サプライヤーのPDFから製品仕様とデータを抽出

信頼度スコア付きの追跡可能な抽出

抽出された値は、サプライヤー文書と照らし合わせて確認してください。抽出結果の信頼度スコアと、ページ・引用による根拠は、どこから確認すべきかを判断する助けになりますが、仕様が正しいことを保証するものではありません。

その結果、信頼できる構造化データが得られます。一貫したフィールド名、正規化された値、そしてデータポイントからソースドキュメントまでの明確な監査証跡が確保されます。

仕様と属性

Doc2ShelfはAIを使用してそのデータを抽出します。製品識別子、仕様、素材、寸法、コンプライアンス関連項目を特定し、一貫性のある構造に整理します。すべての項目に信頼度スコアを付与するため、何を検証すべきかが明確になります。

その結果、信頼できる構造化データが得られます。一貫したフィールド名、正規化された値、そしてデータポイントからソースドキュメントまでの明確な監査証跡が確保されます。

PDFから商品リスト、宣言書案、DPP準備用データまで

抽出は後続工程の基盤です。同じレビュー済み構造化データを、ShopifyとWooCommerceの商品情報、レビュー可能なeBay向け文案、EU・米国向け宣言書案、該当するGPSR情報、後続実装に向けた個別のDPP準備用構造化JSONに利用できます。

構造化された生データをJSONまたはCSVでエクスポートして自社のシステムで使うことも、レビュー用の商品リストや宣言書案の作成に活用することもできます。

スケールに対応した設計

ご利用プランの文書数の範囲内で、最大500件のPDFを一度にアップロードでき、バックグラウンドのパイプラインが並行して抽出します。抽出結果の再利用と一貫した構造により、大規模なカタログでも整合性が保たれ、レビューゲートによって、後工程で公開される前に品質が確保されます。

相性のよいサプライヤー文書

Doc2ShelfはアップロードされたPDFファイルから抽出を行います。サプライヤーのポータルを巡回したり、文書を代わりに取得したりすることはありません。デジタルPDFもスキャンしたPDFも読み取れますが、スキャン品質が低いと抽出の信頼度が下がります。また、複数の製品を扱う文書からは、複数の製品レコードが作成されます。

ファイルから何が得られるかは、文書の種類によって異なります。

抽出される内容と、その使い道

抽出結果は、サプライヤーのレイアウトに関係なく、同じ項目グループに整理された製品レコードとして返されます。これらのグループは、Doc2Shelfが次に作成するコンテンツに直接対応しているため、レビューで一度確認した値は、必要なあらゆる場面で再利用されます。

構造化された項目とあわせて、抽出結果は根拠も保持します。ページ番号と短い原文引用を伴う事実の一覧、すべてのデータ表を行ごとに再現したもの、標準項目に当てはまらない事実、そして文書に含まれていなかった必須情報の一覧です。商品リストや宣言書案を生成する時点でも不足している情報は、作り出された値ではなく [REQUIRED: …] のプレースホルダーとして表示されます。

信頼度スコア、根拠、レビューゲート

すべての抽出結果には信頼度スコアと網羅性スコアが付き、判読できない箇所、あいまいな値、スキャン品質といった注意点のメモも添えられます。これらを手がかりに、どこから確認するかを判断してください。スコアが高くても値が正しいとは限らず、スコアが低い場合は、不鮮明なスキャンや分かりにくい表など、元の文書に問題があることが多く、その場合は大元で修正する価値があるかもしれません。

抽出された内容は、レビューされないまま公開やエクスポートされることはありません。コンテンツを確認済みにすると、Doc2Shelfがコンテンツハッシュを記録します。その後に編集するとハッシュが変わってレビューが無効になるため、変更後のバージョンが確認されるまで、公開とエクスポートはブロックされたままです。実用的な確認の順序は次のとおりです。

• 信頼度または網羅性が最も低い文書から始めます。
• 識別子と安全に関わる値を、まず引用された根拠と照合します。
• 複数モデルの表にある値が、すべて正しい製品に紐づいているかを確認します。
• フラグが立った不足データは、補完せずにサプライヤーに確認して解決します。
• コンテンツを確認済みにし、編集した場合は再度レビューします。

一括抽出と出力形式

ご利用プランの文書数の範囲内で、最大500件のPDFを1回のバッチでアップロードでき、抽出はバックグラウンドで実行されます。内蔵のテンプレート（食品ラベル、SDS／化学品、電子機器の仕様書、一般製品）で文書の種類に合わせた抽出ができます。重点領域の選択、カスタム指示の追加、すべての事実と表の行を引用付きで取り込む監査モードの有効化も可能で、ご利用プランによっては、次のサプライヤー向けに設定をテンプレートとして保存できます。

値は文書の言語のまま、単位も印刷されたとおりに保持されるため、元の文書とレビューの間で何かが気づかれないまま変換されることはありません。レビュー後、データは各ワークフローが必要とする形式でDoc2Shelfから出力されます。

汎用のPDFパーサーやOCRツールとの違い

汎用のPDFからスプレッドシートへの変換ツールやOCRエンジンは、ファイルからテキストや表を取り出すという課題の一部を解決します。そのテキストを製品レコードに変え、さらにそのレコードを商品リストやコンプライアンス文書の下書きにする部分は、利用者に任されています。以下の比較は、特定の製品ではなくツールの種類についてのものです。

1つの整った表をスプレッドシートにコピーするだけの場合や、決まった1つの書式を大量に処理する場合は、汎用ツールのほうが簡単な選択肢です。Doc2Shelfはその逆のケース、つまり多数のサプライヤー、さまざまなレイアウト、そして商品リストや宣言書案に最終的に反映させる必要があるデータのために作られています。PDFから商品データを抽出する方法のガイドでは、すべての方法をさらに詳しく比較しています。

データ品質と制約

AI抽出では、値の見落とし、読み違い（特に不鮮明なスキャン、密度の高い表、図面にしか示されていない値）、複数製品の表で別のモデルに値を割り当ててしまう誤りが起こり得ます。そのためにレビューゲートがあり、確認できる根拠も抽出結果に残されています。カタログの移行を計画する前に、次の制約を把握しておいてください。

• 文書に記載されている内容だけを抽出します。不足している値を他から調べたり、推定したりすることはありません。
• 単位と値は印刷されたとおりに保持されます。単位の換算や、各チャネル向けの値リストの正規化は、レビューの一環として行います。方法は商品属性のガイドで解説しています。
• SKUは、文書に明確にSKUと記載されている場合のみ取得され、ファイル名や型番から導き出されることはありません。
• 規格、マーク、証明書への参照は記載のとおりに記録されます。Doc2Shelfは製品の試験、適合性の評価、証明書の検証を行いません。
• テキストは文書の言語のままです。商品リストの翻訳は別のステップで、レビュー用の下書きを作成します。
• アップロードできるのはPDFファイルです。それ以外の形式は、先にPDFとして保存する必要があります。