NLP를 사용하여 제품 제목으로 제품 데이터 일치 및 SKU 관리를 자동화하는 방법에 대한 간단한 소개입니다.

제품 제목 일치는 제품 제목과 다른 헤드라인 속성만을 기준으로 다른 출처의 유사하거나 동일한 제품을 일치시키는 과정입니다. 조직에서 데이터 변이와 데이터 소스가 증가함에 따라 제품 데이터를 정확하게 유지하고 새로운 SKU를 관리하기가 더 어려워질 수 있습니다. 다른 공급업체와 벤더를 사용할 때 문제가 발생하며, 높은 품질의 제품 데이터를 유지하기가 더 어려워집니다. 이는 판매 데이터를 평가하고 마케팅 노력과 성공률을 이해할 때 문제가 발생할 수 있습니다.

이 작업은 종종 수동으로 수행되지만 매우 시간이 많이 걸리고 확장성이 좋지 않습니다. 구식 시스템은 SKU 및 UPC 코드와 같은 기본 제품 속성만을 사용하여 현대의 비정형 데이터와 잘 작동하지 않습니다. 이러한 구식 시스템은 속성을 추출하고 중복을 제거하고 비정형 제품 데이터에서 불용어를 제거하기 위한 보조 프로세스가 필요합니다. 이러한 모든 데이터 정리와 키워드 추출에도 불구하고, 이러한 시스템은 다음과 같은 것들에 어려움을 겪습니다.

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

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

“랩탑”과 “노트북” 같은 단어 사이의 관계와 GeForce를 매칭하는 데 필요한 품사 단서를 이해하려면 자연어 처리를 사용해야 합니다.

제품 제목 일치가 제공할 수 있는 것

제품 데이터 일치는 제목을 기준으로 하여 소매업체와 전자상거래 브랜드에게 판매 데이터와 마케팅 인텔리전스에서 많은 이점을 제공합니다.

• 다중 공급업체와 벤더에 걸쳐 제품과 SKU를 구성합니다.
• 경쟁사 데이터를 사용하여 시장 동향과 경쟁 가격을 이해합니다.
• 제품 수명 주기를 이해합니다.
• 판매 데이터와 마케팅 캠페인에 누락된 부분이 없는지 확인합니다.

제품 제목 기반 일치 시스템을 사용하면 항상 데이터 일치를 수행하는 데 필요한 정확한 정보를 확보할 수 있습니다. 많은 데이터 포인트나 자세한 제품 설명을 요구하는 다른 시스템은 확장할 때 어려움을 겪을 수 있습니다. 우리는 제품 제목을 기반으로 한 딥러닝 기반의 NLP 시스템을 사용하여 유사한 결과를 얻을 수 있으며, 이는 확장할 때 위험을 줄일 수 있습니다. 우리는 제품 제목 일치를 기준으로 하여 UPC 일치 및 제품 설명 일치와 같은 다른 모델을 구축하여 결과를 개선할 수 있습니다. 이러한 보조 모델에 의존하는 것이 아니라 결과를 보완하는 것입니다.

자연어 처리를 사용한 제품 제목 일치

우리는 제품 제목 일치 소프트웨어를 인기 있는 NLP 모델인 GPT-3, BERT, SBERT를 사용하여 제품 제목의 언어적 특징과 브랜드 이름, 제품 이름, 유형 등 제목 속성 사이의 관계를 학습하도록 했습니다. 이러한 딥러닝 기반 모델은 퍼지 일치 및 규칙 기반 접근 방식보다 훨씬 우수하며, 새로운 데이터 변이와 잡음과 함께 쉽게 확장할 수 있습니다.

일치:Garmin nuvi 2699LMTHD — GPS 네비게이터 — 자동차 6.1인치nuvi 2699LMTHD 자동차 휴대용 GPS 네비게이터

이 결과는 몇 가지 중요한 점을 보여줍니다:

• 불용어와 문자가 두 제품 제목을 일치시키는 우리의 능력에 영향을 미치지 않습니다.
• 모델은 제목에서 중요한 단어를 찾을 수 있으며, 순서나 잡음 단어가 중요하지 않습니다.
• 일치를 찾거나 일치하지 않는다고 판단하는 데 브랜드 이름은 필수가 아닙니다.
• 비교하는 각 상품에 크기나 길이 같은 속성이 반드시 있어야 하는 것은 아니며, 속성이 같은 유형일 필요도 없습니다.

제품 제목 모델은 상품 데이터베이스에서 서로 다른 SKU로 분류되는 용기 크기의 작지만 중요한 차이를 감지합니다. 두 번째 예에는 병 개수의 차이와 비정형 데이터의 잡음 등 여러 변수가 있지만, 그래도 쉽게 일치를 찾아냅니다.

생산 사용 사례를 위한 미세 조정

이 상품 제목 매칭 소프트웨어는 소매점이나 전자상거래 브랜드의 실제 상품 데이터로 미세 조정하여 특정 용도에서 다른 제품보다 정확도를 높일 수 있습니다. 이는 언어 모델 아키텍처를 사용하여 제품 제목 일치기를 구축했기 때문에 가능합니다. 겉만 그럴듯한 퍼지 매처나 개체 추출 모델 대신 언어 모델을 사용하는 것입니다. 특정 기업의 데이터에 맞춰 아키텍처를 미세 조정하면 확장성이 좋아집니다. 데이터에 대한 아키텍처를 미세 조정할 수 있으므로, 새로운 제품이나 소스를 추가할 때 비정형 데이터에 대한 변경에 쉽게 적응할 수 있습니다.

제품 일치의 상대성

제품 일치는 상대적일 수 있으며, 이는 사용 사례에 따라 다를 수 있습니다. SKU를 기준으로 제품을 구분하려는 경우와 시장 크기와 경쟁 제품을 이해하려는 경우에는 다른 결과를 원할 수 있습니다.

예를 들어, 다음 두 제품 제목이 있습니다:

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

같은 매장 안에서 SKU가 서로 다르므로 이 두 제품을 불일치로 볼 수 있습니다. 반면 둘 다 마스틱 수지라는 기준에서는 일치로 볼 수도 있습니다. 이제 다음 제품 제목을 추가합니다:

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

어떤 기준으로 상품을 매칭할지 미리 결정해야 합니다. 이는 경쟁사의 제품이며 다른 UPC 코드를 가지고 있지만, 여전히 마스틱 수지입니다. 만약 우리는 같은 대분류에 속하는 제품을 찾고 있다면, 이는 일치입니다. 제품 데이터 일치 시스템을 설계할 때 많은 것을 고려해야 합니다.

NLP 기반 제품 제목 일치 도구를 사용하면 이 수준의 유연성이 쉽게 제공됩니다. 무엇을 ‘일치’로 보든 해당 용도에 맞춰 아키텍처를 미세 조정하고 그 목표에 맞게 최적화합니다. 이러한 유연성은 조직 내 다양한 용도에 같은 아키텍처를 사용하면서도 높은 정확도를 유지하는 데 큰 변화를 가져옵니다.

SKU 기반 파이프라인은 올바르게 일치하지 않는 것으로 간주합니다.

제품 데이터 추출

제품 제목을 일치시키고 내부 판매 데이터 변이 또는 경쟁 제품 데이터를 이해한 후에, 상품 분류 모델이나 NLP 기반 속성 추출 도구를 사용하여 상품 크기, 제조업체 이름, 상품 속성 등 누락된 정보를 자동으로 채울 수 있습니다. 이러한 파이프라인은 제품 제목 일치와 같은 아키텍처를 사용하므로 쉽게 통합할 수 있습니다.

제품 분류를 개선합니다

GPT-3 모델에서 제품 카테고리와 태그를 생성하는 예입니다.

제품 제목 일치 도구를 사용하면 여러 매칭 제품 속성을 하나의 카테고리로 결합하여 분류의 명확성을 개선할 수 있습니다. 이는 분류 시스템을 구성하는 속성을 표준화하고 정리합니다.

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

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

이 두 제품이 같은 제품임을 이해하면, “노트북”과 “랩탑”을 같은 카테고리로 넣을 수 있으며, “NVIDIA (NVDA ) “를 두 제품의 제조업체로 설정할 수 있습니다. 이는 잘못 분류된 제품을 찾고, 데이터 격차를 채울 수 있습니다.

제품 데이터 이해가 핵심입니다

제품 제목 일치가 제품 데이터를 이해하고 판매 지능을 정리하는 데 도움이 될 수 있다고 생각합니다. 오늘 Width.ai에서 데모를 예약하세요.