Rychlý pohled na to, jak můžete automatizovat párování dat produktů a správu SKU pomocí pouze názvů produktů s NLP.

Přesné přizpůsobení názvů produktů je proces párování podobných nebo identických produktů z různých zdrojů na základě názvu a dalších atributů produktu. Jak roste variabilita dat a počet zdrojů dat v organizaci, může být stále obtížnější udržet přesná data produktů a spravovat nové SKU. Problémy vznikají, když používáte různé dodavatele a prodejce a udržování kvalitních dat produktů se stává obtížnějším. To může způsobit problémy při vyhodnocování prodejních dat a při porozumění vašim marketingovým aktivitám a míře úspěchu.

Zatímco toto je často prováděno manuálně, může se stát extrémně časově náročným a škálovatelností se zhoršuje. Starší systémy se zaměřovaly na používání základních atributů produktů, jako jsou SKU a kódy UPC, které nefungují dobře s moderními nestrukturovanými daty. Tyto starší systémy vyžadují pomocné procesy pro extrakci atributů, odstranění duplikátů a čištění zastávkových slov z nestrukturovaných dat produktů. I přes veškeré čištění dat a extrakci klíčových slov tyto systémy stále bojují s věcmi, jako je:

GIGABYTE – 15,6″ FHD IPS 144Hz herní notebook – i5-11400H – 16GB – NVIDIA GeForce RTX 3050 512 GB SSD

A

15,6″ Notebook – i5-11400H – 16GB – GeForce RTX 3050 512 GB Černá 6494784

Abyste porozuměli vztahům slov, jako je „notebook“ a „laptop“, a klíčovým slovům pro párování GeForce, budete muset použít zpracování přirozeného jazyka.

Co může přesné přizpůsobení názvů produktů poskytnout vám

Párování dat produktů na základě názvu poskytuje maloobchodníkům a e-commerce značkám spoustu výhod ve světě prodejních dat a marketingové inteligence.

• Organizujte produkty a SKU napříč několika dodavateli a prodejci
• Použijte data konkurentů, abyste porozuměli tržním trendům a konkurenčnímu cenovému nastavení
• Porozumějte životnímu cyklu produktu
• Zajistěte, aby nebyly žádné chybějící kusy ve vašich prodejních datech a marketingových kampaních

Použití systému párování založeného na názvu produktu umožňuje vám zajistit, abyste vždy měli přesně ty informace, které potřebujete k provedení párování dat. Jiné systémy, které vyžadují spoustu datových bodů nebo podrobných popisů produktů, mohou mít potíže, jakmile škálovat do více produktů. Zjistili jsme, že použití hluboce založeného systému NLP, který se zaměřuje na název produktu, umožňuje vám získat podobné výsledky bez dlouhodobého rizika škálovatelnosti. Zjistili jsme, že můžeme použít párování názvů produktů jako základ a postavit kolem něj další modely, jako je párování UPC a popis produktu, aby se jednoduše vylepšily výsledky, nezávisle na nich.

Přesné přizpůsobení názvů produktů s využitím zpracování přirozeného jazyka

Vyvinuli jsme naše software pro párování názvů produktů pomocí populárních modelů NLP, jako jsou GPT-3, BERT a SBERT, aby se naučily vztahy mezi různými funkcemi názvu, atributy názvu, jako je název značky, název produktu, typ atd. Tyto hluboce založené modely jsou daleko lepší než fuzzy párování a jiné pravidlové přístupy a prokázaly se jako snadno škálovatelné s novou variabilitou dat a šumem.

Párování mezi: Garmin nuvi 2699LMTHD — GPS navigátor — automobil 6.1 in nuvi 2699LMTHD Automobile Portable GPS Navigator

Tento výsledek ze softwaru NLP ukazuje několik důležitých věcí:

• Zastavovací slova a znaky neovlivňují naše schopnost párovat dva názvy produktů
• Model může rozpoznat slova v názvu, která jsou důležitá, bez ohledu na pořadí nebo šumová slova.
• Název značky není vyžadován pro nalezení shody nebo odmítnutí shody.
• Atributy produktu nejsou vyžadovány (velikost, délka) v každém produktu, který porovnáváme, a nemusí být stejného typu.

Model názvu produktu rozpozná malé, ale důležité rozdíly mezi velikostmi kontejnerů, které jsou považovány za různé SKU v databázi produktů. Ve druhém příkladu vidíme, že existuje spousta pohyblivých částí – různé počty lahví a nestrukturovaný šum, ale stále je to snadné párování.

Úprava pro produkční případ použití

Tento software pro párování názvů produktů lze upravit pro konkrétní produkční případ použití maloobchodního prodejce nebo e-commerce značky, aby se zvýšila přesnost nad jinými produkty pro váš konkrétní případ použití. Tato úroveň přizpůsobení je dostupná díky architektuře jazykového modelu, která byla použita pro vytvoření párovače názvů produktů, místo použití trikových párovačů nebo modelů extrakce entit. Schopnost upravit architekturu pro konkrétní data společnosti umožňuje lepší škálovatelnost a také usnadňuje úpravu na změny nestrukturovaných dat, jakmile přidáte více produktů nebo zdrojů.

Relativita v párování produktů

Jak jste možná všimli, myšlenka párování produktů může být somewhat relativní na základě případu použití, který se snažíte pokrýt. Pokud se snažíte odlišit produkty na základě SKU, budete chtít jiné výsledky než pokud byste se snažili porozumět velikosti trhu a produktům konkurentů.

Například, pokud máte tyto dva názvy produktů:

Chios Mastiha Pack 60gr (2,11 oz) Malé slzy gumy 100% přírodní mastic gum z Mastiha pěstitele Fresh

Chios Mastiha Pack 25gr (0,88oz) Střední slzy gumy 100% přírodní mastic gum z Mastiha pěstitele Fresh

Můžete je považovat za nesoulad na základě myšlenky, že mají dva různé SKU uvnitř stejného obchodu, ale můžete je také považovat za soulad na základě myšlenky, že jsou obě Mastic Gum. Pokud nyní zahrneme tento název produktu do mixu:

Horbaach Mastic Gum 1500mg 120 kapslí | Non-GMO & bezlepkový

Musíme se rozhodnout dopředu, co párujeme. To je jasně produkt konkurenta a má jiný kód UPC, ale je to stále Mastic Gum a pokud hledáme produkty pod stejnou „deštníkem“, pak je to párování. Spousta věcí, o kterých je třeba přemýšlet, když navrhujete systémy párování dat produktů.

Když používáte nástroj párování založený na NLP, tato úroveň flexibility se stává samozřejmostí. Prostě upravit naši architekturu pro váš případ použití, bez ohledu na to, co považujete za „párování“, a optimalizovat ji pro to. Tato úroveň flexibility je herní změnou, když se snažíte použít stejnou architekturu pro mnoho různých případů použití uvnitř organizace a stále dosahovat vysoké přesnosti.

Naše SKU založená pípa správně považuje za nesoulad.

Extrahování dat produktů

Jakmile jsme již párovali názvy produktů a máme porozumění pro naše interní prodejní data variabilita nebo data produktů konkurentů, můžeme použít modely kategorizace produktů nebo nástroje extrakce atributů založené na NLP, aby vyplnily jakékoli mezery v datech, které máme, jako je velikost produktu, název výrobce, atributy produktu automaticky. Tyto pípy používají stejnou architekturu jako naše párování názvů produktů, takže je lze snadno integrovat.

Vylepšení vaší taxonomie produktů

Příklad generování kategorií produktů a značek z našeho modelu GPT-3.

S nástrojem párování názvů produktů můžete vylepšit jasnost vaší taxonomie kombinací více atributů produktů dohromady do jedné kategorie. To výrazně čistí a standardizuje atributy, které tvoří váš taxonomický systém.

GIGABYTE – 15,6″ FHD IPS 144Hz herní notebook – i5-11400H – 16GB – NVIDIA GeForce RTX 3050 512 GB SSD

A

15,6″ Notebook – i5-11400H – 16GB – GeForce RTX 3050 512 GB Černá 6494784

Porozumění, že tyto jsou obě stejný produkt, vám umožňuje vyplnit jakékoli mezery, jako je umístění „Notebook“ a „Laptop“ do stejné kategorie, „NVIDIA (NVDA ) “ jako výrobce pro oba produkty a tak dále. To vám umožňuje najít nesprávně kategorizované produkty a vyplnit jakékoli mezery.

Porozumění datům produktů je klíčové

Myslíte si, že párování názvů produktů může pomoci vám porozumět vašim datům produktů a vyčistit vaši prodejní inteligenci? Pojďme naplánovat demonstraci dnes na Width.ai.