Productspecificaties en -gegevens uit PDF's van leveranciers extraheren

Traceerbare extractie met betrouwbaarheidsscores

Beoordeel geëxtraheerde waarden naast het leveranciersdocument. De betrouwbaarheidsscore van de extractie en het bewijs met pagina en quote helpen u te bepalen wat u eerst controleert; ze zijn geen garantie dat een specificatie juist is.

Het resultaat is gestructureerde productdata die u kunt vertrouwen: consistente veldnamen, genormaliseerde waarden en een duidelijk audittrail van datapunt naar brondocument.

Specificaties & kenmerken

Doc2Shelf extraheert die gegevens met AI. Het identificeert product-ID's, specificaties, materialen, afmetingen en compliance-relevante velden, structureert ze consistent en koppelt een betrouwbaarheidsscore aan elk veld, zodat u weet wat u moet verifiëren.

Het resultaat is gestructureerde productdata die u kunt vertrouwen: consistente veldnamen, genormaliseerde waarden en een duidelijk audittrail van datapunt naar brondocument.

Van pdf naar productvermeldingen, conceptverklaringen en DPP-gerichte gegevens

Extractie is de basis voor de vervolgstappen. Dezelfde beoordeelde gestructureerde gegevens kunnen Shopify- en WooCommerce-vermeldingen, beoordeelbare eBay-concepttekst, EU-/VS-verklaringsconcepten, toepasselijke GPSR-inhoud en afzonderlijke DPP-gerichte gestructureerde JSON voor verdere implementatie ondersteunen.

Exporteer de ruwe gestructureerde gegevens als JSON of CSV als u ze in uw eigen systemen wilt gebruiken, of gebruik ze om vermeldingen en conceptverklaringen ter beoordeling voor te bereiden.

Gebouwd voor schaalbaarheid

Upload tot 500 pdf’s tegelijk, binnen de documentenlimiet van uw abonnement, en laat de achtergrondpijplijn ze parallel extraheren. Hergebruikte extracties en een consistente structuur houden grote catalogi coherent, en de beoordelingspoort houdt de kwaliteit hoog voordat iets verderop wordt gepubliceerd.

Welke leveranciersdocumenten het beste werken

Doc2Shelf extraheert uit de pdf-bestanden die u uploadt; het doorzoekt geen leveranciersportalen en haalt geen documenten voor u op. Zowel digitale als gescande pdf’s kunnen worden gelezen, al verlagen slechte scans de betrouwbaarheid van de extractie, en een document dat meerdere producten behandelt levert meerdere productrecords op.

Wat u uit een bestand kunt verwachten, hangt af van het soort document:

Wat er wordt geëxtraheerd en waar het wordt gebruikt

Elke extractie levert productrecords op die in dezelfde veldgroepen zijn ingedeeld, ongeacht de opmaak van de leverancier. De groepen sluiten rechtstreeks aan op de content die Doc2Shelf daarna voorbereidt, zodat een waarde die u één keer hebt gecontroleerd overal wordt hergebruikt waar ze nodig is.

Naast de gestructureerde velden bewaart de extractie haar bewijs: een lijst met feiten met paginanummer en een korte letterlijke quote, elke datatabel rij voor rij gereproduceerd, feiten die in geen enkel standaardveld passen en een lijst met vereiste informatie die het document niet bevatte. Informatie die nog ontbreekt wanneer vermeldingen of conceptverklaringen worden gegenereerd, verschijnt als [REQUIRED: …]-plaatshouder in plaats van als verzonnen waarde.

Betrouwbaarheidsscores, bewijs en de beoordelingspoort

Elke extractie heeft een betrouwbaarheidsscore en een volledigheidsscore, met opmerkingen over aandachtspunten zoals onleesbare delen, dubbelzinnige waarden of scankwaliteit. Gebruik ze om te bepalen waar u eerst kijkt. Een hoge score maakt een waarde niet juist, en een lage score wijst meestal op een probleem met het document — een slechte scan, een onduidelijke tabel — dat misschien aan de bron moet worden verholpen.

Niets van wat is geëxtraheerd wordt ongecontroleerd gepubliceerd of geëxporteerd. Wanneer u content als beoordeeld markeert, legt Doc2Shelf een inhoudshash vast; elke latere bewerking wijzigt de hash en maakt de beoordeling ongeldig, zodat publiceren en exporteren geblokkeerd blijven totdat iemand de gewijzigde versie heeft gecontroleerd. Een praktische volgorde voor de beoordeling:

• Begin met de documenten met de laagste betrouwbaarheid of volledigheid.
• Controleer eerst identificatiegegevens en veiligheidsrelevante waarden aan de hand van het geciteerde bewijs.
• Controleer of elke waarde uit een tabel met meerdere modellen bij het juiste product staat.
• Los gemarkeerde ontbrekende gegevens op met de leverancier in plaats van ze zelf in te vullen.
• Markeer de content als beoordeeld en beoordeel opnieuw na elke bewerking.

Batchextractie en outputformaten

Upload tot 500 pdf’s in één batch, binnen de documentenlimiet van uw abonnement, en de extractie draait op de achtergrond. Ingebouwde sjablonen richten de extractie op een documenttype — voedingsetiket, SDS / chemisch, elektronica-specificatieblad of algemeen product — en u kunt aandachtsgebieden kiezen, eigen instructies toevoegen, een auditmodus inschakelen die elk feit en elke tabelrij met een quote vastlegt en, afhankelijk van uw abonnement, uw instellingen als sjabloon opslaan voor de volgende leverancier.

Waarden blijven in de taal van het document, met eenheden precies zoals gedrukt, zodat er tussen de bron en uw beoordeling niets stilzwijgend wordt omgerekend. Na de beoordeling verlaten de gegevens Doc2Shelf in het formaat dat elke workflow nodig heeft:

Hoe het verschilt van generieke pdf-parsers en OCR-tools

Generieke tools voor pdf-naar-spreadsheet en OCR-engines lossen een deel van het probleem op: ze halen tekst en tabellen uit een bestand. Die tekst omzetten in productrecords — en die records in vermeldingen en compliance-concepten — laten ze aan u over. De onderstaande vergelijking gaat over het type tool, niet over een specifiek product.

Een generieke tool is de eenvoudiger keuze als u alleen één schone tabel in een spreadsheet wilt kopiëren, of als u grote volumes van één vast formulier verwerkt. Doc2Shelf is gebouwd voor het tegenovergestelde geval: veel leveranciers, uiteenlopende opmaak en gegevens die in vermeldingen en conceptverklaringen terecht moeten komen. De gids over het extraheren van productgegevens uit pdf’s vergelijkt alle methoden uitgebreider.

Datakwaliteit en beperkingen

AI-extractie kan een waarde missen, verkeerd lezen — vooral bij slechte scans, dichte tabellen of waarden die alleen in tekeningen staan — of een waarde aan het verkeerde model koppelen in een tabel met meerdere producten. Daarom bestaat de beoordelingspoort en bewaart de extractie bewijs dat u kunt controleren. Ken deze grenzen voordat u een catalogusmigratie plant:

• Het extraheert alleen wat het document vermeldt; het zoekt ontbrekende waarden niet elders op en schat ze niet.
• Eenheden en waarden blijven zoals gedrukt. Het omrekenen van eenheden en het normaliseren van waardenlijsten voor uw kanalen hoort bij uw beoordeling; de gids over productkenmerken legt uit hoe.
• Een SKU wordt alleen vastgelegd als het document er uitdrukkelijk een vermeldt, en wordt nooit afgeleid van een bestandsnaam of modelnummer.
• Normen, markeringen en certificaatverwijzingen worden vastgelegd zoals vermeld. Doc2Shelf test geen producten, beoordeelt geen conformiteit en controleert geen certificaten.
• Tekst blijft in de taal van het document; het vertalen van vermeldingen is een aparte stap die beoordelingsklare concepten oplevert.
• Uploads zijn pdf-bestanden; andere formaten moeten eerst als pdf worden opgeslagen.