Atrybuty produktów: jak je wyodrębniać, normalizować i mapować

Czym są atrybuty produktu (a czym nie są)

Atrybut produktu to nazwana właściwość z wartością: material = stal nierdzewna, capacity = 1.5 L, color = czarny. Badania nad wyodrębnianiem atrybutów nazywają je parami atrybut–wartość. Atrybuty opisują sam produkt i pozostają prawdziwe wszędzie, gdzie jest sprzedawany, dlatego należą do pól strukturalnych, a nie tylko do tekstu opisu.

Trzy sąsiednie pojęcia łatwo pomylić z atrybutami, a ich mieszanie powoduje większość późniejszych problemów ze schematem:

Zdefiniuj schemat atrybutów, zanim cokolwiek wyodrębnisz

Schemat atrybutów to umowa, którą musi spełniać każda wartość. Bez niego wyodrębnianie daje to, co akurat mówi źródło, a normalizacja staje się zgadywaniem. Dla każdego atrybutu zdecyduj o nazwie, typie danych, jednostce kanonicznej, dozwolonych wartościach lub regule walidacji, o tym, czy może przyjmować kilka wartości, i gdzie jest wymagany.

Prowadź schemat dla rodziny produktów, a nie jedną gigantyczną listę: czajnik potrzebuje pojemności i mocy znamionowej, a T-shirt — składu włókien i rozmiaru. Zacznij od atrybutów, których wymagają Twoje kanały i według których filtrują kupujący, a następnie dodaj atrybuty techniczne, które karty danych konsekwentnie zawierają.

Skąd pochodzą wartości atrybutów i które źródło wygrywa

Wartości zwykle napływają z kilku źródeł, które nie zawsze się zgadzają. Ustal priorytet źródeł dla każdego atrybutu, aby konflikty rozstrzygać spójnie, a nie według tego, kto ostatni edytował rekord.

Praktyczna zasada domyślna: dokumenty techniczne mają pierwszeństwo przed tekstem marketingowym, a dokument szczegółowy przed ogólnym. Gdy równorzędne źródła się różnią — na przykład karta danych i opakowanie podają różne wagi — nie uśredniaj ani nie wybieraj jednego; zapytaj dostawcę, które jest aktualne.

• Karty danych i karty specyfikacji: najbardziej wiarygodne źródło wymiarów, parametrów znamionowych, materiałów i wartości parametrów użytkowych, zwykle w tabelach.
• Opakowanie i projekty etykiet: miarodajne dla tego, co jest wydrukowane na opakowaniu, np. ilości netto, ostrzeżeń i oznaczeń.
• Karty charakterystyki: klasyfikacja zagrożeń, skład i właściwości fizyczne produktów chemicznych; nie atrybuty marketingowe.
• Opisy produktów od dostawców: przydatne dla atrybutów, które nigdy nie pojawiają się w tabeli (styl, przeznaczenie, kompatybilne modele), ale najmniej precyzyjne.

Jak wyodrębniać atrybuty z opisów produktów

Opisy w formie swobodnego tekstu to najtrudniejsze źródło, ponieważ wartości są owinięte w zdania, opatrzone językiem marketingowym, a czasem zanegowane. Niezależnie od tego, czy używasz reguł, słownika znanych wartości, czy modelu językowego, procedura, która zapewnia wiarygodność wyniku, jest taka sama:

1. Zanim przeczytasz jakikolwiek tekst, wypisz docelowe atrybuty dla rodziny produktów wraz z dozwolonymi wartościami i jednostkami.
2. Podziel tekst na zdania i punkty, a następnie znajdź wartości kandydujące: liczby z jednostkami, znane terminy ze słownika i wzorce takie jak „kompatybilny z …”.
3. Sprawdź kontekst każdego kandydata pod kątem kwalifikatorów („do”, „ok.”, „od”), negacji („bez BPA”, „nie nadaje się do”) i warunków („z pokrywką”, „w 20 °C”).
4. Przypisz każdą wartość do dokładnie jednego atrybutu; gdy liczba mogłaby należeć do dwóch atrybutów, zostaw ją nieprzypisaną do weryfikacji zamiast zgadywać.
5. Znormalizuj wartość i jednostkę według reguł z kolejnych sekcji, zachowując obok oryginalny tekst.
6. Oznacz każdy atrybut, który pochodzi wyłącznie z tekstu marketingowego, aby osoba weryfikująca mogła go potwierdzić z kartą danych, zanim zostanie użyty w tabeli specyfikacji lub wersji roboczej deklaracji.

Mapuj nagłówki kart danych na kanoniczne nazwy atrybutów

Każdy producent oznacza ten sam atrybut inaczej, często we własnym języku. Zbuduj tabelę synonimów, która mapuje tekst nagłówków, na które faktycznie trafiasz, na Twoją kanoniczną nazwę atrybutu; na początku rośnie szybko, potem się stabilizuje i staje się Twoim najbardziej wielokrotnie używanym zasobem normalizacji. Zapisuj też jednostkę podaną w nagłówku: pod nagłówkiem „Weight (lbs)” żadna komórka nie powtarza jednostki. Układy tabel, skany i OCR omawia poradnik o wyodrębnianiu danych produktowych z plików PDF.

Normalizuj liczby i jednostki

Każdy atrybut ilościowy zapisuj jako dwa pola: liczbę i kod jednostki. Zalecenie nr 20 UN/CEFACT („Codes for Units of Measure Used in International Trade”) podaje w tym celu trzyznakowe kody powszechne, a schema.org używa tych samych kodów we właściwości unitCode, na przykład QuantitativeValue o wartości 25 z unitCode CMT. Używanie tych kodów zamiast jednostek w postaci swobodnego tekstu („cm”, „cms”, „centymetry”) eliminuje całą klasę niezgodności.

Wybierz jedną jednostkę kanoniczną dla każdego atrybutu, zwykle jednostkę SI lub jej dziesiętną wielokrotność, i przeliczaj przy imporcie, aby wartości można było poprawnie porównywać między dostawcami. Zachowaj oryginalną wartość i jednostkę tak, jak wydrukowano, dla identyfikowalności, a przy eksporcie przeliczaj z powrotem na jednostki kanału: plik CSV produktów Shopify oczekuje wagi w gramach, a WooCommerce używa jednostek wagi i wymiarów skonfigurowanych w sklepie.

Uważaj na szczegóły, które powodują ciche błędy. Separatory dziesiętne i tysięcy zależą od ustawień regionalnych dokumentu: w niemieckiej karcie danych „1.000 W” to tysiąc watów. Dziel zakresy na pola minimum i maksimum, przechowuj tolerancje osobno od wartości nominalnej, a kwalifikatory, takie jak „ok.” lub „maks.”, trzymaj we własnym polu. Przeliczenia na jednostki imperialne używają dokładnych definicji (1 cal = 25,4 mm; 1 funt = 0,45359237 kg); zaokrąglaj raz, w momencie wyświetlania.

Używaj słowników kontrolowanych dla atrybutów tekstowych

Słownik kontrolowany to lista wartości, jakie może przyjmować atrybut tekstowy, wraz z synonimami przypisanymi do każdej z nich. Dzięki niemu filtr „Kolor: czarny” obejmie produkty opisane jako „blk”, „Black” i „schwarz”.

Prowadź dwa pola tam, gdzie marketing i filtrowanie ciągną w różne strony: znormalizowaną wartość bazową dla filtrów i feedów oraz własną nazwę producenta do wyświetlania. „Midnight Graphite” to dobry szczegół na stronie produktu i bezużyteczna wartość filtra; „szary” jest odwrotnie. W katalogach wielojęzycznych przechowuj wartości słownika jako kody niezależne od języka i tłumacz ich etykiety, aby ten sam produkt prawidłowo filtrował się w każdym języku sklepu.

Mapuj atrybuty na taksonomie i schematy kanałów

Taksonomia decyduje, które atrybuty dotyczą produktu i jak się nazywają. Rzadko możesz ją wybrać: sprzedawca detaliczny może poprosić o GS1 GPC, hurtownia o ETIM, Shopify o swoją Standard Product Taxonomy, a wyszukiwarki odczytują znaczniki schema.org. Zachowaj własny schemat atrybutów jako wzorcowy i utrzymuj mapowanie na każdą zewnętrzną taksonomię.

W GS1 GPC podstawowym elementem jest brick, a atrybuty bricka niosą szczegóły, takie jak to, czy mleko jest zwierzęce, czy roślinne. ETIM nadaje każdej klasie predefiniowany zestaw cech ze stałymi listami wartości i jednostkami oraz publikuje swój model w 17 językach. Shopify wymaga jednej kategorii wybranej według głównej funkcji produktu; jej ustawienie odblokowuje metapola kategorii. Product w schema.org ma dedykowane właściwości, takie jak gtin, mpn, brand, color, material, size i weight.

Obsługuj warianty bez duplikowania atrybutów

Warianty to produkty, które mają większość atrybutów wspólnych i różnią się kilkoma. Modeluj je jako rekord nadrzędny zawierający wspólne atrybuty i rekordy podrzędne zawierające tylko osie wariantów oraz wartości, które się z nimi zmieniają, takie jak kolor, rozmiar, pojemność i własne identyfikatory. Zasady GTIN GS1 traktują każdą odmianę stylu, koloru i rozmiaru jako unikalny produkt z własnym GTIN, więc identyfikator zawsze znajduje się w rekordzie podrzędnym.

Tabele specyfikacji wielomodelowych powodują większość błędów wariantów. Podziel tabelę z jedną kolumną na model na jeden rekord na kolumnę i skopiuj każdą wartość wydrukowaną raz w kilku kolumnach — scaloną komórkę lub „wszystkie modele: 230 V” pod tabelą — do każdego rekordu podrzędnego, którego dotyczy. W Shopify kolumna CSV Option1 LinkedTo łączy opcję wariantu z metapolem kategorii; produkt może mieć do trzech opcji i 2048 wariantów.

Waliduj atrybuty regułami i próbkowaniem QA

Reguły walidacji wychwytują błędy mechaniczne: zły typ, złą jednostkę, niemożliwą wartość, brakujący wymagany atrybut. Uruchamiaj je przy każdym imporcie i kieruj niepowodzenia do osoby weryfikującej zamiast po cichu odrzucać wartości.

Reguły nie wychwycą wiarygodnej, ale błędnej wartości — pojemność skopiowana z sąsiedniej kolumny modelu przechodzi każdą kontrolę. Próbkowanie QA może: porównaj próbki rekordów z dokumentami źródłowymi pole po polu. Nie ma uniwersalnej wielkości próbki ani progu błędów; ustal je według ryzyka.

1. Pobierz próbkę rekordów dla każdego dostawcy, z większą wagą dla nowych dostawców i nowych układów dokumentów.
2. Porównaj każdy atrybut z próbki ze źródłem, osobno odnotowując zgodności, wartości błędne i brakujące.
3. Oblicz wskaźniki błędów dla każdego atrybutu, a nie tylko dla rekordu, aby znaleźć atrybuty lub mapowania nagłówków, które sprawiają kłopoty.
4. Atrybuty istotne dla bezpieczeństwa i wymagane prawnie sprawdzaj w każdym rekordzie, a nie na próbce.

Normalizacja atrybutów w dużej skali

Schemat, tabele synonimów, słowniki i reguły to trwała część tej pracy; metoda wyodrębniania może się pod nimi zmieniać. Wersjonuj je, wyznacz właściciela każdego z nich, rejestruj ręczne poprawki wraz z powodem (powtarzające się poprawki wskazują brakującą regułę) i przeglądaj tabelę synonimów przy każdym wdrożeniu nowego dostawcy.

Jeśli Twoje atrybuty zaczynają życie w plikach PDF od dostawców, Doc2Shelf może wykonać etap wyodrębniania: odczytuje przesłane karty danych, karty specyfikacji, karty charakterystyki (SDS) i katalogi, zachowuje wartości i jednostki dokładnie tak, jak wydrukowano, ze stroną i krótkim cytatem jako dowodem, oraz oznacza brakujące wymagane dane. Twoje reguły normalizacji stosują się następnie podczas weryfikacji, zanim rekord zasili oferty lub wersje robocze deklaracji.