Szybki przegląd tego, jak możesz zautomatyzować dopasowanie danych produktów i zarządzanie SKU za pomocą tylko tytułów produktów z wykorzystaniem NLP.

Dopasowanie tytułów produktów jest procesem dopasowania podobnych lub identycznych produktów z różnych źródeł wyłącznie na podstawie tytułu i innych atrybutów nagłówka produktu. Wraz ze wzrostem zmienności danych i liczby źródeł danych w organizacji może być coraz trudniej utrzymać dokładność danych produktów i zarządzać nowymi SKU. Problemy pojawiają się, gdy używa się różnych dostawców i sprzedawców, a utrzymanie wysokiej jakości danych produktów staje się coraz trudniejsze. Może to powodować problemy podczas oceny danych sprzedaży i zrozumienia wysiłków marketingowych oraz wskaźnika sukcesu.

Chociaż jest to często robione ręcznie, może to stać się niezwykle czasochłonne i nie skaluje się dobrze. Stare systemy koncentrowały się na używaniu podstawowych atrybutów produktów, takich jak kody SKU i UPC, które nie działają dobrze z nowoczesnymi nieustrukturyzowanymi danymi. Te starsze systemy wymagają pomocniczych procesów do wyodrębnienia atrybutów, usunięcia duplikatów i oczyszczenia słów przestankowych z nieustrukturyzowanych danych produktów. Nawet przy wszystkich czynnościach czyszczenia danych i wyodrębniania słów kluczowych te systemy nadal mają trudności z rzeczami takimi jak:

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

oraz

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

Aby zrozumieć relacje między słowami, takimi jak „laptop” i „notebook”, oraz klucze części mowy, aby dopasować GeForce, musimy użyć przetwarzania języka naturalnego.

Czego może dostarczyć dopasowanie tytułów produktów dla Ciebie

Dopasowanie danych produktów na podstawie tytułu zapewnia detalistom i markom e-commerce wiele korzyści w świecie danych sprzedaży i inteligencji marketingowej.

• Organizuj produkty i SKU wśród wielu dostawców i sprzedawców
• Użyj danych konkurencji, aby zrozumieć trendy rynkowe i ceny konkurencyjne
• Zrozum cykl życia produktu
• Upewnij się, że nie ma brakujących elementów w Twoich danych sprzedaży i kampaniach marketingowych

Używanie systemu dopasowania tytułów produktów opartego na tytule pozwala Ci upewnić się, że zawsze masz dokładne informacje, których potrzebujesz do dopasowania danych. Inne systemy, które wymagają wielu punktów danych lub głębokich opisów produktów, mogą mieć trudności, gdy skalujesz się do większej liczby produktów. Odkryliśmy, że używanie głęboko uczącego się systemu NLP, który koncentruje się na tytule produktu, pozwala uzyskać podobne wyniki bez długoterminowego ryzyka skalowania. Udało nam się użyć dopasowania tytułów produktów jako punktu odniesienia i zbudować inne modele wokół niego, takie jak dopasowanie kodu UPC i dopasowanie opisu produktu, aby tylko ulepszyć wyniki, a nie polegać na nich.

Dopasowanie tytułów produktów z przetwarzaniem języka naturalnego

Zbudowaliśmy nasze oprogramowanie do dopasowania tytułów produktów przy użyciu popularnych modeli NLP, takich jak GPT-3, BERT i SBERT, aby nauczyć się relacji między różnymi cechami języka tytułu, atrybutami tytułu, takimi jak nazwa marki, nazwa produktu, typ itp. Te głęboko uczące się modele są znacznie lepsze niż dopasowanie rozmyte i inne podejścia oparte na regułach i są udowodnione, że łatwo skalują się z nową zmiennością danych i szumem.

Dopasowanie między: Garmin nuvi 2699LMTHD — GPS navigator — automotive 6.1 in nuvi 2699LMTHD Automobile Portable GPS Navigator

Ten wynik z oprogramowania NLP pokazuje kilka ważnych rzeczy:

• Słowa przestankowe i znaki nie wpływają na naszą zdolność do dopasowania dwóch tytułów produktów
• Model może znaleźć słowa w tytule, które mają znaczenie, niezależnie od kolejności lub szumu słów.
• Nazwy marek nie są wymagane, aby znaleźć dopasowania lub odrzucić dopasowanie.
• Atrybuty produktu nie są wymagane (rozmiar, długość) w każdym produkcie, który porównujemy, i nie muszą być tego samego typu.

Model tytułu produktu wykrywa małe, ale ważne różnice między rozmiarami pojemników, które są uważane za różne SKU w bazie danych produktów. W drugim przykładzie widzimy, że jest wiele ruchomych części – różne ilości butelek i szum nieustrukturyzowanych danych, ale nadal jest to łatwe dopasowanie.

Dopracowanie dla przypadku produkcyjnego

To oprogramowanie do dopasowania tytułów produktów może być dostosowane do danych sklepu detalicznego lub marki e-commerce, aby poprawić dokładność w stosunku do innych produktów dla Twojego konkretnego przypadku użycia. Ten poziom dostosowania jest dostępny dzięki architekturze modelu językowego użytej do zbudowania dopasowania tytułu produktu, zamiast używania chwytnych dopasowań lub modeli ekstrakcji encji. Możliwość dostosowania architektury do danych konkretnego przedsiębiorstwa pozwala na lepszą skalowalność, a także ułatwia dostosowanie się do zmian w nieustrukturyzowanych danych, gdy dodajesz więcej produktów lub źródeł.

Relatywizm w dopasowaniu produktów

Jak mogłeś zauważyć, idea dopasowania produktów może być w pewnym sensie relatywna w zależności od przypadku użycia, który próbujesz pokryć. Jeśli próbujesz różnicować produkty na podstawie kodu SKU, będziesz chciał uzyskać różne wyniki niż w przypadku, gdy próbujesz zrozumieć rozmiar rynku i produkty konkurencyjne.

Na przykład, jeśli masz te dwa tytuły produktów:

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

Możesz uznać je za niepasujące na podstawie idei, że mają dwa różne SKU w tym samym sklepie, ale możesz również uznać je za pasujące na podstawie idei, że są to oba gumy mastyksowe. Jeśli teraz uwzględnimy ten tytuł produktu:

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

Musimy zdecydować wcześniej, co dopasowujemy. To jest明らかに produkt konkurencyjny i ma inny kod UPC, ale nadal jest to guma mastyksowa, a jeśli szukamy tylko produktów pod tym samym „parasolem”, to jest to dopasowanie. Wiele rzeczy do rozważenia przy projektowaniu systemów dopasowania danych produktów.

Gdy używasz narzędzia do dopasowania tytułów produktów opartego na NLP, ten poziom elastyczności staje się łatwy. Po prostu dostosowujemy naszą architekturę do Twojego przypadku użycia, niezależnie od tego, co uważasz za „dopasowanie”, i optymalizujemy w tym kierunku. Ten poziom elastyczności jest przełomowy, gdy chcesz użyć tej samej architektury do wielu różnych przypadków użycia wewnątrz organizacji i nadal osiągać wysoką dokładność.

Nasz potok oparty na SKU poprawnie rozpatruje to jako niepasujące.

Ekstrakcja danych produktów

Gdy już dopasowaliśmy tytuły produktów i mamy zrozumienie zmienności danych sprzedaży lub danych produktów konkurencyjnych, możemy użyć modeli kategoryzacji produktów lub narzędzi do ekstrakcji atrybutów opartych na NLP, aby wypełnić luki w danych, takie jak rozmiar produktu, nazwa producenta i atrybuty produktu automatycznie. Te potoki używają tej samej architektury, co nasze dopasowanie tytułów produktów, więc mogą być łatwo zintegrowane.

Poprawa taksonomii produktów

Przykład generowania kategorii i tagów produktów z naszego modelu GPT-3.

Z narzędziem do dopasowania tytułów produktów możesz poprawić klarowność swojej taksonomii, łącząc wiele atrybutów produktów w jedną kategorię. To znacznie czysci i standaryzuje atrybuty, które tworzą Twój system taksonomiczny.

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

i

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

Zrozumienie, że są to te same produkty, pozwala Ci wypełnić luki, takie jak umieszczenie „Notebook” i „Laptop” w tej samej kategorii, „NVIDIA (NVDA ) ” jako producenta obu produktów itd. To pozwala Ci znaleźć źle zakategoryzowane produkty i wypełnić luki.

Zrozumienie danych produktów jest kluczem

Czy myślisz, że dopasowanie tytułów produktów może pomóc Ci zrozumieć Twoje dane produktów i oczyścić Twoją inteligencję sprzedaży? Zapisz się na demo dzisiaj w Width.ai.