Attributi di prodotto: come estrarli, normalizzarli e mapparli

Cosa sono gli attributi di prodotto (e cosa non sono)

Un attributo di prodotto è una proprietà con nome e valore: materiale = acciaio inossidabile, capacità = 1,5 L, colore = nero. La ricerca sull’estrazione degli attributi li chiama coppie attributo-valore. Gli attributi descrivono il prodotto stesso e restano veri ovunque venga venduto, ed è per questo che vanno in campi strutturati e non solo nel testo della descrizione.

Tre concetti vicini si confondono facilmente con gli attributi, e mescolarli causa la maggior parte dei problemi di schema successivi:

Definisci lo schema degli attributi prima di estrarre qualsiasi cosa

Uno schema di attributi è il contratto che ogni valore deve rispettare. Senza di esso, l’estrazione produce ciò che la fonte capita di dire e la normalizzazione diventa un’ipotesi. Per ogni attributo decidi nome, tipo di dato, unità canonica, valori ammessi o regola di validazione, se può contenere più valori e dove è obbligatorio.

Mantieni lo schema per famiglia di prodotti anziché un unico elenco gigante: un bollitore richiede capacità e potenza nominale, una T-shirt richiede composizione delle fibre e taglia. Parti dagli attributi richiesti dai tuoi canali e su cui gli acquirenti filtrano, poi aggiungi gli attributi tecnici che le tue schede tecniche forniscono in modo affidabile.

Da dove provengono i valori degli attributi e quale fonte prevale

I valori arrivano di solito da più fonti che non sempre concordano. Stabilisci una priorità delle fonti per ciascun attributo, in modo che i conflitti si risolvano in modo coerente e non in base a chi modifica per ultimo il record.

Un’impostazione pratica predefinita: i documenti tecnici prevalgono sui testi di marketing, e il documento specifico prevale su quello generale. Quando fonti di pari livello non concordano — ad esempio scheda tecnica e confezione che riportano pesi diversi — non fare la media né sceglierne una: chiedi al fornitore quale sia quella aggiornata.

• Schede tecniche e schede delle specifiche: la fonte più affidabile per dimensioni, valori nominali, materiali e prestazioni, di solito nelle tabelle.
• Confezione e file grafici delle etichette: fanno fede per ciò che è stampato sulla confezione, come quantità netta, avvertenze e marcature.
• Schede di sicurezza: classificazione di pericolo, composizione e proprietà fisiche per i prodotti chimici; non sono attributi di marketing.
• Descrizioni dei prodotti del fornitore: utili per gli attributi che non compaiono mai in una tabella (stile, uso previsto, modelli compatibili), ma le meno precise.

Come estrarre gli attributi dalle descrizioni dei prodotti

Le descrizioni in testo libero sono la fonte più difficile perché i valori sono avvolti in frasi, qualificati dal linguaggio di marketing e talvolta negati. Che si usino regole, un dizionario di valori noti o un modello linguistico, la procedura che rende affidabile l’output è la stessa:

1. Elenca gli attributi di destinazione per la famiglia di prodotti, con i relativi valori ammessi e unità, prima di leggere qualsiasi testo.
2. Dividi il testo in frasi e punti elenco, poi individua i valori candidati: numeri con unità, termini del vocabolario noto e schemi come “compatibile con …”.
3. Controlla il contesto di ogni candidato per qualificatori (“fino a”, “circa”, “da”), negazioni (“senza BPA”, “non adatto a”) e condizioni (“con coperchio”, “a 20 °C”).
4. Assegna ogni valore a un solo attributo; quando un numero potrebbe appartenere a due attributi, lascialo non assegnato per la revisione anziché tirare a indovinare.
5. Normalizza valore e unità con le regole delle sezioni successive, conservando accanto il testo originale.
6. Segna ogni attributo proveniente solo dal testo di marketing, così che un revisore possa confermarlo su una scheda tecnica prima che venga usato in una tabella delle specifiche o in una bozza di dichiarazione.

Mappa le intestazioni delle schede tecniche su nomi di attributi canonici

Ogni fabbricante etichetta lo stesso attributo in modo diverso, spesso nella propria lingua. Costruisci una tabella di sinonimi che associa il testo delle intestazioni che incontri davvero al nome canonico del tuo attributo; cresce rapidamente all’inizio, poi si stabilizza e diventa la tua risorsa di normalizzazione più riutilizzabile. Registra anche l’unità stampata nell’intestazione: sotto “Peso (lbs)” nessuna cella ripete l’unità. Layout delle tabelle, scansioni e OCR sono trattati nella guida sull’estrazione dei dati di prodotto dai PDF.

Normalizzare numeri e unità

Salva ogni attributo quantitativo in due campi: un numero e un codice di unità. La Raccomandazione n. 20 dell’UN/CEFACT (“Codes for Units of Measure Used in International Trade”) fornisce a tal fine codici comuni di tre caratteri, e schema.org usa gli stessi codici nella proprietà unitCode, ad esempio un QuantitativeValue di 25 con unitCode CMT. Usare questi codici al posto di unità in testo libero (“cm”, “cms”, “centimetri”) elimina un’intera classe di incongruenze.

Scegli un’unità canonica per attributo, di solito l’unità SI o un suo multiplo decimale, e converti all’importazione in modo che i valori siano confrontabili tra fornitori. Conserva il valore e l’unità originali come stampati per la tracciabilità e riconverti nelle unità del canale all’esportazione: un CSV prodotti di Shopify si aspetta il peso in grammi, mentre WooCommerce usa le unità di peso e dimensione configurate nel negozio.

Fai attenzione ai dettagli che causano errori silenziosi. I separatori decimali e delle migliaia dipendono dalle convenzioni linguistiche del documento: su una scheda tecnica tedesca “1.000 W” sono mille watt. Dividi gli intervalli in campi minimo e massimo, salva le tolleranze separatamente dal valore nominale e tieni qualificatori come “circa” o “max.” in un campo a parte. Le conversioni imperiali usano definizioni esatte (1 pollice = 25,4 mm; 1 lb = 0,45359237 kg); arrotonda una sola volta, al momento della visualizzazione.

Usa vocabolari controllati per gli attributi testuali

Un vocabolario controllato è l’elenco dei valori che un attributo testuale può assumere, più i sinonimi che vi si associano. Permette a un filtro “Colore: nero” di trovare prodotti descritti come “blk”, “Black” e “schwarz”.

Mantieni due campi dove marketing e filtri tirano in direzioni opposte: un valore di base normalizzato per filtri e feed, e il nome proprio del fabbricante per la visualizzazione. “Midnight Graphite” è un buon dettaglio per la pagina prodotto e un valore di filtro inutile; “grigio” è l’opposto. Per i cataloghi multilingue, salva i valori del vocabolario come codici indipendenti dalla lingua e traduci le relative etichette, così lo stesso prodotto si filtra correttamente in ogni lingua del negozio.

Mappa gli attributi su tassonomie e schemi dei canali

Una tassonomia stabilisce quali attributi si applicano a un prodotto e come si chiamano. Raramente puoi sceglierne una: un rivenditore può chiedere il GS1 GPC, un grossista l’ETIM, Shopify la propria Standard Product Taxonomy, e i motori di ricerca leggono il markup schema.org. Mantieni il tuo schema di attributi come riferimento principale e gestisci una mappatura verso ciascuna tassonomia esterna.

Nel GS1 GPC il brick è l’elemento costitutivo e gli attributi del brick riportano dettagli come il fatto che un latte sia di origine animale o non animale. L’ETIM assegna a ogni classe un insieme predefinito di caratteristiche con elenchi di valori e unità fissi, e pubblica il proprio modello in 17 lingue. Shopify chiede una sola categoria, scelta in base alla funzione principale del prodotto; impostarla sblocca i metacampi della categoria. Il Product di schema.org ha proprietà dedicate come gtin, mpn, brand, color, material, size e weight.

Gestire le varianti senza duplicare gli attributi

Le varianti sono prodotti che condividono la maggior parte degli attributi e differiscono per pochi. Modellale come un record padre che contiene gli attributi condivisi e record figlio che contengono solo gli assi della variante e i valori che cambiano con essi, come colore, taglia, capacità e i propri identificativi. Le regole GTIN di GS1 trattano ogni variazione di stile, colore e taglia come un prodotto unico con il proprio GTIN, quindi l’identificativo risiede sempre nel figlio.

Le tabelle di specifiche multi-modello causano la maggior parte degli errori sulle varianti. Dividi una tabella con una colonna per modello in un record per colonna e copia ogni valore stampato una sola volta su più colonne — una cella unita, o “tutti i modelli: 230 V” sotto la tabella — su ogni figlio a cui si applica. In Shopify la colonna CSV Option1 LinkedTo collega un’opzione di variante a un metacampo della categoria; un prodotto può avere fino a tre opzioni e 2.048 varianti.

Convalidare gli attributi con regole e campionamento QA

Le regole di validazione intercettano gli errori meccanici: tipo errato, unità errata, valore impossibile, attributo obbligatorio mancante. Eseguile a ogni importazione e indirizza gli errori a un revisore anziché scartare i valori in silenzio.

Le regole non possono intercettare un valore plausibile ma sbagliato: una capacità copiata dalla colonna del modello vicino supera tutti i controlli. Il campionamento QA può: confronta campi e fonti dei record campionati uno per uno. Non esiste una dimensione del campione o una soglia di errore universale; stabiliscile in base al rischio.

1. Estrai un campione di record per fornitore, dando più peso ai nuovi fornitori e ai nuovi layout di documento.
2. Confronta ogni attributo campionato con la fonte, registrando separatamente corrispondenze, valori errati e valori mancanti.
3. Calcola i tassi di errore per attributo, non solo per record, per individuare gli attributi o le mappature delle intestazioni che causano problemi.
4. Controlla gli attributi rilevanti per la sicurezza e quelli richiesti dalla legge su ogni record, non a campione.

Gestire la normalizzazione degli attributi su larga scala

Lo schema, le tabelle di sinonimi, i vocabolari e le regole sono la parte duratura di questo lavoro; il metodo di estrazione può cambiare al di sotto di essi. Versionali, assegna a ciascuno un responsabile, registra le correzioni manuali con un motivo (correzioni ripetute indicano una regola mancante) e rivedi la tabella dei sinonimi ogni volta che inserisci un nuovo fornitore.

Se i tuoi attributi nascono nei PDF dei fornitori, Doc2Shelf può occuparsi della fase di estrazione: legge schede tecniche, schede delle specifiche, SDS e cataloghi caricati, mantiene valori e unità esattamente come stampati con la pagina e una breve citazione come evidenza, e segnala i dati obbligatori mancanti. Le tue regole di normalizzazione si applicano poi durante la revisione, prima che il record alimenti inserzioni o bozze di dichiarazione.