Automatyzacja generowania atrybutów produktowych: ETIM, ECLASS i marketplace. Przewodnik dla producentów.

Jeśli zarządzasz danymi produktowymi w firmie produkcyjnej, znasz to wyzwanie aż za dobrze. Przygotowanie atrybutów technicznych do różnych kanałów sprzedaży to proces, który potrafi pochłonąć nieproporcjonalnie dużo zasobów, hamując możliwości ekspansji rynkowej i szybkiego reagowania na nowe szanse biznesowe.

Jako producent stajesz przed koniecznością przygotowania danych zgodnych z wymaganiami licznych systemów jednocześnie - od marketplace'ów jak Allegro, Amazon czy Kaufland, przez dystrybutorów, po standardy branżowe jak ETIM czy ECLASS. Każdy z tych systemów wymaga specyficznego zestawu atrybutów, w odmiennych formatach i niejednokrotnie w różnych językach.

getName.ai transformuje ten proces, wykorzystując sztuczną inteligencję do automatycznego generowania atrybutów produktowych. Działając jako specjalistyczne API (nie platforma syndykacyjna), analizuje wewnętrzne dane produktowe i tworzy atrybuty zgodne z wymaganiami docelowych platform i standardów, które następnie można wykorzystać w procesie eksportu.

Dzięki zastosowaniu getName.ai możesz:

• Skrócić czas przygotowania danych do eksportu nawet o 90%
• Zredukować koszty zarządzania atrybutami produktowymi o 70-80%
• Wejść na nowe rynki i platformy sprzedaży 5-10 razy szybciej
• Automatycznie obsługiwać zmiany w standardach bez dodatkowych nakładów pracy
• Generować atrybuty zgodne z wymaganiami dowolnych rynków zagranicznych jednocześnie

W kolejnych częściach artykułu przyjrzymy się bliżej specyficznym wyzwaniom, przed którymi stają producenci, tradycyjnym metodom ich rozwiązywania oraz przełomowemu podejściu, jakie oferuje getName.ai.

Jako producent mierzysz się z unikalnymi wyzwaniami w cyfrowym świecie handlu. W przeciwieństwie do czystych e-commerce'ów, którzy koncentrują się głównie na marketplace'ach, musisz obsługiwać znacznie szersze spektrum kanałów dystrybucji i standardów danych. Twoje produkty muszą być prawidłowo reprezentowane wszędzie - od specjalistycznych standardów branżowych, przez systemy dystrybutorów, aż po najpopularniejsze platformy sprzedażowe.

Różnorodność wymagań marketplace'ów

Każdy marketplace tworzy własny ekosystem wymagań dotyczących danych produktowych:

• Amazon stosuje zaawansowany system kategoryzacji z tysiącami atrybutów specyficznych dla kategorii. Wymaga ścisłego przestrzegania reguł jakości danych, a niespełnienie tych wymagań może skutkować spadkiem widoczności produktów lub nawet ich usunięciem z platformy.
• eBay korzysta z własnej taksonomii produktowej i systemu atrybutów, który różni się strukturalnie od innych marketplace'ów. Musisz dostosować swoje dane do tej specyficznej struktury, aby osiągnąć wysoką widoczność w wyszukiwaniach.
• Allegro wymaga określonych zestawów atrybutów technicznych dla każdej kategorii, a ich poprawne uzupełnienie wpływa na pozycjonowanie produktów i możliwość zaistnienia w filtrach wyszukiwania.
• Kaufland, Empik, czy platformy specjalistyczne posiadają własne, unikalne wymagania dotyczące struktury danych produktowych.

Obsługa 10 czy 20 marketplace'ów tradycyjnymi metodami staje się zadaniem niemal niewykonalnym. Co gorsza, wymagania te regularnie się zmieniają, wymuszając ciągłe aktualizacje i dostosowania.

Złożoność klasyfikacji branżowych istotnych dla producentów

Poza marketplace'ami, jako producent stajesz przed wyzwaniem obsługi przemysłowych standardów klasyfikacji, które są kluczowe dla sprzedaży B2B:

ETIM - European Technical Information Model

System ETIM jest międzynarodowym standardem klasyfikacji produktów dla branż elektrotechnicznej, HVAC (ogrzewanie, wentylacja, klimatyzacja) oraz materiałów budowlanych. Posiada:

• Ponad 5,600 klas produktowych
• Kilkanaście tysięcy atrybutów technicznych
• Ścisłe reguły dotyczące typów danych i jednostek miary
• Regularne aktualizacje do nowych wersji (obecnie ETIM 10)

Dla producentów w tych branżach, zgodność z ETIM nie jest opcją, ale koniecznością biznesową, szczególnie na rynkach europejskich. Dystrybutorzy i hurtownie często odrzucają produkty bez poprawnej klasyfikacji ETIM, traktując ją jako warunek wstępny współpracy.

ECLASS - Standard dla przemysłu i inżynierii

ECLASS to jeszcze bardziej rozbudowany standard, popularny zwłaszcza w przemyśle niemieckim i środkowoeuropejskim:

• Ponad 40,000 klas produktowych
• Setki tysięcy atrybutów i wartości
• Hierarchiczna struktura z czterostopniowym podziałem
• Integracja z systemami ERP i automatami zakupowymi

ECLASS jest szczególnie istotny dla producentów maszyn, komponentów przemysłowych i automatyki, którzy dostarczają swoje produkty do dużych koncernów przemysłowych.

GS1/GPC - Global Product Classification

Standard GS1 wraz z klasyfikacją GPC jest szeroko stosowany w handlu detalicznym na całym świecie:

• Uniwersalny system identyfikacji produktów
• Standardowa struktura danych produktowych
• Synergia z kodami GTIN/EAN
• Wykorzystywany przez największe sieci handlowe

Producenci dóbr konsumpcyjnych muszą dostarczać dane zgodne z GS1, aby efektywnie współpracować z globalnymi sieciami handlowymi.

Koszty i czas potrzebny na ręczne mapowanie atrybutów

Przygotowanie atrybutów produktowych zgodnych z tak różnorodnymi standardami tradycyjnymi metodami generuje ogromne koszty:

• Koszty personelu - potrzeba zatrudnienia specjalistów znających poszczególne standardy i platformy
• Koszty szkoleniowe - ciągłe aktualizowanie wiedzy zespołu o zmieniających się wymogach
• Koszty utraconych możliwości - opóźnione wprowadzanie produktów na nowe rynki z powodu długotrwałego procesu przygotowania danych
• Koszty błędów - wydatki związane z poprawianiem niepoprawnych danych i obsługą zwrotów

Szacunki rynkowe wskazują, że ręczne przygotowanie pełnego zestawu atrybutów dla jednego produktu może kosztować od 50 do 300 euro, w zależności od złożoności produktu i liczby obsługiwanych platform.

Problem utrzymania aktualności danych przy zmianach klasyfikacji

Standardy klasyfikacji produktów nie są statyczne - ewoluują wraz z rynkiem:

• ETIM wydaje nowe wersje co 2-3 lata
• ECLASS regularnie aktualizuje swoje struktury
• Marketplace'y modyfikują wymagania dotyczące atrybutów, czasem bez wcześniejszego powiadomienia

Aktualizacje te często wymagają:

• Dodania nowych, wcześniej niewspieranych atrybutów
• Zmiany dopuszczalnych wartości dla istniejących atrybutów
• Dostosowania do nowych reguł walidacji
• Rekategoryzacji produktów

Dla Ciebie jako zarządzającego tysiącami produktów, każda taka zmiana może oznaczać tygodnie pracy nad aktualizacją danych. Co więcej, często konieczne jest równoległe utrzymywanie danych w starych i nowych formatach, ponieważ nie wszyscy partnerzy handlowi migrują jednocześnie do nowszych wersji standardów.

Wszystkie te wyzwania sprawiają, że tradycyjne metody przygotowania atrybutów produktowych stają się coraz mniej wydajne w dynamicznie zmieniającym się środowisku handlowym. Jako producent potrzebujesz nowego podejścia, które pozwoli Ci szybko i efektywnie generować wysokiej jakości atrybuty produktowe zgodne z wymaganiami różnych standardów i platform.

Zanim przejdziemy do nowoczesnych rozwiązań, warto przyjrzeć się, jak producenci zazwyczaj radzą sobie z wyzwaniem przygotowania atrybutów produktowych do eksportu. Te tradycyjne metody, choć powszechnie stosowane, charakteryzują się znacznymi ograniczeniami, szczególnie w kontekście rosnącej złożoności rynku i wymagań dotyczących danych.

Ręczne mapowanie atrybutów do wymagań platform

Najprostszym i historycznie najczęściej stosowanym podejściem jest ręczne mapowanie atrybutów produktowych do wymagań poszczególnych platform i standardów:

Jak to działa:

• Specjalista produktowy analizuje wewnętrzne dane i wymagania platformy docelowej
• Tworzy mapowanie "jeden do jednego" między atrybutami wewnętrznymi a docelowymi
• Ręcznie przekształca wartości, aby spełniały wymagania formatowania i dopuszczalnych opcji
• Wprowadza przygotowane dane do systemu eksportowego lub platformy docelowej

Ograniczenia:

• Efektywność czasowa - jeden specjalista może przetworzyć zaledwie 150-200 produktów dziennie
• Ryzyko błędów - monotoność procesu prowadzi do pomyłek, szczególnie przy dużej liczbie atrybutów
• Skalowalność - metoda praktycznie niemożliwa do zastosowania przy tysiącach produktów i wielu kanałach sprzedaży
• Utrzymanie wiedzy - zależność od konkretnych pracowników znających specyfikę platform

Dla niewielkich producentów z ograniczonym asortymentem, ręczne mapowanie może być akceptowalnym rozwiązaniem. Jednak przy rozszerzaniu działalności na nowe rynki czy platformy, metoda ta szybko staje się wąskim gardłem operacyjnym.

Tworzenie i utrzymywanie reguł transformacji danych

Bardziej zaawansowanym podejściem jest stworzenie systemu reguł transformacji danych, który automatycznie przekształca atrybuty wewnętrzne na formaty wymagane przez platformy docelowe:

Jak to działa:

• Zespół IT lub specjaliści od danych tworzą reguły transformacji w formacie "JEŻELI-TO"Przykład: JEŻELI wewnętrzny atrybut "moc_silnika" = X, TO Amazon.power_source_type = Y
• Reguły implementowane są w systemach ETL, PIM lub eksportowych
• Dane przetwarzane są automatycznie zgodnie ze zdefiniowanymi regułami

Ograniczenia:

• Czas implementacji - stworzenie kompletnych reguł dla jednej platformy może zająć od kilku tygodni do miesięcy
• Sztywność systemu - każda zmiana w strukturze danych źródłowych lub docelowych wymaga aktualizacji reguł
• Złożoność utrzymania - duże systemy reguł stają się z czasem trudne do zarządzania i debugowania
• Ograniczona elastyczność - trudność w obsłudze wyjątków i niestandardowych przypadków
• Reguły transformacji sprawdzają się najlepiej w stabilnych środowiskach z rzadko zmieniającymi się wymaganiami. Niestety, rzeczywistość rynkowa zwykle nie spełnia tych warunków, a marketplace'y regularnie aktualizują swoje wymagania dotyczące atrybutów.

Zatrudnianie dedykowanych specjalistów dla każdej platformy

Duże przedsiębiorstwa często decydują się na zatrudnienie dedykowanych specjalistów do obsługi poszczególnych platform i standardów:

Jak to działa:

• Zespół ekspertów, gdzie każdy specjalizuje się w konkretnej platformie lub standardzie (np. specjalista od Amazona, ekspert ETIM)
• Specjaliści na bieżąco śledzą zmiany w wymaganiach i dostosowują dane produktowe
• Często wykorzystują zaawansowane narzędzia i szablony, które sami tworzą i utrzymują
• Pracują w ścisłej współpracy z działami produktowymi i marketingowymi

Ograniczenia:

• Koszty personalne - zatrudnienie ekspertów od każdej platformy generuje znaczne koszty stałe
• Zależność od specjalistów - utrata kluczowego pracownika może sparaliżować określony kanał sprzedaży
• Pokrycie ograniczone zasobami - ilość obsługiwanych platform zależy od dostępnych specjalistów
• Nieefektywne wykorzystanie talentów - wysokiej klasy specjaliści wykonują często powtarzalne zadania niskiej wartości

Model ten jest dostępny głównie dla dużych organizacji z odpowiednim budżetem, ale nawet tam stanowi istotne obciążenie kosztowe i organizacyjne.

Korzystanie z zewnętrznych usług i agencji

Alternatywnym podejściem jest outsourcing przygotowania danych produktowych do wyspecjalizowanych agencji:

Jak to działa:

• Zewnętrzna firma otrzymuje dane produktowe i specyfikacje
• Agencja przygotowuje atrybuty zgodne z wymaganiami określonych platform
• Przekazuje gotowe dane do eksportu lub bezpośrednio załadowania na platformy

Ograniczenia:

• Wysokie koszty zmienne - opłaty za przygotowanie atrybutów dla każdego produktu i każdej platformy
• Opóźnienia komunikacyjne - wydłużony czas reakcji na zmiany i aktualizacje
• Zmniejszona kontrola jakości - trudność w zapewnieniu spójności danych w różnych kanałach
• Zależność od zewnętrznego partnera - ryzyko zakłóceń w przypadku problemów z dostawcą usług

Ten model sprawdza się najlepiej dla firm o stosunkowo stabilnym katalogu produktów i ograniczonej liczbie kanałów sprzedaży.

Wykorzystanie modułów PIM z funkcjami mapowania

Systemy PIM (Product Information Management) często oferują funkcjonalności wspierające przygotowanie atrybutów do eksportu:

Jak to działa:

• System PIM przechowuje centralne "złote źródło" danych produktowych
• Moduły transformacji w systemie PIM konwertują atrybuty do wymagań platform docelowych
• Administrator definiuje reguły mapowania i transformacji w interfejsie PIM
• System generuje pliki eksportowe dla poszczególnych platform

Ograniczenia:

• Złożoność konfiguracji - rozbudowane systemy PIM wymagają znacznej wiedzy technicznej do konfiguracji
• Koszty wdrożenia i licencji - zaawansowane systemy PIM to inwestycja rzędu setek tysięcy euro
• Nadal wymagane reguły - mimo automatyzacji, konieczne jest tworzenie i utrzymywanie reguł transformacji
• Ograniczona inteligencja - standardowe systemy PIM nie posiadają zaawansowanych funkcji rozumienia kontekstu i semantyki

Systemy PIM stanowią dobry fundament dla zarządzania danymi produktowymi, ale same w sobie nie rozwiązują fundamentalnych problemów z przygotowaniem atrybutów do różnych platform.

Problemy ze skalowalnością tradycyjnych rozwiązań

Niezależnie od wybranego tradycyjnego podejścia, wszystkie one napotykają na ten sam podstawowy problem - brak skalowalności przy rosnącej złożoności:

• Wzrost liczby platform - każda nowa platforma sprzedaży wymaga proporcjonalnego zwiększenia zasobów
• Aktualizacje wymagań - marketplace'y regularnie zmieniają struktury danych i wymagania atrybutów
• Rozszerzanie katalogu - wprowadzanie nowych linii produktowych zwykle wymaga tworzenia nowych reguł mapowania
• Wchodzenie na nowe rynki - ekspansja międzynarodowa oznacza konieczność obsługi lokalnych standardów

Matematyka jest nieubłagana - przy 1,000 produktów i 10 platformach sprzedaży, tradycyjne metody wymagają zarządzania potencjalnie 10,000 zestawów atrybutów. Gdy dodamy do tego regularną aktualizację danych, sprawdzanie jakości i dostosowywanie do zmian wymagań, zadanie staje się praktycznie niemożliwe do efektywnego zarządzania tradycyjnymi metodami.

Ograniczenia tradycyjnych podejść stały się katalizatorem dla poszukiwania nowatorskich rozwiązań, które mogłyby radykalnie uprościć proces przygotowania atrybutów produktowych - i tu właśnie wkracza technologia AI reprezentowana przez getName.ai.

Wyzwania i ograniczenia tradycyjnych podejść jasno wskazują na potrzebę nowego rozwiązania. getName.ai wprowadza fundamentalną zmianę paradygmatu w zakresie przygotowania atrybutów produktowych. Zamiast opierać się na ręcznym mapowaniu czy sztywnych regułach, wykorzystuje potencjał sztucznej inteligencji do zrozumienia kontekstu i semantyki danych produktowych.

Automatyczne generowanie atrybutów zgodnych z wieloma klasyfikacjami

Główną innowacją getName.ai jest zdolność do jednoczesnego generowania atrybutów dla wielu klasyfikacji bez potrzeby tworzenia osobnych procesów dla każdej z nich.

Jak to działa:

• Dostarczasz podstawowe dane produktowe (opisy, specyfikacje techniczne, nazwy wewnętrzne)
• Określasz docelowe klasyfikacje i klasy produktowe (np. ETIM-EC001370, Allegro-165, Amazon-Home_Tools)
• System analizuje dane źródłowe za pomocą zaawansowanych modeli AI
• Generuje kompletne zestawy atrybutów zgodne z wymaganiami poszczególnych klasyfikacji
• Otrzymujesz gotowe atrybuty, które możesz wykorzystać w procesie eksportu

W przeciwieństwie do tradycyjnych metod, gdzie dodanie nowej platformy wymaga tworzenia nowych procesów i reguł, getName.ai może obsługiwać nowe klasyfikacje bez znaczących zmian w przepływie pracy. Ta skalowalność jest kluczową przewagą, pozwalającą na ekspansję na nowe rynki bez proporcjonalnego wzrostu kosztów operacyjnych.

Inteligentne rozpoznawanie cech produktu bez potrzeby tworzenia reguł

Tradycyjne systemy transformacji danych opierają się na regułach typu "IF-THEN", które muszą być ręcznie tworzone i utrzymywane. getName.ai eliminuje tę potrzebę dzięki zaawansowanym algorytmom uczenia maszynowego:

Jak to działa:

• System "rozumie" semantykę danych produktowych, a nie tylko ich strukturę
• Identyfikuje kluczowe parametry techniczne nawet gdy są zapisane w różnych formatach
• Rozpoznaje relacje między atrybutami, np. że "230V" odnosi się do napięcia zasilania
• Wywnioskuje informacje niejawne, opierając się na wiedzy branżowej wbudowanej w model

Przykład z praktyki:

Dane wejściowe:
"Wiertarka udarowa GSB 18V-50, bezszczotkowa, 2 akumulatory Li-Ion 5.0Ah, walizka systemowa"

Automatycznie rozpoznane cechy:
- Rodzaj elektronarzędzia: Wiertarka udarowa
- Napięcie: 18V
- Typ silnika: Bezszczotkowy
- Typ akumulatora: Li-Ion
- Pojemność akumulatora: 5.0Ah
- Liczba akumulatorów: 2
- Wyposażenie dodatkowe: Walizka

System wykonuje tę analizę bez potrzeby ręcznego definiowania, że "18V" to napięcie, a "Li-Ion" to typ akumulatora - ta wiedza jest wbudowana w modele AI. Co więcej, getName.ai potrafi rozpoznać te same cechy produktu nawet gdy są wyrażone w różny sposób w różnych opisach, co eliminuje potrzebę tworzenia rozbudowanych wzorców dopasowania.

Konwersja jednostek i normalizacja wartości

Jednym z częstych wyzwań w przygotowaniu atrybutów jest konieczność konwersji jednostek miary i normalizacji wartości zgodnie z wymaganiami poszczególnych platform. getName.ai automatyzuje ten proces:

Konwersja jednostek:

• Automatyczne wykrywanie jednostek w danych źródłowych (cm, cale, mm, W, kW, itd.)
• Konwersja do jednostek wymaganych przez docelową klasyfikację
• Obsługa złożonych konwersji, uwzględniających współczynniki i formuły przeliczeniowe

Normalizacja wartości:

• Mapowanie wartości tekstowych do standardowych słowników (np. "czarny", "noir", "schwarz" → "Black")
• Standaryzacja formatów zapisu wartości numerycznych (1.5, 1,5, 1½ → 1.5)
• Konwersja formatów zakresów (5-10V, 5V~10V, od 5 do 10V → odpowiedni format docelowy)

Przykład:

Wewnętrzny opis: "Moc: 750W, średnica wiercenia w betonie do 5/8 cala"

Wygenerowane atrybuty:
- Moc znamionowa: 750 W
- Maksymalna średnica wiercenia w betonie: 16 mm

System automatycznie przekształcił jednostki imperialne (cale) na metryczne (mm), wykonując niezbędne obliczenia matematyczne (5/8" = 15.875 mm ≈ 16 mm) i dostosowując formaty wartości do wymagań docelowej platformy.

Integracja z istniejącymi systemami PIM i platformami syndykacyjnymi

getName.ai nie wymaga rewolucji w istniejącej infrastrukturze IT - zostało zaprojektowane tak, aby bezproblemowo integrować się z używanymi już narzędziami:

Integracja z systemami PIM:

• Elastyczne API REST umożliwiające komunikację z większością systemów PIM
• Możliwość integracji workflow poprzez webhooks

Współpraca z platformami syndykacyjnymi:

• Generowanie atrybutów w formacie JSON łatwym do wykorzystania przez platformy jak Productsup, ChannelEngine czy BaseLinker

Typowy przepływ pracy może wyglądać następująco:

1. System PIM wysyła dane produktowe do getName.ai poprzez API
2. getName.ai generuje atrybuty dla różnych platform i zwraca je do systemu PIM
3. System PIM zapisuje wygenerowane atrybuty i wykorzystuje je w procesie eksportu
4. Platformy syndykacyjne lub eksportowe otrzymują już gotowe wartości wymaganych atrybutów specyfikacji technicznej

Dzięki takiemu podejściu, możesz zachować swoje istniejące narzędzia i procesy, jednocześnie eliminując najbardziej pracochłonny element - przygotowanie atrybutów zgodnych z różnymi klasyfikacjami.

Adaptacja do zmian w standardach bez dodatkowej pracy

Jednym z największych wyzwań w tradycyjnych podejściach jest dostosowywanie się do zmian w standardach i klasyfikacjach. getName.ai rozwiązuje ten problem:

Automatyczna obsługa aktualizacji:

• Zespół getName.ai na bieżąco aktualizuje modele AI o nowe wersje standardów
• System automatycznie dostosowuje generowane atrybuty do najnowszych wymagań
• Nie musisz śledzić zmian ani aktualizować reguł transformacji

Wsparcie dla wielu wersji standardów:

• Możliwość jednoczesnej obsługi różnych wersji tej samej klasyfikacji (np. ETIM 8 i ETIM 10)
• Generowanie atrybutów zgodnych z określoną wersją na żądanie
• Płynne przejście między wersjami bez konieczności przepisywania reguł

Gdy pojawia się nowa wersja standardu, getName.ai jest aktualizowane centralnie, a wszyscy klienci natychmiast otrzymują dostęp do najnowszych specyfikacji - bez konieczności własnych aktualizacji czy zmian w procesach.

Jak getName.ai wpływa na cykl pracy producenta

Wdrożenie getName.ai fundamentalnie zmienia cykl pracy związany z przygotowaniem atrybutów produktowych:

Przed wdrożeniem getName.ai:

1. Utworzenie nowego produktu w systemie wewnętrznym
2. Ręczne mapowanie atrybutów do każdej platformy (dni/tygodnie)
3. Tworzenie i testowanie reguł transformacji (tygodnie)
4. Eksport danych do platform docelowych
5. Poprawianie błędów odrzuconych produktów (dni)
6. Powtarzanie procesu przy zmianach atrybutów lub platform

Po wdrożeniu getName.ai:

1. Utworzenie nowego produktu w systemie wewnętrznym
2. Automatyczne generowanie atrybutów przez getName.ai (sekundy/minuty)
3. Eksport danych do platform docelowych
4. Minimalne poprawki (jeśli w ogóle konieczne)

Ta transformacja procesu przekłada się na:

• Skrócenie czasu wprowadzania produktów na rynek z tygodni do dni lub nawet godzin
• Redukcję zasobów potrzebnych do zarządzania atrybutami o 70-80%
• Możliwość szybkiego wejścia na nowe rynki i platformy
• Koncentrację zespołu produktowego na rozwoju oferty, zamiast na żmudnym przygotowywaniu danych

W kolejnej sekcji przyjrzymy się przykładowemu procesowi przygotowania danych dla wielu platform jednocześnie z wykorzystaniem getName.ai.

Aby lepiej zrozumieć praktyczne zastosowanie getName.ai, przyjrzyjmy się przykładowemu procesowi przygotowania danych produktowych. Wyobraźmy sobie średniej wielkości producenta elektronarzędzi z katalogiem obejmującym około 2500 produktów, który potrzebuje przygotować dane do różnych kanałów sprzedaży - zarówno marketplace'ów, jak i klasyfikacji branżowych - planując jednocześnie wejście na nowe rynki oraz platformy sprzedażowe.

Główne wyzwania w tym scenariuszu to:

• Konieczność przygotowania danych zgodnych z wymaganiami marketplace'ów
• Dostosowanie do standardu ETIM wymaganego przez europejskich dystrybutorów
• Obsługa klasyfikacji GPC dla współpracy z globalnymi przedsiębiorstwami

Poniżej przedstawiamy, jak teoretycznie wyglądałby proces przygotowania danych z wykorzystaniem getName.ai.

Przygotowanie danych źródłowych

Pierwszym krokiem jest przygotowanie danych źródłowych, które będą służyć jako podstawa do generowania atrybutów dla różnych platform. W przypadku producenta elektronarzędzi, dane źródłowe mogłyby obejmować:

Wewnętrzne dane produktowe:

• Podstawowe informacje produktowe przechowywane w systemie PIM
• Parametry techniczne z naciskiem na te, które podkreślają atuty narzędzia
• Kluczowe zalety
• Opis marketingowe

Co istotne, getName.ai nie wymaga specjalnego formatowania ani ustrukturyzowania tych danych - system może pracować z różnymi formatami i wydobywać informacje nawet z niestrukturyzowanych opisów.

Przykład hipotetycznych danych źródłowych dla produktu:

Wiertarko-wkrętarka udarowa DeWalt DCD709N-XJ 18V z serii XR to kompaktowe i wydajne narzędzie przeznaczone do prac remontowo-budowlanych, idealne do wiercenia, wkręcania i pracy udarowej w drewnie, stali i innych materiałach. Dzięki bezszczotkowemu silnikowi oferuje dłuższy czas pracy i większą efektywność energetyczną, a dwubiegowa przekładnia oraz wysoki moment obrotowy do 65 Nm zapewniają niezawodność w nawet najbardziej wymagających zadaniach. Wyposażona w lampę LED do pracy w słabo oświetlonych miejscach oraz praktyczny pasek do łatwego przenoszenia. Kompatybilna z akumulatorami systemu XR 18V (brak w zestawie). Gwarancja 2+1 lata po rejestracji online.

Kluczowe cechy:

• Kompaktowe wymiary: 189 × 79 × 231 mm
• Silnik bezszczotkowy – większa trwałość i wydajność
• 2 biegi i tryby: wiercenie, wkręcanie, wiercenie udarowe
• Częstotliwość udaru: do 28 050 bpm
• Maks. moment obrotowy: 65 Nm
• Oświetlenie LED
• Maks. średnica wiercenia: 13 mm w stali, 30 mm w drewnie
• Uchwyt wiertarski 13 mm
• Kompatybilność z bateriami Li-Ion XR 18V (brak w zestawie)
• Pasek do wygodnego przenoszenia
• Gwarancja: 12 miesięcy + 2 lata po rejestracji online

Konfiguracja docelowych klasyfikacji

Następnym krokiem jest określenie docelowych klasyfikacji i klas produktowych. Dla każdego produktu należy zdefiniować:

1. Klasyfikację docelową (np. ETIM, Allegro, Amazon)
2. Odpowiednią klasę produktową w ramach tej klasyfikacji

Dla przykładowego produktu, konfiguracja mogłaby wyglądać następująco:

• ETIM 10: EC001371 / Wiertarko-wkrętarka (akumulatorowa)
• Allegro: 147662 / Wkrętarki (ale też pasuje do 259924 / Wkrętarki i wtedy tworzy inny zestaw atrybutów)
• Amazon: 1286380031 / Power Drill Drivers
• GS1/GPC: 39000000 / Power Tools - Powered

Ta konfiguracja może być definiowana jednorazowo dla całych grup produktowych, co znacznie upraszcza proces, szczególnie w przypadku dużych katalogów.

Automatyczna generacja atrybutów

Po przygotowaniu danych źródłowych i skonfigurowaniu docelowych klasyfikacji, następuje kluczowy etap - automatyczna generacja atrybutów przez getName.ai. Proces ten odbywa się poprzez wywołania API, które można zintegrować z istniejącymi systemami producenta.

Przykładowe wywołanie API getName.ai mogłoby wyglądać następująco:

System analizowałby przesłany opis i automatycznie generował atrybuty zgodne z wymaganiami ETIM, które mogłyby wyglądać tak:

Jednocześnie, dla tego samego opisu, system mógłby wygenerować atrybuty zgodne z wymaganiami Allegro:

System nie tylko rozpoznałby odpowiednie atrybuty i wartości, ale również:

• Przypisał właściwe kody identyfikacyjne
• Zidentyfikował i zastosował wartości słownikowe
• Zastosował właściwe jednostki miary
• Prawidłowo sformatował zakresy (min-max)

Integracja z platformami syndykacyjnymi, marketplace i partnerami handlowymi

W typowym scenariuszu proces ten mógłby obejmować:

1. Import wygenerowanych atrybutów do systemu PIM

• Atrybuty są zapisywane w odpowiednich strukturach w systemie PIM
• Każdy zestaw atrybutów jest powiązany z odpowiednim kanałem sprzedaży
• System PIM zarządza wersjami i aktualizacjami danych

2. Eksport do platform syndykacyjnych

• Dane dla marketplace'ów są przekazywane do platformy syndykacyjnej (np. Productsup, ChannelEngine, Baselinker)
• Platforma syndykacyjna zarządza formatowaniem końcowym i walidacją
• Przygotowane dane są wysyłane do Amazon, eBay i Allegro

3. Eksport plikowy z systemu PIM

• Dane są eksportowane w różnych formatach plików (CSV, XML, JSON, Excel, BMEcat)
• Przygotowane pliki mogą być bezpośrednio przekazane partnerom handlowym
• Te same pliki eksportowe można zaimportować bezpośrednio do paneli sprzedażowych marketplace'ów

Jest to obszar, w którym getName.ai współpracuje z istniejącymi narzędziami, zamiast je zastępować. System koncentruje się na najtrudniejszym elemencie - generowaniu atrybutów - pozostawiając zarządzanie eksportem specjalistycznym narzędziom syndykacyjnym.

Ten teoretyczny przykład pokazuje, jak getName.ai mogłoby radykalnie uprościć proces przygotowania atrybutów produktowych, pozwalając producentom na szybszą i bardziej efektywną ekspansję na nowe rynki i platformy sprzedaży.

Przedstawione w tym artykule analizy i przykłady jasno pokazują, że automatyzacja generowania atrybutów produktowych stanowi przełomowe rozwiązanie dla producentów mierzących się z wyzwaniami współczesnego, wielokanałowego handlu. W świetle rosnącej złożoności rynku i coraz bardziej rygorystycznych wymagań dotyczących danych produktowych, rozwiązania takie jak getName.ai stają się nie tyle opcjonalnym usprawnieniem, co strategiczną koniecznością dla firm produkcyjnych.

Kluczowe punkty transformacji procesu przygotowania atrybutów produktowych

Podsumowując dotychczasowe rozważania, warto podkreślić fundamentalne zmiany, jakie automatyzacja generowania atrybutów wprowadza do procesów biznesowych producentów:

1. Przejście od ręcznego mapowania do automatycznego rozumienia kontekstu

Tradycyjne metody bazujące na ręcznym mapowaniu atrybutów lub sztywnych regułach "IF-THEN" ustępują miejsca inteligentnemu rozpoznawaniu kontekstu i znaczenia danych produktowych. Ta zmiana paradygmatu eliminuje potrzebę tworzenia i utrzymywania skomplikowanych reguł transformacji, które były głównym wąskim gardłem w tradycyjnych podejściach. Zamiast definiować każde możliwe mapowanie, możesz polegać na systemie, który "rozumie" semantykę danych i samodzielnie identyfikuje odpowiednie atrybuty.

2. Od izolowanych kanałów do zintegrowanego ekosystemu danych

Dzięki automatyzacji generowania atrybutów, możesz przejść od zarządzania danymi w izolowanych silosach (osobno dla każdego kanału) do centralnego zarządzania danymi źródłowymi z automatyczną dystrybucją do wszystkich kanałów. Ten zintegrowany model eliminuje dublowanie pracy, zapewnia spójność informacji i pozwala na efektywne zarządzanie aktualizacjami. Zmiana ta nie tylko zwiększa efektywność operacyjną, ale także poprawia doświadczenia klientów dzięki spójnym danom we wszystkich punktach kontaktu.

3. Od reaktywnego do proaktywnego zarządzania danymi

Automatyzacja generowania atrybutów umożliwia przejście od reaktywnego reagowania na zmiany wymagań do proaktywnego zarządzania danymi produktowymi. Możesz z wyprzedzeniem przygotowywać się do wejścia na nowe rynki, testować nowe kanały sprzedaży i szybko dostosowywać się do zmian w standardach branżowych. Ta proaktywność przekłada się na przewagę konkurencyjną i zdolność do szybszego wykorzystywania pojawiających się możliwości rynkowych.

4. Od ograniczeń skali do nieograniczonej skalowalności

Tradycyjne metody przygotowania atrybutów napotykały na barierę skalowalności - każdy nowy produkt, każda nowa platforma oznaczała proporcjonalny wzrost nakładów pracy. Automatyzacja przełamuje tę barierę, oferując praktycznie nieograniczoną skalowalność. Możesz rozszerzać swój katalog o tysiące nowych produktów, wchodzić na dziesiątki nowych rynków i integrować się z wieloma nowymi platformami bez proporcjonalnego wzrostu kosztów i zasobów.

5. Od taktycznego do strategicznego podejścia do danych produktowych

Być może najważniejszą transformacją jest zmiana postrzegania danych produktowych - z taktycznego zadania operacyjnego na strategiczny zasób biznesowy. Gdy przygotowanie atrybutów przestaje być obciążeniem operacyjnym, możesz skupić się na strategicznym wykorzystaniu danych do budowania przewagi konkurencyjnej, personalizacji oferty i optymalizacji doświadczeń klientów.

Gotowy na rewolucję w zarządzaniu atrybutami produktowymi? Oferujemy dwie ścieżki, które pomogą Ci przekonać się o wartości getName.ai dla Twojego biznesu:

• Bezpłatna analiza potencjalnych oszczędności
  Prześlij nam informacje o liczbie produktów, obsługiwanych kanałach sprzedaży i aktualnych procesach, a przygotujemy dla Ciebie szczegółową analizę potencjalnych oszczędności czasu i kosztów. Bez zobowiązań, bez ukrytych haczyków.
  
  
• Umów prezentację na żywo
  Zobacz getName.ai w akcji! Podczas 15-minutowej, spersonalizowanej prezentacji pokażemy, jak nasz system radzi sobie z rzeczywistymi wymaganiami klasyfikacji i platform marketplace.
  
  Skontaktuj się z nami

Nie pozwól, by przygotowanie atrybutów produktowych nadal było wąskim gardłem Twojego biznesu. Zrób pierwszy krok w kierunku automatyzacji i uwolnij swój zespół do zadań o wyższej wartości.