Udtræk produktspecifikationer og -data fra leverandør-PDF'er

Konfidens-scoret, sporbar udtrækning

Gennemgå de udtrukne værdier side om side med leverandørdokumentet. Udtrækkets konfidensscore og dokumentationen med side og citat hjælper dig med at afgøre, hvad du skal tjekke først; de er ingen garanti for, at en specifikation er korrekt.

Resultatet er strukturerede produktdata, du kan stole på: konsistente feltnavne, normaliserede værdier og en klar revisionssti fra datapunkt til kildedokument.

Specifikationer & attributter

Doc2Shelf udtrækker disse data med AI. Det identificerer produkt-id'er, specifikationer, materialer, dimensioner og overholdelsesrelevante felter, strukturerer dem konsistent og vedhæfter en konfidensscore til hvert felt, så du ved, hvad der skal verificeres.

Resultatet er strukturerede produktdata, du kan stole på: konsistente feltnavne, normaliserede værdier og en klar revisionssti fra datapunkt til kildedokument.

Fra PDF til produktlister, erklæringsudkast og DPP-orienterede data

Udtræk er grundlaget for alt det efterfølgende. De samme gennemgåede strukturerede data kan understøtte Shopify- og WooCommerce-produktposter, eBay-målrettet udkaststekst til gennemgang, EU-/USA-erklæringsudkast, relevant GPSR-indhold og separat DPP-orienteret struktureret JSON til efterfølgende implementering.

Eksportér de rå strukturerede data som JSON eller CSV, hvis du vil bruge dem i dine egne systemer, eller brug dem til at forberede produktlister og erklæringsudkast til gennemgang.

Bygget til skalering

Upload op til 500 PDF'er ad gangen inden for din plans dokumentkvote, og lad baggrundsprocessen udtrække dem parallelt. Genbrugte udtræk og en ensartet struktur holder store kataloger sammenhængende, og gennemgangskontrollen sikrer høj kvalitet, før noget udgives videre.

Hvilke leverandørdokumenter fungerer bedst

Doc2Shelf udtrækker fra de PDF-filer, du uploader; det gennemsøger ikke leverandørportaler og henter ikke dokumenter for dig. Både digitale og scannede PDF'er kan læses, men dårlige scanninger sænker udtrækkets konfidens, og et dokument, der dækker flere produkter, giver flere produktposter.

Hvad du kan forvente at få ud af en fil, afhænger af dokumenttypen:

Hvad der udtrækkes, og hvor det bruges

Hvert udtræk returnerer produktposter organiseret i de samme feltgrupper, uanset leverandørens layout. Grupperne svarer direkte til det indhold, Doc2Shelf forbereder derefter, så en værdi, der er kontrolleret én gang under gennemgangen, genbruges overalt, hvor den er nødvendig.

Ud over de strukturerede felter gemmer udtrækket sin dokumentation: en liste over fakta med sidenummer og et kort ordret citat, hver datatabel gengivet række for række, fakta der ikke passer i noget standardfelt, og en liste over påkrævede oplysninger, som dokumentet ikke indeholdt. Oplysninger, der stadig mangler, når produktlister eller erklæringsudkast genereres, vises som en [REQUIRED: …]-pladsholder i stedet for en opdigtet værdi.

Konfidensscorer, dokumentation og gennemgangskontrollen

Hvert udtræk har en konfidensscore og en fuldstændighedsscore samt noter om forbehold som ulæselige områder, tvetydige værdier eller scanningskvalitet. Brug dem til at afgøre, hvor du skal kigge først. En høj score gør ikke en værdi korrekt, og en lav score peger som regel på et dokumentproblem — en dårlig scanning, en uklar tabel — som kan være værd at rette ved kilden.

Intet udtrukket udgives eller eksporteres ugennemgået. Når du markerer indhold som gennemgået, registrerer Doc2Shelf en indholdshash; enhver senere redigering ændrer hashen og ugyldiggør gennemgangen, så udgivelse og eksport forbliver blokeret, indtil nogen har kontrolleret den ændrede version. En praktisk gennemgangsrækkefølge:

• Start med de dokumenter, der har lavest konfidens eller fuldstændighed.
• Kontrollér først identifikatorer og sikkerhedsrelevante værdier mod det citerede bevis.
• Bekræft, at hver værdi fra en tabel med flere modeller står ved det rigtige produkt.
• Afklar markerede manglende data med leverandøren i stedet for at udfylde dem selv.
• Markér indholdet som gennemgået, og gennemgå det igen efter enhver redigering.

Batch-udtræk og outputformater

Upload op til 500 PDF'er i én batch inden for din plans dokumentkvote, og udtrækket kører i baggrunden. Indbyggede skabeloner fokuserer udtrækket på en dokumenttype — Food label, SDS / chemical, Electronics spec sheet eller General product — og du kan vælge fokusområder, tilføje egne instruktioner, aktivere en revisionstilstand, der registrerer hvert faktum og hver tabelrække med et citat, og, afhængigt af din plan, gemme dine indstillinger som skabelon til den næste leverandør.

Værdierne bevares på dokumentets sprog og med enhederne præcis som trykt, så intet stille og roligt omregnes mellem kilden og din gennemgang. Når dataene er gennemgået, forlader de Doc2Shelf i det format, hver arbejdsgang har brug for:

Forskellen på generiske PDF-parsere og OCR-værktøjer

Generiske PDF-til-regneark-værktøjer og OCR-motorer løser en del af problemet: de henter tekst og tabeller ud af en fil. At omdanne teksten til produktposter — og posterne til produktlister og compliance-udkast — overlader de til dig. Sammenligningen nedenfor handler om værktøjstypen, ikke om et bestemt produkt.

Et generisk værktøj er det enkleste valg, når du kun skal have én ren tabel kopieret ind i et regneark, eller når du behandler store mængder af én fast formular. Doc2Shelf er bygget til det modsatte: mange leverandører, varierende layouts og data, der skal ende i produktlister og erklæringsudkast. Guiden til at udtrække produktdata fra PDF'er sammenligner alle metoderne mere detaljeret.

Datakvalitet og begrænsninger

AI-udtræk kan overse en værdi, misforstå en — især i dårlige scanninger, tætte tabeller eller værdier, der kun står i tegninger — eller knytte en værdi til den forkerte model i en tabel med flere produkter. Derfor findes gennemgangskontrollen, og derfor gemmer udtrækket dokumentation, du kan kontrollere. Kend disse grænser, før du planlægger en katalogmigrering:

• Det udtrækker kun det, dokumentet angiver; det slår ikke manglende værdier op andre steder og estimerer dem ikke.
• Enheder og værdier bevares som trykt. Omregning af enheder og normalisering af værdilister til dine kanaler er en del af din gennemgang; guiden til produktattributter beskriver hvordan.
• En SKU registreres kun, når dokumentet udtrykkeligt angiver en, og aldrig afledt af et filnavn eller modelnummer.
• Standarder, mærker og certifikathenvisninger registreres som angivet. Doc2Shelf tester ikke produkter, vurderer ikke overensstemmelse og kontrollerer ikke certifikater.
• Teksten bevares på dokumentets sprog; oversættelse af produktlister er et særskilt trin, der giver udkast klar til gennemgang.
• Uploads er PDF-filer; andre formater skal først gemmes som PDF.