Porządkowanie danych produktowych w e-commerce

1. Co warto wiedzieć
2. Dlaczego jakość danych w e-commerce przestała być kwestią techniczną
3. Nieporządek w danych produktowych – typowe źródła problemu
4. Porządkowanie danych produktowych – od czego zacząć?
5. Optymalizacja katalogu produktów jako ciągły projekt
6. Klasyfikacja produktów jako fundament porządkowania
7. Podsumowanie

W większości sklepów internetowych nie brakuje danych o produktach. Brakuje danych, którym można zaufać: takich samych w sklepie, w ofercie na marketplace i w cenniku wysyłanym partnerowi. Porządkowanie danych produktowych zaczyna się więc nie od czyszczenia, ale od ustalenia, jak wygląda produkt opisany poprawnie – i kto w firmie o tym decyduje.

Co warto wiedzieć

• Bez zdefiniowanego wzorca kompletności czyszczenie danych nigdy się nie kończy – zespół poprawia w kółko to samo, bo nie ma kryterium zakończenia.
• Audyt katalogu daje więcej niż intuicja: kompletność atrybutów per kategoria zwykle pokazuje, że problem dotyczy kilku grup produktów, a nie całej oferty.
• Automat radzi sobie z formatami, jednostkami i duplikatami; ocena sensu wartości nadal wymaga człowieka albo narzędzia wyspecjalizowanego w danej klasyfikacji.
• Jednorazowe uporządkowanie bez reguł walidacji przy imporcie degraduje się w kilka miesięcy do stanu wyjściowego.

Dlaczego jakość danych w e-commerce przestała być kwestią techniczną

Dane produktowe są dziś interfejsem między firmą a wszystkimi jej kanałami sprzedaży jednocześnie. Ten sam zestaw atrybutów decyduje o tym, czy produkt da się odfiltrować w sklepie, czy przejdzie walidację kategorii na Allegro, czy trafi do porównywarki i czy hurtownia przyjmie go do swojego katalogu. Niekompletny opis nie oznacza już „gorzej wyglądającej karty produktu" – oznacza brak obecności w miejscach, w których klient szuka.

Konsekwencje są policzalne. Brakująca wartość jednego atrybutu wyklucza produkt z wyników filtrowania, choć fizycznie jest on w katalogu. Rozbieżność między specyfikacją w sklepie a rzeczywistością generuje zwroty, których koszt obciąża marżę. Niespójne nazewnictwo tej samej cechy w dwóch kanałach podważa zaufanie do marki u klienta, który porównuje oferty. Jakość danych w e-commerce jest więc parametrem sprzedażowym, a dział IT bywa w tej sprawie ostatnim, a nie pierwszym adresatem.

Nieporządek w danych produktowych – typowe źródła problemu

Dane z wielu źródeł bez wspólnego modelu

Typowy katalog dystrybutora zasilany jest z kilkunastu źródeł naraz. Jeden dostawca przysyła arkusz z kolumnami po polsku, drugi plik XML w standardzie BMEcat, trzeci link do swojego katalogu PDF. ERP prowadzi własne nazewnictwo indeksów, zoptymalizowane pod logistykę, a nie pod prezentację. Platforma sklepowa ma swoją strukturę atrybutów, marketplace wymaga jeszcze innej, dopasowanej do kategorii.

Bez modelu docelowego każde z tych źródeł tworzy własną wysepkę. Ta sama cecha występuje jako „moc", „moc znamionowa" i „P [W]", a wartości zapisane są raz jako „230V", raz „230 V", raz „230 volt". Dopóki nie istnieje jeden słownik atrybutów i jednostek, do którego mapuje się wszystkie wejścia, każdy nowy dostawca powiększa bałagan proporcjonalnie do liczby przysłanych pozycji.

Brak procesów i odpowiedzialności za dane

Druga przyczyna jest organizacyjna. W wielu firmach nikt nie odpowiada formalnie za dane produktowe – marketing odpowiada za treści, zakupy za asortyment, IT za systemy, a dane leżą pomiędzy. Efekt jest przewidywalny: każdy poprawia to, co go akurat blokuje, nikt nie pilnuje całości.

Punktem wyjścia jest wskazanie właściciela danych, czyli osoby decydującej o tym, jakie atrybuty opisują daną grupę produktów i jaki poziom uzupełnienia jest wymagany, żeby produkt mógł zostać opublikowany. Równie ważne są spisane standardy: format nazwy, dopuszczalne jednostki, wymagane pola per kategoria. Bez tego nawet najlepiej przeprowadzony projekt porządkowy ma ograniczony termin ważności.

Porządkowanie danych produktowych – od czego zacząć?

Kolejność działań ma tu większe znaczenie niż użyte narzędzia. Sprawdza się sekwencja: audyt, priorytetyzacja, model docelowy, dopiero potem czyszczenie i uzupełnianie.

Audyt odpowiada na pytanie, jak duży jest problem i gdzie się koncentruje. Priorytetyzacja wskazuje, od czego zacząć – zwykle od kategorii generujących największy ruch lub przychód, a nie od tych, które są najbardziej zaniedbane. Model docelowy definiuje, co znaczy „produkt opisany poprawnie" dla każdej grupy asortymentu. Bez tego ostatniego kroku zespół pracuje bez kryterium zakończenia i po kilku miesiącach wraca do tych samych rekordów.

Audyt katalogu – jak zmierzyć stan danych przed czyszczeniem

Warto mierzyć kilka wskaźników naraz, w rozbiciu na kategorie:

• Kompletność – odsetek produktów z wypełnionym kompletem atrybutów wymaganych dla kategorii.
• Poprawność formatu – udział wartości zgodnych ze słownikiem i jednostką, bez zapisów tekstowych tam, gdzie wymagana jest liczba.
• Duplikaty – liczba rekordów opisujących ten sam produkt pod różnymi indeksami.
• Pokrycie multimediów – produkty bez zdjęcia w wymaganej rozdzielczości lub bez dokumentacji technicznej.
• Aktualność – udział rekordów niezmienianych od dłuższego czasu w kategoriach, w których dane się zmieniają.

Na małym katalogu wystarczy eksport do arkusza i kilka tabel przestawnych. Przy dziesiątkach tysięcy indeksów sensowniejsze są raporty kompletności generowane po stronie systemu PIM, bo powtarzalny pomiar jest ważniejszy od jednorazowego zdjęcia stanu. Więcej o mierzeniu efektu po stronie sprzedaży piszemy w artykule o optymalizacji wyszukiwarki produktów.

Czyszczenie danych – ręcznie czy automatycznie?

Praca ręczna ma sens tam, gdzie liczy się osąd: opisy marketingowe kluczowych produktów, weryfikacja niejednoznacznych specyfikacji, decyzje o scaleniu duplikatów. Nie skaluje się – redaktor katalogu opracowuje rzędu kilkudziesięciu produktów dziennie i tempo nie rośnie wraz z liczbą pozycji.

Automatyzacja regułowa obsługuje wszystko, co da się opisać algorytmem: normalizację jednostek, ujednolicenie zapisu, wykrywanie wartości spoza dopuszczalnego zakresu, walidację przy imporcie. To najtańszy sposób na trwałe zatrzymanie części błędów, bo działa nie tylko przy czyszczeniu, ale przy każdym kolejnym wsadzie danych.

Trzecia warstwa to narzędzia AI wyciągające wartości atrybutów z opisów tekstowych. Nasz getName.ai przypisuje produkt do klasy w istniejącej klasyfikacji i uzupełnia wartości atrybutów zdefiniowanych dla tej klasy – wyłącznie na podstawie tego, co znajduje się w opisie źródłowym. Warto rozumieć granicę: narzędzie nie zaprojektuje za nikogo zestawu atrybutów ani nie wymyśli wartości, której w danych nie ma. Projekt klasyfikacji pozostaje decyzją człowieka, automat przyspiesza jej wypełnienie.

Optymalizacja katalogu produktów jako ciągły projekt

Najczęstszy błąd po udanym projekcie porządkowym polega na uznaniu tematu za zamknięty. Katalog żyje: przychodzą nowi dostawcy, zmieniają się wymagania kanałów, pojawiają się nowe wersje klasyfikacji branżowych. Bez mechanizmów utrzymania jakość wraca do punktu wyjścia w tempie proporcjonalnym do liczby zmian.

Optymalizacja katalogu produktów w wersji trwałej opiera się na kilku elementach: regułach walidacji odrzucających niepoprawne dane już na wejściu, wskaźniku kompletności widocznym dla zespołu, workflow z etapem zatwierdzenia przed publikacją, historii zmian umożliwiającej ustalenie, kto i kiedy wprowadził wartość, oraz okresowym przeglądzie kategorii. To przejście od sprzątania do zarządzania danymi – mniej efektowne niż jednorazowa akcja, ale to ono decyduje o wyniku po roku.

Rola systemu PIM w utrzymaniu jakości danych

System PIM jest narzędziem, w którym wymienione wyżej mechanizmy da się w ogóle uruchomić. Daje centralne repozytorium danych opisowych, z którego zasilane są wszystkie kanały, więc poprawka wprowadzana jest raz. Pozwala definiować atrybuty per grupa produktów wraz z typem, jednostką i słownikiem dopuszczalnych wartości, co eliminuje zapisy niezgodne z formatem. Umożliwia liczenie kompletności wobec wzorca zdefiniowanego dla kategorii i konfigurowanie workflow, w którym produkt nie trafia do publikacji bez akceptacji. Rejestruje historię zmian i pozwala publikować różne zestawy danych do różnych kanałów z jednego rekordu.

Warto zaznaczyć jedno: PIM nie poprawia danych samodzielnie. Jest miejscem, w którym reguły jakości można wyegzekwować – ale reguły trzeba najpierw ustalić. Pełny obraz zastosowań systemu opisaliśmy w przewodniku o PIM w e-commerce.

Klasyfikacja produktów jako fundament porządkowania

Dla firm z asortymentem technicznym – producentów, dystrybutorów, hurtowni B2B – fundamentem porządku jest klasyfikacja. Warto ją odróżnić od kategoryzacji, bo mylenie tych pojęć jest źródłem realnego chaosu. Klasyfikacja, jak ETIM czy eCl@ss, przypisuje produkt do dokładnie jednej klasy o własnym, zdefiniowanym zestawie atrybutów. Kategoryzacja to hierarchia nawigacyjna sklepu, w której ten sam produkt może występować w kilku miejscach naraz – o jej projektowaniu piszemy w artykule o budowie drzewa kategorii.

Znaczenie klasyfikacji rośnie wraz z wymaganiami partnerów handlowych. Hurtownie oczekują katalogów w formacie BMEcat z danymi ETIM, a brak takiego pliku bywa powodem odrzucenia oferty w przetargu. Własna taksonomia, nieodniesiona do standardu branżowego, wymusza ręczne mapowanie przy każdej integracji i przy każdym nowym partnerze. Uporządkowanie danych według uznanego standardu jest więc inwestycją, która zwraca się przy trzecim czy czwartym odbiorcy danych. We wdrożeniu dla Instal-Konsorcjum, sieci hurtowni instalacyjnych, ten sam uporządkowany zasób zasila równolegle serwis produktowy, kilkusetstronicowe katalogi drukowane i wymianę danych w formacie BMEcat – co jest możliwe wyłącznie dlatego, że dane opisano raz, według jednego standardu.

Podsumowanie

Porządkowanie danych produktowych ma sens wtedy, gdy zaczyna się od zdefiniowania celu, a kończy na mechanizmach utrzymania. Audyt pokazuje skalę, model docelowy daje kryterium zakończenia, automatyzacja obsługuje powtarzalność, a reguły walidacji chronią efekt. Zewnętrzne wsparcie warto rozważyć w trzech momentach: przed migracją do systemu PIM, przed wejściem na nowy kanał sprzedaży z własnymi wymaganiami oraz przed skokowym zwiększeniem katalogu, na przykład po przejęciu innej firmy. Skontaktuj się z nami, jeśli chcesz zacząć od audytu stanu danych.