การดูอย่างรวดเร็วว่าคุณสามารถทำการแมทชิ่งและจัดการ SKU สินค้าโดยใช้เพียงชื่อสินค้าและ NLP ได้อย่างไร

การแมทชิ่งชื่อสินค้าเป็นกระบวนการของการแมทชิ่งสินค้าที่คล้ายกันหรือเหมือนกันจากแหล่งต่างๆ ตามชื่อและคุณลักษณะอื่นๆ ของสินค้า เมื่อข้อมูลและแหล่งข้อมูลเพิ่มขึ้นในองค์กร อาจทำให้ยากต่อการรักษาข้อมูลสินค้าให้ถูกต้องและจัดการ SKU ใหม่ๆ ปัญหาเกิดขึ้นเมื่อใช้ซัพพลายเออร์และผู้ขายที่แตกต่างกัน และการรักษาข้อมูลสินค้าให้ดีเป็นเรื่องที่ยาก ซึ่งอาจทำให้เกิดปัญหาเมื่อประเมินข้อมูลการขายและการทำความเข้าใจความพยายามทางการตลาดและอัตราความสำเร็จ

แม้ว่าการทำเช่นนี้มักจะทำด้วยมือ แต่ก็อาจใช้เวลานานและไม่คุ้มค่า ระบบเก่าๆ มุ่งเน้นไปที่การใช้คุณลักษณะพื้นฐานของสินค้า เช่น SKU และ UPC ซึ่งไม่ทำงานได้ดีกับข้อมูลที่ไม่มีโครงสร้างสมัยใหม่ ระบบเหล่านี้ต้องการกระบวนการเสริมเพื่อแยกคุณลักษณะออก นำข้อมูลที่ซ้ำกันออก และลบคำหยุดออกจากข้อมูลสินค้าที่ไม่มีโครงสร้าง แม้ว่าจะมีการทำความสะอาดข้อมูลและแยกคุณลักษณะออก แต่ระบบเหล่านี้ก็ยังคงประสบปัญหากับเรื่องต่อไปนี้

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

และ

15.6″ Notebook – i5-11400H – 16GB – GeForce RTX 3050 512 GB Black 6494784

เพื่อทำความเข้าใจความสัมพันธ์ระหว่างคำ เช่น “laptop” และ “notebook” และคีย์คำที่จะแมทชิ่ง GeForce เราต้องใช้ NLP

สิ่งที่การแมทชิ่งชื่อสินค้าสามารถให้สำหรับคุณ

การแมทชิ่งข้อมูลสินค้า ตามชื่อสินค้าให้ร้านค้าปลีกและแบรนด์ ईคอมเมิร์ซได้รับประโยชน์มากมายในโลกของข้อมูลการขายและการทำความเข้าใจทางการตลาด

• จัดระเบียบสินค้าและ SKU จากซัพพลายเออร์และผู้ขายต่างๆ
• ใช้ข้อมูลคู่แข่งเพื่อทำความเข้าใจแนวโน้มตลาดและราคาที่แข่งขัน
• ทำความเข้าใจวงจรชีวิตสินค้า
• รับประกันว่าไม่มีชิ้นส่วนที่หายไปในข้อมูลการขายและการทำแคมเปญทางการตลาด

การใช้ระบบแมทชิ่งชื่อสินค้าตามชื่อช่วยให้คุณมั่นใจว่าคุณจะมีข้อมูลที่ถูกต้องเสมอเพื่อทำการแมทชิ่งข้อมูลสินค้า ระบบอื่นๆ ที่ต้องการข้อมูลหลายจุดหรือคำอธิบายสินค้าที่ลึกซึ้งอาจประสบปัญหาเมื่อคุณขยายสินค้าออกไป เราพบว่าการใช้ระบบ NLP ที่มุ่งเน้นไปที่ชื่อสินค้าช่วยให้คุณได้ผลลัพธ์ที่คล้ายกันโดยไม่มีความเสี่ยงในการขยายตัวในระยะยาว

การแมทชิ่งชื่อสินค้าด้วย NLP

เราสร้างซอฟต์แวร์แมทชิ่งชื่อสินค้าโดยใช้โมเดล NLP ที่ได้รับความนิยม เช่น GPT-3, BERT และ SBERT เพื่อเรียนรู้ความสัมพันธ์ระหว่างคุณลักษณะภาษาต่างๆ ของชื่อ คุณลักษณะของชื่อ เช่น ชื่อแบรนด์, ชื่อสินค้า, ประเภท ฯลฯ โมเดลการเรียนรู้ลึกเหล่านี้มีความเหนือกว่าในการแมทชิ่งแบบฟัซซี่และวิธีการอื่นๆ ที่ใช้กฎและได้รับการพิสูจน์แล้วว่าสามารถขยายตัวได้ง่ายเมื่อมีข้อมูลใหม่และเสียงรบกวน

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

ผลลัพธ์นี้จากซอฟต์แวร์ NLP แสดงให้เห็นหลายสิ่ง:

• คำหยุดและตัวอักษรไม่ส่งผลต่อความสามารถในการแมทชิ่งชื่อสินค้าสองชื่อ
• โมเดลสามารถระบุคำที่สำคัญในชื่อได้ไม่ว่าจะเป็นลำดับหรือมีคำรบกวน
• ชื่อแบรนด์ไม่จำเป็นต้องแมทชิ่งหรือปฏิเสธการแมทชิ่ง
• คุณลักษณะสินค้าไม่จำเป็นต้องมี (ขนาด, ความยาว) ในสินค้าที่เรากำลังเปรียบเทียบและไม่จำเป็นต้องเป็นประเภทเดียวกัน

โมเดลชื่อสินค้าสามารถจับข้อแตกต่างที่เล็กแต่สำคัญระหว่างขนาดภาชนะที่ถือว่าเป็น SKU ที่แตกต่างกันในฐานข้อมูลสินค้า ในตัวอย่างที่สอง เราจะเห็นว่ามีหลายส่วนและเสียงรบกวน แต่ยังคงแมทชิ่งได้ง่าย

การปรับให้เหมาะสมสำหรับการใช้งานจริง

ซอฟต์แวร์แมทชิ่งชื่อสินค้านี้สามารถปรับให้เหมาะสมกับข้อมูลสินค้าจริงของร้านค้าปลีกหรือแบรนด์ ईคอมเมิร์ซเพื่อเพิ่มความแม่นยำสำหรับการใช้งานของคุณ การปรับให้เหมาะสมนี้สามารถทำได้เพราะโครงสร้างของโมเดลภาษาที่ใช้ในการสร้างซอฟต์แวร์แมทชิ่งชื่อสินค้า แทนที่จะใช้โมเดลฟัซซี่หรือโมเดลการแยกคุณลักษณะที่มีกฎ

ความสัมพันธ์ในการแมทชิ่งสินค้า

เมื่อคุณสังเกตเห็นแล้วว่าแนวคิดของการแมทชิ่งสินค้าอาจมีความสัมพันธ์กับการใช้งานของคุณ หากคุณต้องการแยกสินค้าตาม SKU คุณจะต้องการผลลัพธ์ที่แตกต่างจากที่คุณพยายามทำความเข้าใจขนาดตลาดและผลิตภัณฑ์ของคู่แข่ง

ตัวอย่างเช่น หากคุณมีชื่อสินค้าสองชื่อนี้:

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

คุณอาจพิจารณาว่าไม่ใช่แมทชิ่งตามแนวคิดที่ว่ามี SKU ที่แตกต่างกันภายในร้านค้าเดียวกัน แต่ก็อาจพิจารณาว่าเป็นแมทชิ่งตามแนวคิดที่ว่าทั้งสองเป็น Mastic Gum หากเราบวกชื่อสินค้าใหม่นี้เข้าไป:

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

เราต้องตัดสินใจก่อนว่าเรากำลังแมทชิ่งอะไร นี่เป็นผลิตภัณฑ์ของคู่แข่งที่มี UPC ที่แตกต่าง แต่ก็ยังเป็น Mastic Gum หากเรากำลังมองหาสินค้าภายใต้ ” mái” เดียวกัน นี่จะเป็นแมทชิ่ง

เมื่อคุณใช้เครื่องมือแมทชิ่งชื่อสินค้าที่ใช้ NLP ความยืดหยุ่นนี้จะกลายเป็นเรื่องง่าย เราแค่ต้องปรับให้เหมาะสมกับการใช้งานของคุณไม่ว่าคุณจะพิจารณาว่าเป็น “แมทชิ่ง” หรือไม่ และเพิ่มประสิทธิภาพให้สูงขึ้น

ระบบแมทชิ่ง SKU ของเราพิจารณาว่านี่เป็นไม่ใช่แมทชิ่ง

การดึงข้อมูลสินค้า

หลังจากที่เราทำการแมทชิ่งชื่อสินค้าและเข้าใจความแปรผันของข้อมูลการขายหรือข้อมูลสินค้าของคู่แข่งแล้ว เราสามารถใช้ โมเดลการแบ่งประเภทสินค้า หรือเครื่องมือการดึงคุณลักษณะโดยใช้ NLP เพื่อเติมช่องว่างข้อมูลที่เรามี เช่น ขนาดสินค้า, ชื่อผู้ผลิต, คุณลักษณะสินค้า โดยอัตโนมัติ

การปรับปรุงการแบ่งประเภทสินค้าของคุณ

ตัวอย่างการสร้างหมวดหมู่และแท็กสินค้าจากโมเดล GPT-3 ของเรา

ด้วยเครื่องมือแมทชิ่งชื่อสินค้า คุณสามารถปรับปรุงความชัดเจนของการแบ่งประเภทสินค้าโดยการรวมคุณลักษณะสินค้าที่แมทชิ่งหลายๆ คุณลักษณะเข้าด้วยกันในหมวดหมู่เดียว ซึ่งช่วยให้การแบ่งประเภทของคุณสะอาดและเป็นมาตรฐานมากขึ้น

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

และ

15.6″ Notebook – i5-11400H – 16GB – GeForce RTX 3050 512 GB Black 6494784

การทำความเข้าใจว่าสินค้าทั้งสองนี้เป็นสินค้าเดียวกันช่วยให้คุณสามารถเติมช่องว่าง เช่น การใส่ “Notebook” และ “Laptop” ในหมวดหมู่เดียวกัน, “NVIDIA (NVDA ) ” เป็นผู้ผลิตสำหรับสินค้าทั้งสอง และอื่นๆ

การทำความเข้าใจข้อมูลสินค้าเป็นกุญแจสำคัญ

คิดว่าการแมทชิ่งชื่อสินค้าสามารถช่วยให้คุณเข้าใจข้อมูลสินค้าและทำความสะอาดข้อมูลการขายของคุณ? มาเข้าร่วมการเดโมวันนี้ที่ Width.ai