Швидкий огляд того, як ви можете автоматизувати співставлення даних про продукти та управління SKU, використовуючи лише назви продуктів з NLP.

Співставлення назв продуктів – це процес співставлення подібних або ідентичних продуктів з різних джерел, заснований виключно на назві продукту та інших атрибутах заголовка продукту. Коли дані варіюються та джерела даних зростають в організації, може стати складніше підтримувати точність даних про продукти та керувати новими SKU. Проблеми виникають при використанні різних постачальників та виробників, а також підтриманні високої якості даних про продукти. Це може викликати проблеми при оцінці даних про продажі та розумінні ваших маркетингових зусиль та успішності.

Хоча це часто робиться вручну, це може стати дуже часу споживаючим і не масштабується добре. Старіші системи, засновані на базових атрибутах продуктів, таких як SKU та коди UPC, не працюють добре з сучасними неструктурованими даними. Ці старіші системи вимагають допоміжних процесів для витягування атрибутів, видалення дублікатів та очищення стоп-слів з неструктурованих даних про продукти. Навіть з усіма даними про очищення та витягування ключових слів ці системи все ще борються з такими речами, як:

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

І

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

Щоб зрозуміти відносини між словами, такими як “лептоп” та “ноутбук”, та ключові слова для співставлення GeForce, нам потрібно використовувати обробку природної мови.

Що може надати співставлення назв продуктів для вас

Співставлення даних про продукти на основі назви надає рітейлерам та електронним брендам багато переваг у світі даних про продажі та маркетингової розвідки.

• Організуйте продукти та SKU по декільком постачальникам та виробникам
• Використовуйте дані конкурентів, щоб зрозуміти ринкові тенденції та конкурентоспроможну ціну
• Зрозумійте життєвий цикл продукту
• Застосуйте відсутність будь-яких відсутніх частин у ваших даних про продажі та маркетингових кампаніях

Використання системи співставлення назв продуктів дозволяє вам завжди мати точну інформацію, необхідну для виконання співставлення даних. Інші системи, які вимагають великої кількості даних або глибоких описів продуктів, можуть боротися з цим, коли ви розширюєтеся на більше продуктів. Ми виявили, що використання системи співставлення назв продуктів на основі глибокого навчання дозволяє отримувати подібні результати без довгострокових ризиків масштабування. Ми змогли використовувати співставлення назв продуктів як базовий рівень і побудувати інші моделі навколо нього, такі як співставлення UPC та опису продукту, щоб просто покращити результати, а не залежати від них.

Співставлення назв продуктів з обробкою природної мови

Ми побудували нашу систему співставлення назв продуктів, використовуючи популярні моделі NLP, такі як GPT-3, BERT та SBERT, щоб вивчити відносини між різними атрибутами назв продуктів, такими як бренд, назва продукту, тип тощо. Ці моделі глибокого навчання значно кращі за базові системи співставлення та інші підходи, засновані на правилах, і доведено, що вони легко масштабуються з новими даними та шумом.

Співставлення між: Garmin nuvi 2699LMTHD — GPS-навігатор — автомобіль 6.1 в nuvi 2699LMTHD Автомобільний портативний GPS-навігатор

Цей результат програми NLP показує кілька важливих речей:

• Стоп-слова та символи не впливають на нашу здатність співставляти назви продуктів
• Модель може визначити слова в назві продукту, які мають значення, незалежно від порядку чи наявності шумових слів.
• Бренд не потрібен для того, щоб знайти співставлення або відхилити співставлення.
• Атрибути продукту не потрібні (розмір, довжина) в кожному продукті, який ми порівнюємо, і не повинні бути однаковими типами.

Модель співставлення назв продуктів виявляє малі, але важливі відмінності між розмірами контейнерів, які вважаються різними SKU в базі даних продуктів. У другому прикладі ми бачимо, що є багато рухомих частин – різні кількості пляшок та шумові дані, але все ж таки легке співставлення.

Доопрацювання для виробничого використання

Ця система співставлення назв продуктів може бути доопрацьована для рітейл-магазину або електронного бренду, щоб підвищити точність для вашого конкретного випадку використання. Цей рівень налаштування доступний завдяки архітектурі мови, використаній для побудови системи співставлення назв продуктів, а не використання фuzzer-мечерів або моделей витягування сутностей. Можливість доопрацювання архітектури для конкретних даних компанії дозволяє покращити масштабованість, а також полегшує коригування змін у неструктурованих даних при додаванні нових продуктів або джерел.

Відносність у співставленні продуктів

Як ви, можливо, помітили, ідея співставлення продуктів може бути відносною залежно від випадку використання, який ви намагаєтеся покрити. Якщо ви намагаєтеся відрізнити продукти на основі SKU, ви хочете різні результати, ніж якщо ви намагалися зрозуміти ринковий розмір та продукти конкурентів.

Наприклад, якщо у вас є такі назви продуктів:

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

Ви можете вважати їх не співставленими на основі ідеї, що вони мають різні SKU всередині одного магазину, але також можете вважати їх співставленими на основі ідеї, що вони обидва Мастикова гумка. Якщо ми тепер включимо цю назву продукту в суміш:

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

Ми повинні вирішити заздалегідь, що ми співставляємо. Це явно продукт конкурента та має інший код UPC, але це все ж таки Мастикова гумка, і якщо ми просто шукаємо продукти під однією та тією ж “навіскою”, то це співставлення. Багато чого потрібно подумати при проектуванні систем співставлення даних продуктів.

Коли ви використовуєте інструмент співставлення назв продуктів на основі NLP, цей рівень гнучкості стає легким. Ми просто доопрацюємо нашу архітектуру для вашого випадку використання, незалежно від того, що ви вважаєте “співставленням”, та оптимізуємо її для цього. Цей рівень гнучкості є революційним, коли ви намагаєтеся використовувати одну й ту ж архітектуру для багатьох різних випадків використання всередині організації і все ж таки досягати високої точності.

Наш конвеєр на основі SKU правильно вважає це не співставленням.

Витягування даних продукту

Як тільки ми вже співставили назви продуктів та маємо розуміння наших внутрішніх даних про продажі чи даних продуктів конкурентів, ми можемо використовувати моделі категоризації продуктів або інструменти витягування атрибутів на основі NLP, щоб заповнити будь-які пробіли в наших даних, такі як розмір продукту, назва виробника, атрибути продукту автоматично. Ці конвеєри використовують одну й ту ж архітектуру, що й наша система співставлення назв продуктів, тому їх можна легко інтегрувати.

Покращення вашої таксономії продукту

Приклад генерації категорій продуктів та тегів з нашої моделі GPT-3.

З інструментом співставлення назв продуктів ви можете покращити ясність вашої таксономії, об’єднавши кілька співставлених атрибутів продуктів в одну категорію. Це значно очищує та стандартизує атрибути, які складають вашу систему таксономії.

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

І

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

Зрозуміння того, що це однакові продукти, дозволяє вам заповнити будь-які пробіли, такі як розміщення “Ноутбук” та “Лептоп” в одну категорію, “NVIDIA (NVDA ) ” як виробник для обидвох продуктів тощо. Це дозволяє вам знайти неправильно категоризовані продукти та заповнити будь-які пробіли.

Знання даних продукту є ключем

Чи можете ви подумати, що співставлення назв продуктів може допомогти вам зрозуміти дані продуктів та очистити вашу розвідку продажів? Давайте запланіруємо демонстрацію сьогодні на Width.ai.