuovo attributo obbligatorio richiede aggiornamenti di massa
• Le espansioni stagionali delle offerte generano picchi di lavoro per il team di prodotto

Queste sfide portano molti negozi ad abbandonare piani di sviluppo ambiziosi, limitandosi non tanto a un assortimento più piccolo, ma a presentazioni di prodotti basate esclusivamente su dati di base. Le specifiche tecniche o le proprietà dei prodotti spesso rimangono sotto forma di una tabella statica, senza la possibilità di utilizzare attributi individuali nei filtri di ricerca, nomi generati dinamicamente o meccanismi SEO avanzati.

Costi di impiegare personale dedicato

Tentare di risolvere i problemi sopra menzionati con metodi tradizionali porta a un'espansione costante del team:

• Specialisti nell'importazione dei dati
• Esperti di prodotto familiari con le specificità del settore
• Programmatori che creano script di importazione e mappatura
• Controllori della qualità dei dati

Questo genera costi significativi per il personale senza eliminare i problemi con la qualità dei dati. Supponendo che uno specialista possa elaborare circa 200 prodotti al giorno, l'inserimento completo di 1000 prodotti con un set completo di attributi genera un costo di almeno 1500 euro - e questo è solo per l'ambito di lavoro di base, senza considerare correzioni, riparazioni e ottimizzazioni aggiuntive.

Queste sfide quotidiane non solo aumentano i costi operativi ma, soprattutto, limitano il potenziale di sviluppo. I negozi di e-commerce che non riescono a gestire efficacemente un catalogo di prodotti in crescita perdono vantaggio competitivo e opportunità di espansione. Nelle parti seguenti dell'articolo, mostreremo come le moderne tecnologie di intelligenza artificiale possano cambiare radicalmente questo scenario.

Per affrontare le sfide dell'onboarding dei prodotti, i negozi di e-commerce hanno sviluppato vari approcci. Esaminiamo i metodi più comunemente usati e le loro limitazioni, che spesso impediscono la piena efficienza.

Inserimento manuale dei dati e problemi di scalabilità

Il metodo più semplice è copiare manualmente i dati dai documenti del fornitore nel sistema del negozio, spesso da parte di un team dedicato:

Vantaggi:

• Nessun costo di implementazione per strumenti avanzati
• Buoni risultati con un piccolo numero di prodotti (fino a poche decine)
• Controllo qualità in corso

Limitazioni:

• Efficienza estremamente bassa (circa 200 prodotti al giorno per persona)
• Alto costo con grandi volumi di prodotto
• Alta suscettibilità agli errori umani (affaticamento, disattenzione)
• Incapacità di rispondere rapidamente ai picchi stagionali dell'offerta

Le aziende che cercano di risolvere il problema dell'efficienza semplicemente aumentando il team scoprono rapidamente che questo genera nuove sfide legate al coordinamento del lavoro, alla coerenza dei dati e alla gestione della qualità.

Portali dei fornitori e perché spesso falliscono

Un approccio alternativo è creare un portale dedicato in cui i fornitori stessi inseriscono i dati dei loro prodotti:

Vantaggi:

• Trasferimento del lavoro al lato fornitore
• Eliminare la fase di trasferimento dei dati
• Formato dati unificato in ingresso

Limitazioni:

• Basso tasso di adozione – i fornitori tipicamente evitano di utilizzare portali esterni e preferiscono fortemente trasferire i dati nel proprio formato, sviluppato nel corso degli anni
• L'inserimento dei dati ha una bassa priorità per i fornitori
• Necessità di formazione regolare e supporto per i fornitori
• Frequenti rotazioni del personale presso i fornitori richiedono una costante reimplementazione
• Mancanza di motivazione per i fornitori a preoccuparsi della qualità e completezza dei dati

I portali dei fornitori funzionano solo in ambienti in cui il negozio ha un potere negoziale sufficiente per imporre l'uso del sistema. In pratica, soprattutto per le aziende di e-commerce di medie dimensioni, rimangono strumenti per lo più inutilizzati.

Standard di classificazione dei prodotti (ETIM, ECLASS, GPC)

Molte industrie hanno sviluppato standard unificati per la classificazione e la descrizione dei prodotti, come ETIM (per l'elettrotecnica), ECLASS (per l'industria) o GPC di GS1 (per il commercio al dettaglio):

Vantaggi:

• Struttura dati e attributi definiti con precisione
• Compatibilità internazionale e riconoscimento del settore
• Eliminazione delle ambiguità e delle discrepanze nelle descrizioni tecniche
• Scambio di dati facilitato tra i partecipanti della catena di approvvigionamento

Limitazioni:

• Lungo e molto costoso processo di implementazione dello standard presso il produttore
• Un standard comune è sempre un compromesso - i produttori spesso sottolineano che non cattura tutti gli aspetti e i vantaggi unici dei loro prodotti
• Lo sviluppo dinamico del mercato impone frequenti aggiornamenti degli standard - adattarsi alle versioni successive delle classificazioni genera alti costi sia per i produttori che per i destinatari
• Anche se ETIM ed ECLASS sono ben accolti nei loro settori, un numero significativo di aziende ancora non utilizza questi standard
• Le classificazioni sono adattate a settori specifici, ma ci sono categorie di prodotti mal descritte o completamente omesse in questi standard.
• Espandere l'assortimento di un'azienda oltre lo standard significa la necessità di introdurre metodi di importazione alternativi, anche se esiste un processo ben sviluppato basato sul formato BMEcat per alcuni prodotti.

Gli standard di classificazione sono una soluzione eccellente che elimina molti problemi fondamentali con lo scambio di dati sui prodotti. Introducono chiarezza, precisione e coerenza a livello semantico e strutturale. Tuttavia, non diventeranno un rimedio perfetto finché le classificazioni stesse non saranno complete per tutte le industrie e finché tutti i partecipanti della catena di fornitura (produttori, distributori, venditori) non le utilizzeranno comunemente. L'e-commerce che opera in più settori deve attualmente combinare i vantaggi degli standard dove sono disponibili con metodi alternativi per altre aree.

Strumenti ETL e sistemi basati su mappatura degli attributi

Le aziende tecnologicamente avanzate spesso implementano soluzioni che automatizzano il processo di trasformazione dei dati del prodotto. Tali strumenti possono essere suddivisi in diverse categorie principali:

ETL (Estrazione, Trasformazione, Caricamento)
I sistemi ETL sono specializzati nel recupero dei dati da varie fonti, nella loro trasformazione secondo regole definite e nel caricamento nei sistemi di destinazione. Esempi di strumenti popolari:

• Talend- piattaforma completa di integrazione dei dati open-source con funzioni ETL avanzate
• Pentaho- set di strumenti per l'integrazione dei dati e l'intelligence aziendale che consentono flussi di trasformazione complessi

Sistema PIM (Gestione delle Informazioni di Prodotto)
I sistemi PIM spesso dispongono di meccanismi di mappatura degli attributi integrati, consentendo la trasformazione dei dati dal formato del fornitore al formato del sistema:

• Akeneo Onboarder- soluzione dedicata alla collaborazione con i fornitori e alla centralizzazione dei dati di prodotto
• Informatica MDM- Piattaforma aziendale per la gestione dei dati master, inclusi i dati dei prodotti
• Contentserv- Sistema PIM estensivo con avanzate capacità di automazione
• Salsify- Piattaforma PIM progettata per il commercio multicanale e la collaborazione con i fornitori
• Pimcore– piattaforma open-source flessibile che consente la mappatura avanzata degli attributi durante l'importazione dei dati. Con il modulo DataHub, puoi configurare schemi di integrazione

Sistemi di integrazione del prodotto dedicati

• Onboarding dei fornitori di Productsup- soluzione specializzata dedicata all'integrazione efficiente dei prodotti dai fornitori

La funzionalità chiave di questi sistemi è la capacità di importare dati da più fornitori e trasformarli in una classificazione interna coerente. In pratica, questo significa:

• Gestire simultaneamente dozzine o centinaia di fonti di dati (ognuna con il proprio formato)
• Mappatura di diversi nomi di attributi su un modello di destinazione (ad es., "color", "colour", "hue" → "Color")
• Normalizzazione dei valori e delle unità (ad es., "1500W", "1.5 kW", "1.5 kilowatts" → "1500 W")
• Trasformare i valori del dizionario (ad es., "black", "noir", "negro", "czarny" → "Black")

Tuttavia, questa flessibilità ha un costo: ogni nuovo formato da un nuovo fornitore richiede la creazione di regole di mappatura individuali.

Vantaggi:

• Processo automatizzato per importazioni ripetitive
• Maggiore efficienza rispetto all'inserimento manuale (uno specialista può gestire i dati per migliaia di prodotti)
• Capacità di gestire diversi formati di input
• Gestione centrale delle regole di trasformazione dei dati
• Possibilità di convalida dei dati durante l'importazione
• Modello di dati unificato in uscita, indipendentemente dalla fonte

Limitazioni:

• Necessario creare e mantenere regole di mappatura per ciascun fornitore e ciascun formato
• Preparazione dispendiosa in termini di tempo della mappatura durante l'integrazione di un nuovo fornitore (di solito diversi giorni di lavoro specialistico)
• Alti costi di implementazione e manutenzione di sistemi complessi (licenze spesso da decine di migliaia di euro all'anno)
• Difficoltà nella gestione dei dati di testo non strutturati e nell'estrazione di attributi preziosi da essi
• Richiede specialisti altamente qualificati con conoscenze sia tecniche che di dominio
• Le rigide regole "if-then" non gestiscono bene le varianti di scrittura delle stesse informazioni
• Problema di scalabilità con assortimenti molto diversificati (centinaia di categorie)
• Le modifiche nella struttura dei dati di origine (ad esempio, aggiornamento del formato da parte del fornitore) richiedono la riprogettazione delle regole di mappatura

Le soluzioni di mapping basate su regole funzionano bene per importazioni regolari dagli stessi fornitori dove il formato dei dati è stabile e ripetibile. Il loro principale vantaggio è la prevedibilità e la trasparenza del processo. Tuttavia, l'integrazione di nuovi fornitori ogni volta richiede un lavoro significativo per preparare le regole di mapping, il che prolunga il time to market e aumenta i costi operativi.

Inoltre, gli strumenti ETL e PIM tradizionali spesso non gestiscono bene l'estrazione di informazioni preziose da descrizioni di testo non strutturato, portando a un utilizzo incompleto dei dati di prodotto disponibili.

Sfide relative ai dati multilingue

Una complicazione aggiuntiva per tutti i metodi precedentemente descritti è la barriera linguistica - quando i prodotti provengono da fornitori internazionali, i dati arrivano in lingue diverse. Indipendentemente dal metodo di onboarding scelto, è necessario includere una fase di traduzione o adattamento dei dati alla lingua di destinazione.

Sebbene le moderne tecnologie di intelligenza artificiale abbiano migliorato significativamente questo processo e ne abbiano ridotto i costi, rimane comunque un passaggio aggiuntivo nel processo, generando ritardi e richiedendo risorse aggiuntive. Particolarmente problematica è la traduzione precisa della terminologia tecnica specializzata, che può portare a incoerenze o errori nei dati finali del prodotto.

I metodi tradizionali di onboarding dei prodotti presentati in precedenza, nonostante la loro graduale evoluzione, si basano ancora sugli stessi presupposti fondamentali: lavoro manuale, regole di mappatura e configurazioni estese. getName.ai rappresenta un approccio completamente nuovo che, invece di migliorare i vecchi processi, cambia completamente il modo in cui pensiamo all'estrazione degli attributi dei prodotti.

L'intelligenza artificiale invece di mappare le regole

A differenza dei sistemi ETL e PIM tradizionali che richiedono la creazione di regole di mapping complicate per ogni formato di dati, getName.ai utilizza modelli linguistici avanzati che "comprendono" il contesto e la semantica delle informazioni sui prodotti.

Come funziona in pratica:

• Il sistema analizza tutte le informazioni disponibili sui prodotti (descrizioni, nomi, tabelle delle specifiche)
• Riconosce e interpreta il significato del testo, non solo la sua struttura o formato
• Identifica gli attributi chiave e i loro valori, indipendentemente da come sono scritti
• Converte e normalizza automaticamente i valori nel formato richiesto

Questa differenza fondamentale nell'approccio elimina completamente la necessità di creare e mantenere regole di mappatura complesse, che sono il maggiore collo di bottiglia dei metodi tradizionali.

Universalità dei formati di input

getName.ai non richiede alcun formato di dati di input particolare. Il sistema può funzionare con:

• Qualsiasi formato di file (XML, JSON, CSV, Excel, PDF)
• Descrizioni di testo non strutturate (anche lunghe descrizioni di marketing)
• Dati recuperati direttamente dai siti web
• Tabelle delle specifiche in qualsiasi layout

Questa flessibilità significa che non c'è bisogno di pre-elaborare o adattare i dati ricevuti dai fornitori - possono essere passati al sistema nella forma in cui sono stati consegnati.

Indipendenza linguistica

Una delle caratteristiche più rivoluzionarie di getName.ai è la completa indipendenza dalla lingua di origine dei dati. Il sistema comprende il contesto e il significato degli attributi del prodotto indipendentemente dal fatto che siano scritti in polacco, inglese, tedesco o persino cinese.

Aspetti pratici:

• Non è necessario tradurre i dati prima dell'elaborazione
• Capacità di lavorare con fornitori da tutto il mondo senza barriere linguistiche
• Risultati coerenti indipendentemente dalla lingua di origine

In pratica, questo significa che lo stesso attributo (ad es., potenza del motore) sarà correttamente riconosciuto indipendentemente dal fatto che appaia nella descrizione originale come "power", "Leistung", "puissance" o "功率".

Trasformazione nella tua classificazione del prodotto

La funzione più preziosa di getName.ai è la capacità di trasformare automaticamente qualsiasi dato di input nella classificazione standardizzata del negozio interno. Il sistema non solo riconosce gli attributi, ma li assegna direttamente a un modello di dati specifico richiesto dalla tua azienda - senza alcuna mappatura.

Come appare questo processo:

• Inizialmente, fornisci un modello della tua classificazione del prodotto: classi, attributi, valori del dizionario
• Il sistema analizza i dati grezzi dal fornitore
• getName.ai identifica tutte le informazioni sugli attributi disponibili
• Assegna automaticamente gli attributi riconosciuti alla tua classificazione interna
• Normalizza i valori secondo i requisiti (unità, formati, dizionari)
• Restituisce un set completo di attributi pronto per l'importazione nel tuo sistema

Questo processo elimina completamente la necessità di mappare o creare regole di trasformazione per ogni nuovo fornitore - getName.ai si adatta automaticamente ai diversi formati di dati in ingresso, mantenendo sempre lo stesso formato di dati in uscita coerente.

Conversione intelligente delle unità e normalizzazione dei valori

Il sistema non solo può riconoscere i valori numerici, ma anche identificare automaticamente le unità di misura e convertirle nel formato richiesto:

• Rilevamento automatico delle unità (pollici, mm, cm, kg, lb, W, kW, ecc.)
• Conversione tra sistemi metrico e imperiale
• Standardizzazione della notazione secondo i requisiti (ad es., sempre "cm" invece di "centimetri")

Il meccanismo di normalizzazione del valore funziona in modo simile, riconoscendo diverse varianti di scrittura dello stesso valore:

• "nero", "noir", "schwarz", "czarny" → "Nero"
• "wireless", "cordless", "bezprzewodowy" → "Wireless"
• "acciaio inossidabile", "inox", "stal nierdzewna" → "Acciaio inossidabile"

Implementazione rapida dell'API

Integrare getName.ai con i sistemi esistenti è semplice grazie all'interfaccia REST API. Supponiamo che il nostro e-commerce abbia adottato strategicamente la classificazione ETIM v10 come sua principale classificazione e voglia adattare la descrizione del prodotto ricevuta dal produttore a essa.

Questa struttura API consente una facile integrazione con i sistemi PIM, e-commerce o ERP esistenti attraverso meccanismi di comunicazione standard.

Scalabilità e flessibilità

A differenza delle soluzioni tradizionali, getName.ai mantiene un'alta efficienza con una grande varietà di prodotti o fornitori. Il sistema gestisce altrettanto bene:

• Un fornitore e una categoria di prodotto
• Centinaia di fornitori e migliaia di diverse categorie di prodotti

Questa scalabilità deriva dalla differenza fondamentale nell'approccio - invece di richiedere la creazione e la manutenzione tediosa di migliaia di regole di mappatura, getName.ai utilizza le capacità dell'intelligenza artificiale per comprendere il contesto e il significato dei dati, indipendentemente dal loro formato o fonte.

getName.ai non è solo un altro miglioramento dei processi esistenti, ma un cambiamento di paradigma completo nell'approccio all'onboarding dei prodotti. Invece di adattarsi all'infinita varietà di formati di dati dei fornitori attraverso regole di mappatura difficili da mantenere, il sistema si concentra sulla comprensione diretta del significato dei dati e sulla loro trasformazione automatica in una classificazione interna coerente. Questa è una differenza fondamentale che consente di superare le limitazioni dei metodi tradizionali e di aprire nuove possibilità per lo sviluppo dell'assortimento nell'e-commerce.

In questa sezione, esamineremo passo dopo passo come funziona il processo effettivo di introduzione di grandi set di prodotti nei sistemi di e-commerce. Mostreremo i punti critici e le maggiori sfide affrontate dai team di prodotto, e esattamente dove getName.ai introduce miglioramenti significativi.

Esempio reale del processo di onboarding

Esaminiamo come appare un tipico processo di onboarding del prodotto utilizzando l'esempio di un file XML da un fornitore, con cui quasi ogni negozio e-commerce deve confrontarsi:

Dati di input:

• File XML nel formato del fornitore
• Attributi delle specifiche tecniche registrati nel formato del produttore
• I dati spesso in una lingua straniera (ad esempio, inglese, tedesco o anche cinese)
• Catalogo di 5.000 prodotti

Etap 1: Analisi della struttura dei file

Questa fase è comune indipendentemente dal metodo. Il team tecnico deve prima capire come è costruito il file XML del fornitore. Ciò significa mappare i campi, identificare i tag e comprendere la logica del file. Questa fase richiede spesso specialisti IT e può richiedere da diverse ore a diversi giorni, a seconda della complessità della struttura.

Fase 2: Elaborazione preliminare dei dati

Anche una fase comune per tutti i metodi, inclusi:

• Trasformazione in una struttura accettabile dai sistemi PIM/E-commerce
• Preparazione dei dati di base e logistici per l'importazione
• Organizzazione delle risorse (immagini, documentazione)
• Inserimento degli attributi di specifica in una struttura temporanea di lavoro

Questa fase di solito richiede la scrittura di script di conversione o l'utilizzo di strumenti ETL, il che richiede 1-2 giorni di lavoro di uno specialista IT.

Fase 3: Importazione dei dati di base

Fase comune a tutti i metodi:

• Caricamento degli identificatori del prodotto
• Importazione di nomi e descrizioni
• Introduzione dei dati logistici (peso, dimensioni, imballaggio)
• Allegare risorse (immagini, file PDF)

Anche se i dati vengono elaborati automaticamente, questo processo richiede supervisione e richiede diverse ore fino a un'intera giornata.

Fase 4: Processo di localizzazione linguistica

In questo passaggio, dobbiamo adattare i dati dei prodotti in lingua straniera alla lingua locale del negozio. Questa è una delle fasi più laboriose dell'onboarding tradizionale, che getName.ai semplifica radicalmente.

Senza getName.ai:
La localizzazione tradizionale richiede la traduzione completa di tutti gli elementi di dati del prodotto, il che genera costi significativi e ritarda l'introduzione dei prodotti sul mercato.

• Traduzione dei nomi dei prodotti
• Traduzione delle descrizioni dei prodotti
• Traduzione delle specifiche tecniche

Questo processo può richiedere da diversi giorni a settimane, a seconda del numero e della specificità degli attributi tecnici e delle risorse di traduzione disponibili.

Con getName.ai:
Con getName.ai, ci sono due strategie principali: puoi tradurre i nomi e le descrizioni originali sviluppati dal produttore, oppure concentrarti sull'ottenere attributi tecnici multilingue e poi generare automaticamente nomi e descrizioni locali a partire da essi.

• Traduzione dei nomi dei prodotti - non necessaria se l'azienda dispone di un meccanismo per generare nomi basati su attributi di specifica
• Traduzione delle descrizioni dei prodotti - non necessaria se l'azienda dispone di un meccanismo AI per generare descrizioni basate su attributi di specifica
• Traduzione delle specifiche tecniche - completamente inutile, poiché getName.ai riconosce gli attributi indipendentemente dalla lingua di origine

Ecco dove appare la prima differenza significativa:getName.ai elimina la necessità di tradurre le specifiche tecniche, il che consente di risparmiare giorni di lavoro e riduce significativamente i costi.

Fase 5: Categorizzazione del prodotto

Ogni prodotto deve essere assegnato alla categoria appropriata nel sistema. Questo processo di solito richiede una conoscenza specializzata del prodotto e - a seconda del grado di diversità dell'assortimento - può richiedere da diverse ore fino a due giorni per un lotto di circa 5.000 prodotti.

Fase 6: Importazione degli attributi di specifica dipendenti dalla categoria

Modifica manuale:

• Completamento manuale tramite GUI basato sui dati del file sorgente
• Revisionando i file delle schede tecniche per informazioni
• Cercando dati mancanti su internet
• Conversione manuale delle unità (ad es., pollici a centimetri)

Assumendo che uno specialista possa elaborare circa 200 prodotti al giorno, servire 1000 prodotti richiede 5 giorni-persona di lavoro.

Strumenti dedicati / ETL:

• Pulizia preliminare dei dati
• Creare regole di importazione complicate [if-then-else]
• Definire la mappatura per ciascun attributo
• Creazione della mappatura dei valori del dizionario, in casi speciali anche per attributo
• Configurazione della conversione automatica delle unità

Preparare un sistema del genere di solito richiede 3-5 giorni, ma dopo la configurazione, l'importazione procede molto più velocemente. Tuttavia, ogni nuovo fornitore richiede una riconfigurazione. Inoltre, ogni successiva importazione anche dallo stesso fornitore richiede un'ispezione e spesso una modifica della mappatura, poiché possono apparire nuovi attributi, nuovi valori di dizionario o errori nei dati di origine.

Questa soluzione è particolarmente efficace per le aziende con una struttura di assortimento relativamente semplice – la mappatura degli attributi e dei valori del dizionario rimane un processo che può essere eseguito efficacemente senza eccessiva complessità. Tuttavia, per l'e-commerce con un'offerta molto diversificata (centinaia di categorie di prodotti), una mappatura estesa diventa praticamente impraticabile o richiede un team dedicato per aggiornamenti continui delle regole.

API getName.ai:

• Automazione completa dei processi
• Invio di tutte le informazioni sui prodotti disponibili all'API senza analisi preliminare
• Ricezione immediata degli attributi e dei loro valori pronti per l'importazione

Ecco dove appare la differenza più importante:una fase che tradizionalmente richiedeva 5 giorni-persona di lavoro (supponendo un'efficienza di 200 prodotti al giorno) o 3-5 giorni per preparare regole ETL avanzate, è ridotta a diverse ore di lavoro del sistema. Non c'è bisogno di creare regole di mappatura complicate, e il sistema riconosce automaticamente gli attributi e converte le unità.

Fase 7: Controllo qualità

Modifica manuale:

• Il controllo qualità viene eseguito simultaneamente all'inserimento dei dati dagli operatori
• Non richiede una fase di verifica aggiuntiva, ma è suscettibile a errori umani dovuti alla stanchezza durante lavori monotoni

Strumenti dedicati / ETL:

• Richiede una verifica casuale, solitamente circa l'1% dei prodotti
• Gli errori si verificano ancora a causa di imperfezioni nelle regole di mappatura, specialmente con nuovi valori.

API getName.ai:

• Controllo di qualità raccomandato che copre l'1-5% dei prodotti per confermare la correttezza
• La verifica procede senza intoppi e richiede diverse ore

Miglioramenti più importanti con getName.ai:

• Eliminazione della barriera linguistica- il sistema riconosce gli attributi indipendentemente dalla lingua di origine
• Nessun bisogno di scrivere regole di mappatura- il sistema riconosce e mappa automaticamente gli attributi
• Conversione automatica delle unità- il sistema rileva le unità di misura e le converte nel formato richiesto
• Riconoscimento dei valori del dizionario- il sistema mappa diverse varianti di scrittura dello stesso valore a un valore standardizzato
• Riduzione del 90% del tempo necessario per la fase di specifica tecnica- la fase più dispendiosa in termini di tempo è quasi completamente automatizzata

Implementare getName.ai consente alle aziende di e-commerce di concentrare le risorse sullo sviluppo strategico della loro offerta invece che sull'inserimento manuale dei dati, migliorando al contempo la qualità delle informazioni sui prodotti e riducendo il time-to-market per i nuovi prodotti di circa l'80% - 90%.

L'integrazione di nuovi fornitori con attributi di prodotto completi è una delle sfide più grandi del commercio elettronico moderno. In questo articolo, abbiamo mostrato come gli approcci tradizionali – nonostante i continui miglioramenti – si basino ancora su meccanismi noiosi, costosi e inflessibili.

Abbiamo evidenziato i problemi fondamentali:

• Efficienza limitata dell'inserimento manuale dei dati
• Barriera linguistica con fornitori internazionali
• Difficoltà relative alla creazione e al mantenimento delle regole di mappatura
• Limitazioni degli standard di classificazione in assortimenti eterogenei

Allo stesso tempo, abbiamo dimostrato come getName.ai – utilizzando i più recenti traguardi nell'intelligenza artificiale – introduca una qualità completamente nuova al processo di onboarding. Invece di migliorare le vecchie pratiche, cambia completamente le regole del gioco, eliminando le fasi più dispendiose in termini di tempo e costose.

Vantaggi reali dell'implementazione

Come dimostrato dalle analisi dei processi nelle aziende di e-commerce, l'implementazione di getName.ai si traduce in benefici concreti e misurabili:

• Tempo di introduzione del prodotto drasticamente ridotto– da settimane a ore
• Riduzione dei costi operativi– minore spesa per il personale e la gestione dei processi
• Eliminazione delle barriere linguistiche– possibilità di cooperazione diretta con fornitori da tutto il mondo
• Migliorata qualità dei dati– attributi coerenti e completi per l'intero assortimento
• Scatenare il potenziale del team– gli specialisti possono concentrarsi sullo sviluppo strategico dell'offerta invece di inserire dati meccanicamente

Inoltre, il funzionamento specifico di getName.ai significa che i benefici crescono con la scala delle operazioni. Maggiore è la varietà di prodotti e fornitori, maggiore è il vantaggio rispetto alle soluzioni tradizionali.

Inizia la trasformazione oggi

Se stai affrontando una delle sfide descritte nell'articolo, ti invitiamo a familiarizzare direttamente con le capacità della piattaforma getName.ai. Libera il tuo e-commerce dai limiti dei metodi tradizionali e scopri nuove possibilità per lo sviluppo dell'assortimento senza compromessi.

Programma una breve presentazione di 15 minuti durante la quale mostreremo come getName.ai gestisce i dati reali dei prodotti. Vedrai dal vivo come le descrizioni grezze vengono trasformate in attributi strutturati - pronti per essere utilizzati nel tuo sistema PIM o e-commerce.

Testa la soluzione senza impegno

Ottieni l'accesso a una versione demo completamente funzionale e verifica come funziona il sistema su un set più ampio dei tuoi dati. Nessun costo iniziale e nessun impegno a lungo termine - scopri come getName.ai può supportare i processi aziendali nella pratica.

Contattaci

Per programmare una dimostrazione o ottenere l'accesso all'ambiente demo, contattaci via emailciao@getname.aio compilare il modulo disponibile sul nostro sito web.