E-commerce bez ograniczeń: automatyzacja onboardingu produktów z pełną specyfikacją

Każdy sklep internetowy, który współpracuje z wieloma dostawcami, staje przed tym samym wyzwaniem: jak efektywnie zarządzać tysiącami produktów, gdy każdy producent dostarcza dane w innym formacie, często niekompletne i wymagające rozległej obróbki? Standardowy scenariusz wygląda następująco - otrzymujesz arkusz Excel, plik XML lub link do katalogu PDF i musisz przekształcić te surowe dane w wysokiej jakości ofertę produktową z kompletnymi atrybutami technicznymi. 

Problem narasta wykładniczo wraz z rozwojem asortymentu. O ile wprowadzenie kilkudziesięciu produktów można zrealizować ręcznie, o tyle onboarding 5.000 czy 10.000 pozycji staje się organizacyjnym koszmarem. Badania pokazują, że ponad 90% profesjonalistów e-commerce uznaje kompletne dane produktowe za istotne dla sukcesu biznesowego. Mimo to, większość sklepów wciąż zmaga się z uzupełnianiem i weryfikacją danych technicznych, co stanowi ogromny koszt operacyjny i istotną barierę rozwoju biznesu.

Konsekwencje niekompletnych danych produktowych są dotkliwe i wieloaspektowe:

• Niższa konwersja - konsumenci opuszczają witryny z nieprecyzyjnymi danymi produktowymi, szukając pewniejszych źródeł informacji
• Wyższy współczynnik zwrotów - niekompletne atrybuty produktów prowadzą do błędnych decyzji zakupowych, generując kosztowną falę rozczarowań i zwrotów
• Słabsza widoczność w wyszukiwarkach - niedostateczne dane strukturalne ograniczają pozycjonowanie
• Opóźnione wprowadzanie nowości - czasochłonny proces onboardingu wydłuża czas premiery nowych produktów
• Problemy ze sprzedażą wielokanałową - marketplace'y odrzucają oferty bez wymaganych atrybutów technicznych

getName.ai powstało jako odpowiedź na ten konkretny problem. Dzięki wykorzystaniu zaawansowanych algorytmów sztucznej inteligencji, narzędzie automatycznie analizuje opisy produktów (niezależnie od języka i formatu) i wyodrębnia z nich kompletne zestawy atrybutów technicznych zgodne z wymaganymi standardami klasyfikacji. W praktyce oznacza to redukcję czasu onboardingu z tygodni do godzin, eliminację kosztownych błędów i możliwość dynamicznego rozszerzania oferty bez zwiększania zespołu.

W tym artykule przyjrzymy się, jak wygląda rzeczywisty proces wprowadzania produktów do e-commerce z wykorzystaniem różnych metod, gdzie pojawiają się największe wyzwania i jak getName.ai rewolucjonizuje ten obszar działalności sklepów internetowych.

Prowadzenie sklepu internetowego z szerokim asortymentem to nieustanna walka z jakością i kompletnością danych produktowych. Szczególnie dotkliwie odczuwają to firmy współpracujące z setkami dostawców, gdzie każdy stosuje własne standardy opisu produktów. Przyjrzyjmy się najczęstszym problemom, które skutecznie blokują rozwój e-commerce i pochłaniają nieproporcjonalnie dużo zasobów.

Niespójne formaty danych od dostawców

Rzeczywistość handlu elektronicznego wygląda tak, że każdy dostawca przesyła dane w preferowanym przez siebie formacie:

• Arkusze Excel ze specyficzną strukturą kolumn
• Pliki XML z własnymi tagami i hierarchią
• Dokumenty PDF, często zabezpieczone przed kopiowaniem
• Linki do stron produktowych wymagających scrapingu
• Zdjęcia tabel specyfikacji technicznych

Co więcej, nawet ten sam dostawca może zmieniać format danych między kolejnymi dostawami. Ta różnorodność formatów wymusza utrzymywanie rozbudowanych mechanizmów importu i często ręcznego przepisywania danych, co generuje dodatkowe koszty i opóźnienia.

Bariery językowe i problemy lokalizacyjne

Globalny handel oznacza dostawców z różnych krajów, którzy dostarczają dane w swoich lokalnych językach:

• Chiński producent przekazuje specyfikacje w języku chińskim
• Niemiecki dostawca używa niemieckiej terminologii technicznej
• Tłumaczenia maszynowe zniekształcają parametry techniczne

Tradycyjne podejście wymaga zaangażowania tłumaczy ze znajomością branżowego słownictwa lub tworzenia rozbudowanych słowników mapowania nazw atrybutów i wartości. To proces kosztowny i podatny na błędy, szczególnie przy specjalistycznej terminologii technicznej.

Wąskie gardła przy wyodrębnianiu atrybutów

Nawet gdy dane są już w systemie, pojawia się problem ekstrakcji właściwych atrybutów:

• Konieczność ręcznego przepisywania parametrów z długich tekstowych opisów
• Wydobywanie wartości z niestrukturalnych fragmentów tekstu
• Przeliczanie jednostek (np. cale na centymetry)
• Mapowanie różnych nazw tego samego atrybutu (np. "Kolor", "Barwa", "Odcień")
• Standaryzacja wartości słownikowych (np. "czarny", "czerń", "matowy czarny", "RAL 9005")

Jeden specjalista jest w stanie przetworzyć średnio 100-200 produktów dziennie, co przy tysiącach nowych pozycji tworzy poważne ograniczenie wydajności.

Problemy ze skalowaniem przy dużych katalogach

Wraz ze wzrostem asortymentu, rosną wykładniczo problemy z zarządzaniem danymi:

• 10 000 produktów to potencjalnie miliony pojedynczych wartości atrybutów do zarządzania
• Aktualizacja parametrów dla całego katalogu może zająć tygodnie
• Dodanie nowego wymaganego atrybutu wymaga masowej aktualizacji
• Sezonowe rozszerzenia oferty generują skoki obciążenia dla zespołu produktowego

Te wyzwania sprawiają, że wiele sklepów rezygnuje z ambitnych planów rozwoju, ograniczając się nie tyle do mniejszego asortymentu, co do prezentacji produktów opartej wyłącznie na podstawowych danych. Specyfikacja techniczna czy właściwości produktów pozostają często w formie statycznej tabeli, bez możliwości wykorzystania pojedynczych atrybutów w filtrach wyszukiwania, dynamicznie generowanych nazwach czy zaawansowanych mechanizmach SEO.

Koszty zatrudnienia dedykowanego personelu

Próba rozwiązania powyższych problemów tradycyjnymi metodami prowadzi do stałego zwiększania zespołu:

• Specjaliści od importu danych
• Eksperci produktowi znający specyfikę branży
• Programiści tworzący skrypty importu i mapowania
• Kontrolerzy jakości danych

To generuje znaczące koszty osobowe, a jednocześnie nie eliminuje problemów z jakością danych. Przyjmując, że jeden specjalista może przetworzyć nawet 200 produktów dziennie, pełny onboarding 1000 produktów z kompletem atrybutów generuje koszt co najmniej 1500 euro - i to tylko w podstawowym zakresie prac.

Te codzienne wyzwania nie tylko zwiększają koszty operacyjne, ale przede wszystkim ograniczają potencjał rozwoju. Sklepy e-commerce, które nie są w stanie efektywnie zarządzać rosnącym katalogiem produktów, tracą przewagę konkurencyjną i możliwości ekspansji. W kolejnych częściach artykułu pokażemy, jak nowoczesne technologie AI mogą radykalnie zmienić ten obraz.

Aby poradzić sobie z wyzwaniami onboardingu produktów, sklepy e-commerce wypracowały różne podejścia. Przyjrzyjmy się najczęściej stosowanym metodom oraz ich ograniczeniom, które często uniemożliwiają osiągnięcie pełnej efektywności.

Ręczne wprowadzanie danych i problemy ze skalowaniem

Najprostsza metoda to ręczne przepisywanie danych z dokumentów dostawcy do systemu sklepu, często przez dedykowany zespół:

Zalety:

• Brak kosztów wdrożenia zaawansowanych narzędzi
• Dobre wyniki przy małej liczbie produktów (do kilkudziesięciu)
• Kontrola jakości na bieżąco

Ograniczenia:

• Skrajnie niska wydajność (ok. 100-200 produktów dziennie na osobę)
• Wysoki koszt przy dużych wolumenach produktów
• Duża podatność na błędy ludzkie (zmęczenie, nieuwaga)
• Brak możliwości szybkiej reakcji na sezonowe skoki podaży

Firmy starające się rozwiązać problem wydajności przez proste zwiększanie zespołu szybko odkrywają, że generuje to nowe wyzwania związane z koordynacją pracy, spójnością danych i zarządzaniem jakością.

Portale dla dostawców i dlaczego często zawodzą

Alternatywnym podejściem jest stworzenie dedykowanego portalu, gdzie dostawcy sami wprowadzają dane swoich produktów:

Zalety:

• Przeniesienie pracy na stronę dostawcy
• Eliminacja etapu przekazywania danych
• Ujednolicony format danych już na wejściu

Ograniczenia:

• Niski poziom adopcji – dostawcy zwykle unikają korzystania z zewnętrznych portali i zdecydowanie preferują przekazywanie danych we własnym, wypracowanym przez lata formacie
• Wprowadzanie danych ma niski priorytet dla dostawców
• Konieczność regularnych szkoleń i wsparcia dla dostawców
• Częste rotacje personelu u dostawców wymagają ciągłego ponownego wdrażania
• Brak motywacji dostawców do dbania o jakość i kompletność danych

Portale dostawców sprawdzają się jedynie w środowiskach, gdzie sklep ma wystarczającą siłę negocjacyjną, by wymusić korzystanie z systemu. W praktyce, zwłaszcza dla średnich e-commerce, pozostają najczęściej niewykorzystanym narzędziem.

Standardy klasyfikacji produktów (ETIM, ECLASS, GPC)

Wiele branż wypracowało ujednolicone standardy klasyfikacji i opisu produktów, takie jak ETIM (dla elektrotechniki, HVAC), ECLASS (dla przemysłu) czy GPC od GS1 (dla handlu detalicznego):

Zalety:

• Precyzyjnie zdefiniowana struktura danych i atrybutów
• Międzynarodowa kompatybilność i uznanie w branży
• Eliminacja niejednoznaczności i rozbieżności w opisach technicznych
• Ułatwiona wymiana danych między uczestnikami łańcucha dostaw

Ograniczenia:

• Długi i bardzo kosztowny proces wdrożenia standardu u producenta
• Wspólny standard jest zawsze kompromisem - bardzo często producenci podkreślają, że nie oddaje on wszystkich aspektów i unikalnych zalet ich produktów
• Dynamiczny rozwój rynku wymusza częste aktualizacje standardów - dostosowanie się do kolejnych wersji klasyfikacji generuje duże koszty zarówno po stronie producentów, jak i odbiorców
• Choć ETIM i ECLASS są dobrze przyjęte w swoich branżach, wciąż znacząca część firm nie korzysta z tych standardów
• Klasyfikacje są dopasowane do określonych branż, ale istnieją kategorie produktów słabo opisane lub całkowicie pominięte w tych standardach
• Poszerzenie asortymentu firmy poza standard oznacza konieczność wprowadzenia alternatywnych metod importu, nawet jeśli dla części produktów istnieje dobrze opracowany proces oparty na formacie BMEcat

Standardy klasyfikacji to świetne rozwiązanie, które eliminuje wiele fundamentalnych problemów z wymianą danych produktowych. Wprowadzają jednoznaczność, precyzję i spójność na poziomie semantycznym i strukturalnym. Jednak nie staną się doskonałym remedium dopóki same klasyfikacje nie będą kompletne dla wszystkich branż oraz dopóki wszyscy uczestnicy łańcucha dostaw (producenci, dystrybutorzy, sprzedawcy) nie będą ich powszechnie stosować. E-commerce operujący w wielu branżach musi obecnie łączyć korzyści ze standardów tam, gdzie są one dostępne, z alternatywnymi metodami dla pozostałych obszarów.

Narzędzia ETL i systemy oparte na mapowaniu atrybutów

Zaawansowane technicznie firmy często wdrażają rozwiązania, które automatyzują proces transformacji danych produktowych. Takie narzędzia można podzielić na kilka głównych kategorii:

ETL (Extract, Transform, Load)
Systemy ETL wyspecjalizowane są w pobieraniu danych z różnych źródeł, przekształcaniu ich według zdefiniowanych reguł i ładowaniu do docelowych systemów. Przykłady popularnych narzędzi:

• Talend - kompleksowa platforma integracji danych z otwartym kodem źródłowym, posiadająca zaawansowane funkcje ETL
• Pentaho - zestaw narzędzi do integracji danych i business intelligence, umożliwiający tworzenie złożonych przepływów transformacji

System PIM (Product Information Management)
Systemy PIM często posiadają wbudowane mechanizmy mapowania atrybutów, pozwalające na transformację danych z formatu dostawcy na format systemu:

• Akeneo Onboarder - rozwiązanie dedykowane do współpracy z dostawcami i centralizacji danych produktowych
• Informatica MDM - enterprise'owa platforma do zarządzania danymi podstawowymi, w tym produktowymi
• Contentserv - rozbudowany system PIM z zaawansowanymi możliwościami automatyzacji
• Salsify - platforma PIM zaprojektowana z myślą o handlu wielokanałowym i współpracy z dostawcami
• Pimcore – elastyczna platforma typu open-source, umożliwiająca zaawansowane mapowanie atrybutów podczas importu danych. Dzięki modułowi DataHub można konfigurować schematy integracyjne

Dedykowane systemy integracji produktowej

• Productsup Supplier Onboarding - specjalistyczne rozwiązanie dedykowane efektywnemu onboardingowi produktów od dostawców

Kluczową funkcjonalnością tych systemów jest możliwość importu danych od wielu dostawców i ich transformacja do jednej, spójnej klasyfikacji wewnętrznej. W praktyce oznacza to:

• Jednoczesne zarządzanie dziesiątkami lub setkami źródeł danych (każde z własnym formatem)
• Mapowanie różnych nazw atrybutów na jeden model docelowy (np. "kolor", "Barwa", "odcień" → "Kolor")
• Normalizację wartości i jednostek (np. "1500W", "1.5 kW", "1,5 kilowaty" → "1500 W")
• Transformację wartości słownikowych (np. "czarny", "czerń", "matowy czarny", "RAL 9005" → "Czarny")

Jednak ta elastyczność ma swoją cenę - każdy nowy format od nowego dostawcy wymaga stworzenia indywidualnych reguł mapowania.

Zalety:

• Zautomatyzowany proces dla powtarzalnych importów
• Wyższa wydajność niż przy ręcznym wprowadzaniu (jeden specjalista może zarządzać danymi dla tysięcy produktów)
• Możliwość obsługi różnych formatów wejściowych
• Centralne zarządzanie regułami transformacji danych
• Możliwość walidacji danych podczas importu

Ograniczenia:

• Konieczność tworzenia i utrzymywania reguł mapowania dla każdego dostawcy i każdego formatu
• Czasochłonne przygotowanie mapowania przy onboardingu nowego dostawcy (zwykle kilka dni pracy specjalisty)
• Wysokie koszty wdrożenia i utrzymania złożonych systemów (licencje często od kilkudziesięciu tysięcy euro rocznie)
• Trudności z obsługą niestrukturalnych danych tekstowych i wydobyciem z nich wartościowych atrybutów
• Wymaga wysoko wykwalifikowanych specjalistów z wiedzą zarówno techniczną, jak i domenową
• Sztywne reguły typu "jeśli-to" nie radzą sobie z wariantami zapisu tych samych informacji
• Problem ze skalowaniem przy bardzo zróżnicowanym asortymencie (setki kategorii)
• Nawet drobne zmiany w strukturze danych źródłowych (np. aktualizacja formatu przez dostawcę) wymagają przeprojektowania reguł mapowania

Rozwiązania oparte na regułach mapowania sprawdzają się dobrze w przypadku regularnych importów od tych samych dostawców, gdzie format danych jest stabilny i powtarzalny. Ich główną zaletą jest przewidywalność i transparentność procesu. Jednak przy onboardingu nowych dostawców każdorazowo wymaga to znacznych nakładów pracy na przygotowanie reguł mapowania, co wydłuża czas wprowadzenia produktów na rynek i zwiększa koszty operacyjne.

Co więcej, tradycyjne narzędzia ETL i PIM często nie radzą sobie z ekstrakcją wartościowych informacji z niestrukturalnych opisów tekstowych, co prowadzi do niepełnego wykorzystania dostępnych danych produktowych.

Wyzwania związane z wielojęzycznością danych

Dodatkową komplikacją dla wszystkich opisanych wcześniej metod jest bariera językowa - gdy produkty pochodzą od międzynarodowych dostawców, dane przychodzą w różnych językach. Niezależnie od wybranego sposobu onboardingu, konieczne jest uwzględnienie etapu tłumaczenia lub dostosowania danych do języka docelowego. 

Mimo że nowoczesne technologie AI znacząco usprawniły ten proces i obniżyły jego koszty, wciąż pozostaje on dodatkowym krokiem w procesie, generującym opóźnienia i wymagającym dodatkowych nakładów. Szczególnie problematyczne jest precyzyjne tłumaczenie specjalistycznej terminologii technicznej, co może prowadzić do niespójności lub błędów w finalnych danych produktowych.

Przedstawione wcześniej tradycyjne metody onboardingu produktów, mimo ich stopniowej ewolucji, wciąż opierają się na tych samych fundamentalnych założeniach - manualnej pracy, regułach mapowania i rozbudowanych konfiguracjach. getName.ai reprezentuje zupełnie nowe podejście, które zamiast usprawniać stare procesy, zmienia całkowicie sposób myślenia o ekstrakcji atrybutów produktowych.

Sztuczna inteligencja zamiast reguł mapowania

W przeciwieństwie do tradycyjnych systemów ETL i PIM, które wymagają tworzenia skomplikowanych reguł mapowania dla każdego formatu danych, getName.ai wykorzystuje zaawansowane modele językowe, które "rozumieją" kontekst i semantykę informacji produktowych.

Jak to działa w praktyce:

• System analizuje całość dostępnych informacji o produkcie (opisy, nazwy, tabele specyfikacji)
• Rozpoznaje i interpretuje znaczenie tekstu, a nie tylko jego strukturę czy format
• Identyfikuje kluczowe atrybuty i ich wartości, niezależnie od sposobu ich zapisu
• Automatycznie konwertuje i normalizuje wartości do wymaganego formatu

Ta fundamentalna różnica w podejściu całkowicie eliminuje potrzebę tworzenia i utrzymywania złożonych reguł mapowania, które stanowią największe wąskie gardło tradycyjnych metod.

Uniwersalność formatów wejściowych

getName.ai nie wymaga żadnego szczególnego formatu danych wejściowych. System może pracować z:

• Dowolnymi formatami plików (XML, JSON, CSV, Excel, PDF)
• Niestrukturalnymi opisami tekstowymi (nawet długimi opisami marketingowymi)
• Danymi pobranymi bezpośrednio ze stron internetowych
• Tabelami specyfikacji w dowolnym układzie

Ta elastyczność oznacza, że nie ma potrzeby wstępnego przetwarzania czy dostosowywania otrzymanych od dostawców danych - można je przekazać do systemu w takiej formie, w jakiej zostały dostarczone.

Niezależność językowa

Jedną z najbardziej rewolucyjnych cech getName.ai jest całkowita niezależność od języka źródłowego danych. System rozumie kontekst i znaczenie atrybutów produktowych niezależnie od tego, czy są one zapisane po polsku, angielsku, niemiecku czy nawet chińsku.

Praktyczne aspekty:

• Brak potrzeby tłumaczenia danych przed ich przetworzeniem
• Możliwość pracy z dostawcami z całego świata bez bariery językowej
• Spójne wyniki niezależnie od języka źródłowego

W praktyce oznacza to, że ten sam atrybut (np. moc silnika) zostanie poprawnie rozpoznany niezależnie od tego, czy w oryginalnym opisie występuje jako "power", "Leistung", "puissance" czy "功率".

Przekształcanie do własnej klasyfikacji produktowej

Najbardziej wartościową funkcją getName.ai jest zdolność do automatycznego przekształcania dowolnych danych wejściowych do ustandaryzowanej, wewnętrznej klasyfikacji sklepu. System nie tylko rozpoznaje atrybuty, ale bezpośrednio przypisuje je do konkretnego modelu danych wymaganego przez Twój biznes - bez jakiegokolwiek mapowania.

Jak wygląda ten proces:

• Inicjalnie przekazujesz model własnej klasyfikacji produktowej: klasy, atrybuty, wartości słownikowe
• System analizuje surowe dane od dostawcy
• getName.ai identyfikuje wszystkie dostępne informacje o atrybutach
• Automatycznie przypisuje rozpoznane atrybuty do Twojej wewnętrznej klasyfikacji
• Normalizuje wartości zgodnie z wymaganiami (jednostki, formaty, słowniki)
• Zwraca kompletny zestaw atrybutów gotowy do importu do Twojego systemu

Ten proces całkowicie eliminuje potrzebę mapowania lub tworzenia reguł transformacji dla każdego nowego dostawcy - getName.ai automatycznie dostosowuje się do różnych formatów danych wejściowych, zachowując zawsze ten sam, spójny format danych wyjściowych.

Inteligentna konwersja jednostek i normalizacja wartości

System potrafi nie tylko rozpoznać wartości liczbowe, ale również automatycznie zidentyfikować jednostki miary i dokonać ich konwersji do wymaganego formatu:

• Automatyczne wykrywanie jednostek (cale, mm, cm, kg, lb, W, kW itd.)
• Konwersja między systemami metrycznym i imperialnym
• Standaryzacja zapisu zgodnie z wymaganiami (np. zawsze "cm" zamiast "centymetrów")
• Zaokrąglanie do wymaganej precyzji

Podobnie działa mechanizm normalizacji wartości słownikowych, który rozpoznaje różne warianty zapisu tej samej wartości:

• "czarny", "black", "noir", "schwarz" → "Czarny"
• "bezprzewodowy", "wireless", "cordless" → "Bezprzewodowy"
• "stal nierdzewna", "stainless steel", "inox" → "Stal nierdzewna"

Szybka implementacja API

Integracja getName.ai z istniejącymi systemami jest prosta dzięki interfejsowi API REST. Załóżmy, że nasz ecommerce strategicznie przyjął klasyfikację ETIM v10 jako swoją główną klasyfikację i do niej chce dostosować otrzymaną od producenta otrzymany opis produktu.

Taka struktura API pozwala na łatwą integrację z istniejącymi systemami PIM, e-commerce czy ERP poprzez standardowe mechanizmy komunikacji.

Skalowalność i elastyczność

W przeciwieństwie do tradycyjnych rozwiązań, getName.ai zachowuje wysoką efektywność przy dużej różnorodności produktów czy dostawców. System równie sprawnie radzi sobie z:

• Jednym dostawcą i jedną kategorią produktową
• Setkami dostawców i tysiącami różnych kategorii produktowych

Ta skalowalność wynika z fundamentalnej różnicy w podejściu - zamiast wymagać żmudnego tworzenia i utrzymywania tysięcy reguł mapowania, getName.ai wykorzystuje możliwości sztucznej inteligencji do zrozumienia kontekstu i znaczenia danych, niezależnie od ich formatu czy źródła.

getName.ai nie jest kolejnym usprawnieniem istniejących procesów, ale kompletną zmianą paradygmatu w podejściu do onboardingu produktów. Zamiast adaptować się do nieskończonej różnorodności formatów danych dostawców poprzez trudne do utrzymania reguły mapowania, system skupia się na bezpośrednim zrozumieniu znaczenia danych i ich automatycznym przekształcaniu do spójnej, wewnętrznej klasyfikacji. To fundamentalna różnica, która pozwala przełamać ograniczenia tradycyjnych metod i otworzyć nowe możliwości rozwoju asortymentu w e-commerce.

W tej sekcji przyjrzymy się krok po kroku, jak wygląda rzeczywisty proces wprowadzania dużych zbiorów produktów do systemów e-commerce. Pokażemy punkty bólu i największe wyzwania, z którymi mierzą się zespoły produktowe, oraz gdzie dokładnie getName.ai wprowadza znaczące usprawnienia.

Rzeczywisty przykład procesu onboardingu

Przyjrzyjmy się, jak wygląda typowy proces onboardingu produktów na przykładzie pliku XML od dostawcy, z którym musi zmierzyć się niemal każdy sklep e-commerce:

Założenia początkowe:

• Plik XML we własnym formacie dostawcy
• Atrybuty specyfikacji technicznej zapisane w formacie własnym producenta
• Dane w języku obcym (np. angielskim, niemieckim czy nawet chińskim)
• katalog 5.000 produktów

Etap 1: Analiza struktury pliku

Ten etap jest wspólny niezależnie od metody. Zespół techniczny musi najpierw zrozumieć, jak zbudowany jest plik XML dostawcy. Oznacza to mapowanie pól, identyfikację znaczników i zrozumienie logiki pliku. Ten etap często wymaga specjalistów IT i może zająć od kilku godzin do kilku dni, w zależności od złożoności struktury.

Etap 2: Wstępne przetworzenie danych

Również wspólny etap dla wszystkich metod, obejmujący:

• Transformację do struktury akceptowalnej przez systemy PIM / E-commerce
• Przygotowanie danych podstawowych i logistycznych do importu
• Uporządkowanie assetów (zdjęcia, dokumentacja)
• Umieszczenie atrybutów specyfikacji w tymczasowej, roboczej strukturze

Ten etap zwykle wymaga napisania skryptów konwersji lub wykorzystania narzędzi ETL, co zajmuje 1-2 dni pracy specjalisty IT.

Etap 3: Import danych podstawowych

Etap wspólny dla wszystkich metod:

• Wczytanie identyfikatorów produktów
• Import nazw i opisów
• Wprowadzenie danych logistycznych (waga, wymiary, pakowanie)
• Załączenie assetów (zdjęcia, pliki PDF)

Nawet jeśli dane są przetwarzane automatycznie, proces ten wymaga nadzoru i zajmuje kilka godzin do pełnego dnia.

Etap 4: Proces lokalizacji językowej

W tym kroku musimy dostosować obcojęzyczne dane produktowe do języka lokalnego sklepu. To jeden z najbardziej pracochłonnych etapów tradycyjnego onboardingu, który getName.ai radykalnie upraszcza.

Bez getName.ai:
Tradycyjna lokalizacja wymaga kompleksowego tłumaczenia wszystkich elementów danych produktowych, co generuje znaczne koszty i opóźnia wprowadzenie produktów na rynek.

• Tłumaczenie nazw produktów
• Tłumaczenie opisów produktów
• Tłumaczenie specyfikacji technicznej

Ten proces może zajmować od kilku dni do tygodni, w zależności od liczby i specyfiki atrybutów technicznych i dostępnych zasobów tłumaczeniowych.

Z getName.ai:
Z getName.ai istnieją dwie główne strategie: można przetłumaczyć oryginalne nazwy i opisy opracowane przez producenta, albo skupić się na pozyskaniu wielojęzycznych atrybutów technicznych, a następnie automatycznie generować z nich lokalne nazwy i opisy.

• Tłumaczenie nazw produktów - zbędne, jeśli firma posiada mechanizm generowania nazw na podstawie atrybutów specyfikacji
• Tłumaczenie opisów produktów - zbędne, jeśli firma posiada mechanizm AI generowania opisów na podstawie atrybutów specyfikacji
• Tłumaczenie specyfikacji technicznej - całkowicie zbędne, gdyż getName.ai rozpoznaje atrybuty niezależnie od języka źródłowego

W tym miejscu pojawia się pierwsza znacząca różnica: getName.ai eliminuje potrzebę trudnego tłumaczenia specyfikacji technicznej, co oszczędza dni pracy i znacząco obniża koszty.

Etap 5: Kategoryzacja produktów

Każdy produkt musi zostać przypisany do odpowiedniej kategorii w systemie. Proces ten zazwyczaj wymaga specjalistycznej wiedzy produktowej i - w zależności od stopnia zróżnicowania asortymentu - może zająć od kilku godzin do nawet dwóch dni dla partii liczącej około 5.000 produktów.

Etap 6: Import atrybutów specyfikacji zależnej od kategorii produktu

Manualna edycja:

• Ręczne uzupełnianie przez GUI na podstawie posiadanych danych w pliku źródłowym
• Przeglądanie plików kart technicznych w poszukiwaniu informacji
• Wyszukiwanie brakujących danych w internecie
• Ręczna konwersja jednostek (np. cale na centymetry)

Przyjmując, że jeden specjalista jest w stanie opracować dziennie nawet 200 produktów, do obsłużenia 5.000 produktów potrzeba 25 osobodni pracy.

Dedykowane narzędzia / ETL:

• Wstępne oczyszczanie danych
• Tworzenie skomplikowanych reguł importu [if-then-else]
• Definiowanie mapowania dla każdego z atrybutów
• Tworzenie mapowania wartości słownikowych, w szczególnych przypadkach dodatkowo per atrybut
• Automatyczna konwersja jednostek

Przygotowanie takiego systemu zajmuje zwykle 3-5 dni, ale po skonfigurowaniu, import przebiega znacznie szybciej. Jednak każdy nowy dostawca wymaga ponownej konfiguracji. Co więcej, każdy kolejny import nawet od tego samego dostawcy wymaga inspekcji i często modyfikacji mapowania, gdyż mogą pojawić się nowe atrybuty, nowe wartości słownikowe lub błędy w danych źródłowych.

To rozwiązanie jest szczególnie efektywne w przypadku firm posiadających stosunkowo prostą strukturę asortymentu – mapowanie atrybutów i wartości słownikowych pozostaje wówczas procesem możliwym do skutecznego przeprowadzenia bez nadmiernej złożoności. Jednak dla e-commerce z bardzo zróżnicowaną ofertą (setki kategorii produktowych), rozbudowane mapowanie staje się wręcz niewykonalne lub wymaga dedykowanego zespołu do ciągłej aktualizacji reguł.

API getName.ai:

• Pełna automatyzacja procesu
• Wysłanie do API wszystkich dostępnych informacji o produkcie bez wstępnej analizy
• Natychmiastowe otrzymanie gotowych do importu atrybutów i ich wartości

W tym miejscu pojawia się najważniejsza różnica: etap, który tradycyjnie zajmował 25 osobodni pracy (przy założeniu wydajności 200 produktów dziennie) lub 3-5 dni na przygotowanie zaawansowanych reguł ETL, jest redukowany do kilkunastu godzin pracy systemu. Nie ma potrzeby tworzenia skomplikowanych reguł mapowania, a system automatycznie rozpoznaje atrybuty i konwertuje jednostki.

Etap 7: Kontrola jakości

Manualna edycja:

• Kontrola jakości jest wykonywana jednocześnie z wprowadzaniem danych przez operatorów
• Nie wymaga dodatkowego etapu weryfikacji, ale jest podatna na ludzkie błędy wynikające ze zmęczenia przy monotonnej pracy

Dedykowane narzędzia / ETL:

• Wymaga weryfikacji wyrywkowej, zazwyczaj około 1% produktów
• Nadal występują błędy wynikające z niedoskonałości reguł mapowania, szczególnie przy nowych wartościach

API getName.ai:

• Kontrola jakości obejmująca 1-5% produktów w celu potwierdzenia poprawności działań narzędzia
• Weryfikacja przebiega sprawnie i w zależność od bazowej aplikacji do której został wykonany import, zajmuje kilka godzin

Najważniejsze usprawnienia z getName.ai:

• Eliminacja bariery językowej - system rozpoznaje atrybuty niezależnie od języka źródłowego
• Brak potrzeby pisania reguł mapowania - system automatycznie rozpoznaje i mapuje atrybuty
• Automatyczna konwersja jednostek - system wykrywa jednostki miary i konwertuje je do wymaganego formatu
• Rozpoznawanie wartości słownikowych - system mapuje różne warianty zapisu tej samej wartości do standardowej wartości
• Redukcja o 90% czasu potrzebnego na etap specyfikacji technicznej - najbardziej czasochłonny etap jest niemal całkowicie zautomatyzowany

Wdrożenie getName.ai pozwala firmom e-commerce skupić zasoby na strategicznym rozwoju oferty zamiast na ręcznym wprowadzaniu danych, jednocześnie poprawiając jakość informacji produktowych i skracając czas wprowadzania nowych produktów na rynek o około 80%.

Onboarding nowych dostawców z kompletnymi atrybutami produktowymi stanowi jedno z największych wyzwań współczesnego e-commerce. W artykule przedstawiliśmy, jak tradycyjne podejścia – mimo ciągłych udoskonaleń – wciąż opierają się na żmudnych, kosztownych i nieelastycznych mechanizmach. 

Zwróciliśmy uwagę na fundamentalne problemy:

• Ograniczoną wydajność manualnego wprowadzania danych
• Barierę językową przy międzynarodowych dostawcach
• Trudności związane z tworzeniem i utrzymywaniem reguł mapowania
• Ograniczenia standardów klasyfikacji w heterogenicznym asortymencie

Jednocześnie pokazaliśmy, jak getName.ai – wykorzystując najnowsze osiągnięcia w dziedzinie sztucznej inteligencji – wprowadza zupełnie nową jakość do procesu onboardingu. Zamiast udoskonalać stare praktyki, całkowicie zmienia zasady gry, eliminując najbardziej czasochłonne i kosztowne etapy.

Realne korzyści z wdrożenia

Jak pokazują analizy procesów w firmach e-commerce, wdrożenie getName.ai przekłada się na konkretne, mierzalne korzyści:

• Drastycznie skrócony czas wprowadzania produktów – z tygodni do dni
• Redukcja kosztów operacyjnych – niższe nakłady na personel i obsługę procesu
• Eliminacja barier językowych – możliwość bezpośredniej współpracy z dostawcami z całego świata
• Poprawa jakości danych – spójne, kompletne atrybuty dla całego asortymentu
• Uwolnienie potencjału zespołu – specjaliści mogą skupić się na strategicznym rozwoju oferty zamiast mechanicznym wprowadzaniu danych

Co więcej, specyfika działania getName.ai sprawia, że korzyści rosną wraz ze skalą działalności. Im większa różnorodność produktów i dostawców, tym większa przewaga nad tradycyjnymi rozwiązaniami.

Rozpocznij transformację już dziś

Jeśli zmagasz się z którymkolwiek z opisanych w artykule wyzwań, zapraszamy do bezpośredniego zapoznania się z możliwościami platformy getName.ai. Uwolnij swój e-commerce od ograniczeń tradycyjnych metod i odkryj nowe możliwości rozwoju asortymentu bez kompromisów.

Umów się na krótką, 15-minutową prezentację, podczas której pokażemy, jak getName.ai radzi sobie z rzeczywistymi danymi produktowymi. Zobaczysz na żywo, jak surowe opisy przekształcane są w ustrukturyzowane atrybuty - gotowe do wykorzystania w Twoim systemie PIM lub e-commerce

Przetestuj rozwiązanie bez zobowiązań

Otrzymaj dostęp do w pełni funkcjonalnej wersji demonstracyjnej i sprawdź działanie systemu na większym zbiorze własnych danych. Bez opłat wstępnych i bez długoterminowych zobowiązań - przekonaj się, jak getName.ai może wspierać Twoje procesy biznesowe w praktyce.

Skontaktuj się z nami

Aby umówić się na demonstrację lub uzyskać dostęp do środowiska demonstracyjnego, skontaktuj się z nami mailowo hello@getname.ai lub wypełnij formularz dostępny na naszej stronie internetowej.