Une plongée rapide dans la façon dont vous pouvez automatiser la correspondance des données de produit et la gestion de SKU en utilisant uniquement les titres de produit avec NLP.

La correspondance de titre de produit est le processus de mise en correspondance de produits similaires ou identiques provenant de différentes sources en fonction uniquement du titre et d’autres attributs de titre du produit. À mesure que la variance des données et les sources de données augmentent dans une organisation, il peut devenir plus difficile de maintenir l’exactitude des données de produit et de gérer de nouveaux SKU. Des problèmes surviennent lors de l’utilisation de différents fournisseurs et de distributeurs, et il devient plus difficile de maintenir des données de produit de haute qualité. Cela peut causer des problèmes lors de l’évaluation des données de vente et de la compréhension de vos efforts de marketing et du taux de réussite.

Bien que cela soit souvent fait manuellement, cela peut devenir extrêmement chronophage et ne s’échelonne pas bien. Les anciens systèmes se concentrent sur l’utilisation d’attributs de produit de base tels que les SKU et les codes UPC qui ne fonctionnent pas bien avec les données non structurées modernes. Ces anciens systèmes nécessitent des processus auxiliaires pour extraire les attributs, supprimer les doublons et nettoyer les mots d’arrêt des données de produit non structurées. Même avec toutes les tâches de nettoyage des données et d’extraction de mots clés, ces systèmes ont toujours des difficultés avec des choses comme ceci:

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

Et

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

Pour comprendre les relations entre les mots tels que «laptop» et «notebook», et les clés de partie de discours pour mettre en correspondance GeForce, nous devons utiliser le traitement automatique du langage naturel.

Ce que la correspondance de titre de produit peut vous offrir

La correspondance de données de produit basée sur le titre fournit aux détaillants et aux marques de commerce électronique de nombreux avantages dans le monde des données de vente et de l’intelligence marketing.

• Organiser les produits et les SKU à travers plusieurs fournisseurs et distributeurs
• Utiliser les données des concurrents pour comprendre les tendances du marché et les prix concurrentiels
• Comprendre le cycle de vie du produit
• S’assurer qu’il n’y a pas de pièces manquantes dans vos données de vente et vos campagnes marketing

L’utilisation d’un système de mise en correspondance basé sur le titre de produit vous permet de vous assurer que vous avez toujours les informations exactes dont vous avez besoin pour effectuer la mise en correspondance des données. D’autres systèmes qui nécessitent un grand nombre de points de données ou de descriptions de produit détaillées peuvent avoir des difficultés à mesure que vous évoluez vers plus de produits. Nous avons constaté que l’utilisation d’un système de traitement automatique du langage naturel basé sur l’apprentissage profond qui se concentre sur le titre de produit vous permet d’obtenir des résultats similaires sans le risque d’échelle à long terme. Nous avons pu utiliser la mise en correspondance de titre de produit comme référence et construire d’autres modèles autour de celle-ci, tels que la mise en correspondance de code UPC et la mise en correspondance de description de produit, pour améliorer les résultats, et non pour s’appuyer sur eux.

La correspondance de titre de produit avec le traitement automatique du langage naturel

Nous avons construit notre logiciel de mise en correspondance de titre de produit en utilisant des modèles de traitement automatique du langage naturel populaires tels que GPT-3, BERT et SBERT pour apprendre la relation entre les différentes fonctionnalités du langage de titre, les attributs de titre tels que le nom de la marque, le nom du produit, le type, etc. Ces modèles basés sur l’apprentissage profond sont nettement supérieurs aux méthodes de correspondance floue et aux approches basées sur des règles et sont prouvés pour s’échelonner facilement avec les nouvelles variantes de données et les bruits.

Mise en correspondance entre: Garmin nuvi 2699LMTHD — GPS navigator — automotive 6.1 in nuvi 2699LMTHD Automobile Portable GPS Navigator

Ce résultat du logiciel de traitement automatique du langage naturel montre plusieurs choses importantes:

• Les mots d’arrêt et les caractères n’affectent pas notre capacité à mettre en correspondance deux titres de produit
• Le modèle peut identifier les mots du titre qui comptent, quelle que soit l’ordre ou les mots de bruit qui les entourent.
• Les noms de marque ne sont pas nécessaires pour que nous trouvions des correspondances ou déclinions une correspondance.
• Les attributs de produit ne sont pas nécessaires (taille, longueur) dans chaque produit que nous comparons et n’ont pas à être du même type.

Le modèle de titre de produit repère les petites mais importantes différences entre les tailles de conteneur qui sont considérées comme différents SKU dans la base de données de produit. Dans le deuxième exemple, nous voyons qu’il y a beaucoup de pièces mobiles – différents comptes de bouteilles et des bruits de données non structurées, mais toujours une correspondance facile.

Affiner pour l’utilisation en production

Ce logiciel de correspondance de titre de produit peut être affiné sur les données de produit réelles d’un détaillant ou d’une marque de commerce électronique pour améliorer la précision par rapport à d’autres produits pour votre cas d’utilisation spécifique. Ce niveau de personnalisation est disponible en raison de l’architecture de modèle de langage utilisée pour construire le système de correspondance de titre de produit, et non en utilisant des systèmes de correspondance floue ou des modèles d’extraction d’entités. La capacité à affiner l’architecture pour les données d’une entreprise spécifique permet une meilleure évolutivité, ainsi que la facilité d’ajustement aux changements de données non structurées à mesure que vous ajoutez plus de produits ou de sources.

La relativité dans la mise en correspondance de produit

Comme vous l’avez peut-être remarqué, l’idée de mise en correspondance de produit peut être quelque peu relative en fonction du cas d’utilisation que vous essayez de couvrir. Si vous essayez de différencier les produits en fonction du SKU, vous voulez des résultats différents de ceux que vous auriez si vous essayiez de comprendre la taille du marché et les produits des concurrents.

Par exemple, si vous avez ces deux titres de produit:

Chios Mastiha Pack 60gr (2,11 oz) Small Tears Gum 100% Natural Mastic Gum From Mastic Growers Fresh

Chios Mastiha Pack 25gr (0,88oz) Medium Tears Gum 100% Natural Mastic Gum From Mastic Growers Fresh

Vous pourriez les considérer comme non correspondants en fonction de l’idée qu’ils ont deux SKU différents à l’intérieur du même magasin, mais vous pourriez également les considérer comme correspondants en fonction de l’idée qu’ils sont tous deux du chewing-gum mastique. Si nous incluons maintenant ce titre de produit dans le mélange:

Horbaach Mastic Gum 1500mg 120 Capsules | Non-GMO & Gluten Free

Nous devons décider à l’avance ce que nous mettons en correspondance. Ceci est clairement un produit d’un concurrent et a un code UPC différent, mais c’est toujours du chewing-gum mastique et si nous ne recherchons que des produits sous la même «tente» alors c’est une correspondance. Beaucoup de choses à considérer lors de la conception de vos systèmes de mise en correspondance de données de produit.

Lorsque vous utilisez un outil de mise en correspondance de titre de produit basé sur le traitement automatique du langage naturel, ce niveau de flexibilité devient une brise. Nous affinons simplement notre architecture pour votre cas d’utilisation, quelle que soit la manière dont vous considérez une «correspondance» et nous optimisons vers celle-ci. Ce niveau de flexibilité est un changement de jeu lors de l’utilisation de la même architecture pour de nombreux cas d’utilisation différents à l’intérieur d’une organisation et atteindre une grande précision.

Notre pipeline basé sur le SKU considère correctement ceci comme une non-correspondance.

Extraction de données de produit

Une fois que nous avons déjà mis en correspondance les titres de produit et que nous avons une compréhension de la variance des données de vente internes ou des données de produit des concurrents, nous pouvons utiliser des modèles de catégorisation de produit ou des outils d’extraction d’attributs basés sur le traitement automatique du langage naturel pour combler les lacunes de données que nous avons, telles que la taille du produit, le nom du fabricant et les attributs de produit automatiquement. Ces pipelines utilisent la même architecture que notre système de correspondance de titre de produit, ils peuvent donc être facilement intégrés.

Améliorer votre taxonomie de produit

Exemple de génération de catégories et d’étiquettes de produit à partir de notre modèle GPT-3.

Avec l’outil de correspondance de titre de produit, vous pouvez améliorer la clarté de votre taxonomie en combinant plusieurs attributs de produit correspondants ensemble dans une seule catégorie. Cela nettoie et standardise considérablement les attributs qui composent votre système de taxonomie.

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

Et

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

Comprendre que ce sont les mêmes produits vous permet de combler les lacunes telles que la mise de «Notebook» et «Laptop» dans la même catégorie, «NVIDIA (NVDA ) » en tant que fabricant pour les deux produits, etc. Cela vous permet de trouver des produits mal classés et de combler les lacunes.

La compréhension des données de produit est essentielle

Pensez que la correspondance de titre de produit peut vous aider à comprendre vos données de produit et à nettoyer vos données de vente ? Planifiez une démonstration aujourd’hui sur Width.ai.