NLP로 제품 제목만 사용하여 제품 데이터 일치 및 SKU 관리를 자동화하는 방법에 대해 빠르게 알아보세요.

제품 제목 일치는 제품의 제목 및 기타 헤드라인 속성을 엄격히 기반으로 하여 서로 다른 출처의 유사하거나 정확한 제품을 일치시키는 프로세스입니다. 조직에서 데이터 변동과 데이터 소스가 증가함에 따라 제품 데이터를 정확하게 유지하고 새로운 SKU를 관리하기가 더 어려워질 수 있습니다. 다른 공급업체 및 공급업체를 사용할 때 문제가 발생하고 고품질 제품 데이터를 유지하는 것이 더 어려워집니다. 이로 인해 판매 데이터를 평가하고 마케팅 노력과 성공률을 이해할 때 문제가 발생할 수 있습니다. 

이 작업은 수동으로 수행되는 경우가 많지만 시간이 많이 걸리고 확장성이 좋지 않을 수 있습니다. 구식 시스템은 최신 비정형 데이터와 잘 작동하지 않는 SKU 및 UPC 코드와 같은 기본 제품 속성을 사용하는 데 중점을 두었습니다. 이러한 오래된 시스템에는 구조화되지 않은 제품 데이터에서 속성을 추출하고, 중복 항목을 제거하고, 불용어를 정리하는 보조 프로세스가 필요합니다. 모든 데이터 정리 및 키워드 추출에도 불구하고 이러한 시스템은 여전히 ​​다음과 같은 문제로 어려움을 겪고 있습니다.

GIGABYTE – 15.6″ FHD IPS 144Hz 게이밍 노트북 – i5-11400H – 16GB – NVIDIA GeForce RTX 3050 512GB SSD

Audiencegain과

15.6″ 노트북 – i5-11400H – 16GB – GeForce RTX 3050 512GB 블랙 6494784

"노트북" 및 "노트북"과 같은 단어 관계와 GeForce와 일치하는 음성 키의 일부를 이해하려면 자연어 처리를 사용해야 합니다. 

제품 제목 일치가 제공할 수 있는 것

제품 데이터 일치 제목 기반은 소매업체와 전자상거래 브랜드에 판매 데이터 및 마케팅 인텔리전스의 세계에서 엄청난 이점을 제공합니다. 

• 여러 공급업체 및 공급업체에 걸쳐 제품 및 SKU 구성
• 경쟁사 데이터를 사용하여 시장 동향 및 경쟁력 있는 가격을 이해합니다.
• 제품 라이프 사이클 이해 
• 판매 데이터 및 마케팅 캠페인에 누락된 부분이 없는지 확인하십시오.

제품 제목 기반 매칭 시스템을 사용하면 데이터 매칭을 수행하는 데 필요한 정확한 정보를 항상 확보할 수 있습니다. 수많은 데이터 포인트나 심층적인 제품 설명이 필요한 다른 시스템은 더 많은 제품으로 확장함에 따라 어려움을 겪을 수 있습니다. 우리는 제품 제목에 초점을 맞춘 딥 러닝 기반 NLP 시스템을 사용하면 장기적인 확장 위험 없이 유사한 결과를 얻을 수 있음을 발견했습니다. 우리는 제품 제목 일치를 기준으로 사용하고 UPC 일치 및 제품 설명 일치와 같은 다른 모델을 구축하여 결과에 의존하지 않고 단순히 결과를 향상시킬 수 있었습니다. 

자연어 처리를 통한 상품명 매칭

GPT-3, BERT 및 SBERT와 같은 인기 있는 NLP 모델을 사용하여 제품 이름 일치 소프트웨어를 구축하여 다양한 제목 언어 기능, 브랜드 이름, 제품 이름, 유형 등과 같은 제목 속성 간의 관계를 학습했습니다. 이러한 딥 러닝 기반 모델은 퍼지 일치 및 기타 규칙 기반 접근 방식보다 훨씬 우수하며 새로운 데이터 분산 및 노이즈로 쉽게 확장되는 것으로 입증되었습니다. 

일치: Garmin nuvi 2699LMTHD - GPS 네비게이터 - 자동차용 6.1인치 nuvi 2699LMTHD 자동차 휴대용 GPS 네비게이터

NLP 소프트웨어의 이 결과는 몇 가지 중요한 사항을 보여줍니다.

• 불용어 및 문자는 두 제품 제목을 일치시키는 능력에 영향을 미치지 않습니다.
• 모델은 순서에 상관없이 제목에 있는 단어나 의미 없는 단어가 될 수 있습니다. 
• 브랜드 이름은 일치 항목을 찾거나 일치 항목을 거부하는 데 필요하지 않습니다. 
• 비교하는 각 제품에 제품 속성(크기, 길이)이 필요하지 않으며 동일한 유형일 필요도 없습니다. 

제품 이름 모델은 제품 데이터베이스에서 서로 다른 SKU로 간주되는 컨테이너 크기 간의 작지만 중요한 차이점을 포착합니다. 두 번째 예에서 병 수와 구조화되지 않은 데이터 노이즈가 다르지만 여전히 쉽게 일치하는 움직이는 부분이 많이 있습니다. 

프로덕션 사용 사례를 위한 개선

이 제품명 매칭 소프트웨어는 소매점이나 전자상거래 브랜드의 실제 제품 데이터를 기반으로 미세 조정이 가능하여 특정 사용 사례에 맞춰 다른 제품보다 정확도를 높일 수 있습니다. 이러한 수준의 맞춤 설정은 제품명 매칭기를 구축하는 데 사용된 언어 모델 아키텍처 덕분에 가능하며, 교묘한 퍼저 매칭기나 엔티티 추출 모델을 사용하는 대신 가능합니다. 특정 회사 데이터에 맞춰 아키텍처를 미세 조정할 수 있으므로 확장성이 향상될 뿐만 아니라, 제품이나 소스 추가에 따른 비정형 데이터의 변화에 ​​훨씬 쉽게 대응할 수 있습니다. 

제품 일치의 상대성

아시다시피 제품 일치라는 아이디어는 다루려는 사용 사례에 따라 다소 상대적일 수 있습니다. SKU를 기반으로 제품을 차별화하려는 경우 시장 규모와 경쟁 제품을 이해하려는 경우와는 다른 결과를 원할 것입니다. 

예를 들어 다음 두 제품 제목이 있는 경우:

Chios Mastiha 팩 60gr(2.11온스) 작은 눈물 껌 신선한 매스틱 재배자에서 얻은 100% 천연 매스틱 껌

Chios Mastiha 팩 25gr(0.88온스) 미디엄 눈물 껌 100% 천연 매스틱 재배자 신선한 매스틱 껌

동일한 상점 내에 두 개의 다른 SKU가 있다는 생각에 따라 일치하지 않는다고 생각할 수 있지만 둘 다 Mastic Gum이라는 생각에 따라 일치한다고 생각할 수도 있습니다. 이제 이 제품 제목을 믹스에 포함시킨 경우:

Horbaach 매스틱 껌 1500mg 120 캡슐 | 비 GMO 및 글루텐 프리

무엇을 매칭할지 미리 결정해야 합니다. 이 제품은 분명히 경쟁사 제품이고 UPC 코드도 다르지만, 여전히 매스틱 검입니다. 만약 같은 "범주"에 속하는 제품만 찾는다면 매칭 대상입니다. 제품 데이터 매칭 시스템을 설계할 때는 고려해야 할 사항이 많습니다.

NLP 기반 제품 제목 일치 도구를 사용하는 경우 이러한 수준의 유연성이 매우 쉬워집니다. 우리는 귀하가 "일치"라고 생각하는 것과 상관없이 귀하의 사용 사례에 맞게 아키텍처를 미세 조정하고 이를 위해 최적화합니다. 이러한 수준의 유연성은 조직 내에서 다양한 사용 사례에 대해 동일한 아키텍처를 사용하려고 할 때 게임 체인저입니다. 여전히 높은 정확도에 도달.

SKU 기반 파이프라인은 이를 일치하지 않는 것으로 올바르게 간주합니다.

제품 데이터 추출

이미 제품 이름을 일치시키고 내부 판매 데이터 차이 또는 경쟁사 제품 데이터를 이해하고 있으면 사용할 수 있습니다. 제품 분류 모델 또는 제품 크기, 제조업체 이름 및 제품 속성과 같은 데이터 격차를 채우기 위한 NLP 기반 속성 추출 도구 자동적으로. 이러한 파이프라인은 제품 매칭과 동일한 아키텍처를 사용하므로 쉽게 통합할 수 있습니다. 

제품 분류 체계 개선

GPT-3 모델에서 제품 카테고리 및 태그를 생성하는 예.

제품 제목 일치 도구를 사용하면 일치하는 여러 제품 속성을 하나의 범주로 결합하여 분류 체계의 명확성을 높일 수 있습니다. 이렇게 하면 분류 시스템을 구성하는 속성이 크게 정리되고 표준화됩니다.  

GIGABYTE – 15.6″ FHD IPS 144Hz 게이밍 노트북 – i5-11400H – 16GB – NVIDIA GeForce RTX 3050 512GB SSD

Audiencegain과

15.6″ 노트북 – i5-11400H – 16GB – GeForce RTX 3050 512GB 블랙 6494784

둘 다 동일한 제품이라는 것을 이해하면 "노트북"과 "노트북"을 같은 범주에 넣고 "NVIDIA"를 두 제품의 제조업체로 지정하는 등의 공백을 채울 수 있습니다. 이렇게 하면 잘못 분류된 제품을 찾고 부족한 부분을 채울 수 있습니다. 

제품 데이터 이해가 핵심

제품 제목 일치가 제품 데이터를 이해하고 판매 인텔리전스를 정리하는 데 도움이 될 수 있다고 생각하십니까? 오늘 데모 일정을 잡겠습니다. 너비.ai.