Vodnik
Atributi izdelkov: kako jih izvleči, normalizirati in preslikati
Čisti atributi izdelkov omogočajo delovanje filtrov, primerjav, virov in osnutkov o skladnosti. Ta vodnik obravnava shemo, izvlečenje, pravila za enote in besednjak ter preslikavo taksonomije, ki neurejene vrednosti dobaviteljev spremenijo v dosledne podatke.
Vsak dobavitelj isto stvar opiše drugače. En tehnični list pravi „Prostornina: 1,5 l“, drug „1500 ml“, tretji skrije „sprejme 1.5 litra“ v odstavek. Za kupca so to eno dejstvo; za filter ali vir so to trije nepovezani nizi. Normalizacija atributov izdelkov te različice pretvori v eno vrednost, v eni enoti, pod enim imenom atributa.
Ta vodnik sledi vrstnemu redu, v katerem delo poteka v praksi: shema, izvlečenje, normalizacija števil in besedila, preslikava taksonomije, različice in preverjanje. Primeri uporabljajo prave kode enot in strukture taksonomij, zato jih lahko neposredno prilagodite.
Kaj so atributi izdelkov (in kaj niso)
Atribut izdelka je poimenovana lastnost z vrednostjo: material = nerjavno jeklo, prostornina = 1.5 L, barva = črna. Raziskave izvlečenja atributov jih imenujejo pari atribut–vrednost. Atributi opisujejo sam proizvod in ostajajo resnični povsod, kjer se prodaja, zato sodijo v strukturirana polja in ne le v besedilo opisa.
Tri sosednje pojme se z atributi zlahka zamenjajo, njihovo mešanje pa povzroči večino kasnejših težav s shemo:
| Pojem | Namen | Primer | Običajno mesto |
|---|---|---|---|
| Atribut | Opisuje lastnost proizvoda | Material: nerjavno jeklo; Prostornina: 1.5 L | Tabela specifikacij, filtri, polja kategorije |
| Identifikator | Enolično poimenuje proizvod ali trgovinsko enoto | GTIN, MPN, SKU, številka modela | Namenska polja za identifikatorje |
| Možnost različice | Atribut, med katerimi vrednostmi izbira kupec | Barva: črna / bela; Velikost: S / M / L | Osi različic (Shopify dovoljuje do 3 možnosti) |
| Opis | V besedilu razlaga koristi in uporabo | „V nekaj minutah zavre poln kuhalnik“ | Opis in alineje |
Določite shemo atributov, preden karkoli izvlečete
Shema atributov je pogodba, ki jo mora izpolnjevati vsaka vrednost. Brez nje izvlečenje ustvari karkoli, kar vir pač navaja, normalizacija pa postane ugibanje. Pri vsakem atributu določite ime, podatkovni tip, kanonično enoto, dovoljene vrednosti ali pravilo preverjanja, ali lahko vsebuje več vrednosti in kje je obvezen.
Shemo vzdržujte po družinah izdelkov in ne kot en velikanski seznam: kuhalnik potrebuje prostornino in nazivno moč, majica sestavo vlaken in velikost. Začnite z atributi, ki jih zahtevajo vaši kanali in po katerih filtrirajo vaši kupci, nato dodajte tehnične atribute, ki jih vaši tehnični listi zanesljivo vsebujejo.
| Atribut | Podatkovni tip | Enota / format | Dovoljene vrednosti ali pravilo | Obvezno |
|---|---|---|---|---|
| model_number | Besedilo | — | Kot je natisnil proizvajalec; brez dodanih presledkov | Da |
| gtin | Besedilo (števke) | 8, 12, 13 ali 14 števk | Veljavna kontrolna števka GS1 | Če je dodeljen |
| capacity | Decimalno | LTR (liter) | 0.1 do 5.0; ena vrednost na različico | Da |
| rated_power_min / rated_power_max | Celo število | WTT (vat) | min ≤ maks.; obe iz iste vrstice z nazivno vrednostjo | Da |
| body_material | Naštevni tip (več vrednosti) | — | stainless steel, glass, plastic, ceramic | Da |
| color | Naštevni tip | — | Seznam osnovnih barv; tržno ime shranjeno ločeno | Da, za vsako različico |
| net_weight | Decimalno | KGM (kilogram) | > 0; ne sme presegati bruto teže | Za pošiljanje |
Od kod prihajajo vrednosti atributov in kateri vir prevlada
Vrednosti običajno prihajajo iz več virov, ki se ne ujemajo vedno. Za vsak atribut določite prioriteto virov, da se spori razrešujejo dosledno in ne glede na to, kdo zapis uredi nazadnje.
Praktična privzeta izbira: tehnični dokumenti prevladajo nad tržnim besedilom, specifičen dokument pa nad splošnim. Kadar se enakovredni viri ne ujemajo — na primer tehnični list in embalaža navajata različni teži — ne povprečite in ne izbirajte enega, ampak dobavitelja vprašajte, kateri je aktualen.
- Tehnični listi in specifikacije: najzanesljivejši vir za dimenzije, nazivne vrednosti, materiale in vrednosti zmogljivosti, običajno v tabelah.
- Embalaža in grafika etiket: merodajni za to, kar je natisnjeno na embalaži, kot so neto količina, opozorila in oznake.
- Varnostni listi: razvrstitev nevarnosti, sestava in fizikalne lastnosti kemičnih proizvodov; ne tržni atributi.
- Opisi proizvodov dobaviteljev: uporabni za atribute, ki se nikoli ne pojavijo v tabeli (slog, predvidena uporaba, združljivi modeli), vendar najmanj natančni.
Kako iz opisov izdelkov izvleči atribute
Opisi v prostem besedilu so najzahtevnejši vir, ker so vrednosti zapakirane v stavke, opremljene s tržnim jezikom in včasih zanikane. Ne glede na to, ali uporabljate pravila, slovar znanih vrednosti ali jezikovni model, je postopek, ki ohranja zaupanja vreden rezultat, enak:
- Preden preberete kakršno koli besedilo, naštejte ciljne atribute za družino izdelkov z njihovimi dovoljenimi vrednostmi in enotami.
- Besedilo razdelite na stavke in alineje, nato poiščite kandidate za vrednosti: številke z enotami, znane izraze iz besednjaka in vzorce, kot je „združljivo z …“.
- Pri vsakem kandidatu preverite kontekst: kvalifikatorje („do“, „pribl.“, „od“), zanikanja („brez BPA“, „ni primerno za“) in pogoje („s pokrovom“, „pri 20 °C“).
- Vsako vrednost dodelite natanko enemu atributu; kadar bi številka lahko pripadala dvema atributoma, je ne dodelite in jo pustite za pregled, namesto da bi ugibali.
- Vrednost in enoto normalizirajte po pravilih iz naslednjih razdelkov, izvirno besedilo pa ohranite ob njej.
- Označite vsak atribut, ki izvira samo iz tržnega besedila, da ga lahko pregledovalec potrdi glede na tehnični list, preden se uporabi v tabeli specifikacij ali osnutku izjave.
| Besedilo v opisu | Atribut | Izvlečena vrednost | Opomba |
|---|---|---|---|
| „… 1,7-litrski kuhalnik iz nerjavnega jekla …“ | capacity; body_material | 1.7 LTR; stainless steel | Dva atributa v eni frazi |
| „… s pokrovom iz plastike brez BPA …“ | lid_material; bpa_free | plastic; true | Zanikanje postane logična vrednost, ne material |
| „… ni primeren za indukcijske kuhalne plošče …“ | induction_compatible | false | Zanikana trditev obrnjena |
| „… na voljo v mat črni in kremni barvi …“ | color (možnost različice) | black; beige | Tržna imena shranjena ločeno |
Naslove v tehničnih listih preslikajte v kanonična imena atributov
Vsak proizvajalec isti atribut označi drugače, pogosto v svojem jeziku. Zgradite tabelo sinonimov, ki besedilo glav, na katerega dejansko naletite, preslikava v vaše kanonično ime atributa; sprva hitro raste, nato se ustali in postane vaše najbolj ponovno uporabno sredstvo za normalizacijo. Zabeležite tudi enoto, natisnjeno v glavi: pod „Teža (lbs)“ je nobena celica ne ponovi. Postavitve tabel, skeni in OCR so obravnavani v vodniku o izvlečenju podatkov o izdelkih iz PDF-jev.
| Glava, kot je natisnjena | Kanonični atribut | Enota, ki jo nakazuje glava | Opomba |
|---|---|---|---|
| Nazivna moč / Poraba moči / Leistung | rated_power | WTT | Preverite, ali gre za vhodno in ne izhodno moč |
| Neto teža / Teža (enota) / Nettogewicht | net_weight | KGM ali LBR, kot je natisnjeno | Ni teža pošiljke |
| Prostornina / Volumen / Fassungsvermögen | capacity | LTR ali MLT | Za posode, ne prostornina paketa |
| Dimenzije (Š × G × V) mm | width, depth, height | MMT | Vrstni red osi iz glave |
Normalizirajte števila in enote
Vsak količinski atribut shranite kot dve polji: število in kodo enote. Priporočilo UN/CEFACT št. 20 („Codes for Units of Measure Used in International Trade“) za to zagotavlja kode s tremi znaki, schema.org pa iste kode uporablja v lastnosti unitCode, na primer QuantitativeValue z vrednostjo 25 in unitCode CMT. Uporaba teh kod namesto enot v prostem besedilu („cm“, „cms“, „centimetres“) odpravi cel razred neujemanj.
Za vsak atribut izberite eno kanonično enoto, običajno enoto SI ali njen decimalni mnogokratnik, in pri uvozu pretvorite, da so vrednosti med dobavitelji pravilno primerljive. Za sledljivost ohranite izvirno vrednost in enoto, kot je natisnjena, ter pri izvozu pretvorite nazaj v enote kanala: izvozni CSV izdelkov za Shopify pričakuje težo v gramih, WooCommerce pa uporablja enote teže in dimenzij, nastavljene v trgovini.
Pazite na podrobnosti, ki povzročajo tihe napake. Decimalni ločilniki in ločila tisočic so odvisni od lokalizacije dokumenta: na nemškem tehničnem listu je „1.000 W“ tisoč vatov. Razpone razdelite v polji minimum in maksimum, tolerance shranjujte ločeno od nazivne vrednosti, kvalifikatorje, kot sta „pribl.“ ali „maks.“, pa v njihovo lastno polje. Pretvorbe imperialnih enot uporabljajo natančne definicije (1 palec = 25,4 mm; 1 lb = 0,45359237 kg); zaokrožite enkrat, ob prikazu.
| Surova vrednost, kot je natisnjena | Normalizirana vrednost | Koda UNECE Rec 20 | Uporabljeno pravilo |
|---|---|---|---|
| 1,5 l | 1.5 | LTR | Decimalna vejica prebrana po lokalizaciji dokumenta |
| 1500 ml | 1.5 | LTR | Pretvorjeno v kanonično enoto atributa; izvirnik ohranjen |
| 1.000 W (nemški tehnični list) | 1000 | WTT | Pika prebrana kot ločilo tisočic |
| 220–240 V~ | min 220, maks. 240 | VLT | Razpon razdeljen; „~“ shranjen kot vrsta toka AC |
| Ø 12 mm ± 0,2 | nazivno 12, toleranca 0.2 | MMT | Toleranca shranjena ločeno |
| pribl. 2,3 kg | 2.3 (kvalifikator: približno) | KGM | Kvalifikator ohranjen, ne izpuščen |
| 5 lb | 2.26796 | KGM | Pretvorjeno z 0.45359237; izvirnik LBR ohranjen |
| 1/2 in | 12.7 | MMT | Ulomek razrešen; izvirnik INH ohranjen |
| Pakiranje po 6 | 6 | H87 | Število kosov v pakiranju |
Za besedilne atribute uporabljajte nadzorovane besednjake
Nadzorovani besednjak je seznam vrednosti, ki jih lahko prevzame besedilni atribut, skupaj s sinonimi, ki se preslikajo v posamezno vrednost. Zaradi njega filter „Barva: črna“ ujame izdelke, opisane kot „blk“, „Black“ in „schwarz“.
Kjer sta trženje in filtriranje v nasprotju, hranite dve polji: normalizirano osnovno vrednost za filtre in vire ter proizvajalčevo lastno ime za prikaz. „Midnight Graphite“ je dobra podrobnost na strani izdelka in neuporabna vrednost filtra; „gray“ je ravno obratno. Pri večjezičnih katalogih vrednosti besednjaka shranite kot jezikovno nevtralne kode in prevedite njihove oznake, da isti izdelek pravilno filtrira v vsakem jeziku trgovine.
| Surova besedilna vrednost | Normalizirana vrednost | Pravilo besednjaka |
|---|---|---|
| blk / BLACK / schwarz | black | Sinonimi in prevodi se preslikajo v eno kodo |
| Midnight Graphite | gray (ime za prikaz ohranjeno) | Tržno ime shranjeno ločeno |
| 18/8 SS | stainless steel | Okrajšava razširjena; razred jekla ohranjen kot lasten atribut |
| Bombaž 95 %, elastan 5 % | cotton 95; elastane 5 | Sestava kot pari vrednost–odstotek |
| Da / ✓ / priloženo | true | Logične vrednosti skrčene na true ali false |
Atribute preslikajte v taksonomije in sheme kanalov
Taksonomija določa, kateri atributi veljajo za proizvod in kako se imenujejo. Redko lahko izbirate: trgovec lahko zahteva GS1 GPC, veletrgovec ETIM, Shopify svojo standardno taksonomijo izdelkov, iskalniki pa berejo oznake schema.org. Lastno shemo atributov ohranite kot glavno in vzdržujte preslikavo v vsako zunanjo taksonomijo.
V GS1 GPC je gradnik „brick“, atributi bricka pa nosijo podrobnosti, kot je to, ali je mleko živalsko ali neživalsko. ETIM vsakemu razredu določi vnaprej opredeljen nabor značilnosti s fiksnimi seznami vrednosti in enotami ter svoj model objavlja v 17 jezikih. Shopify zahteva eno kategorijo, izbrano glede na glavno funkcijo izdelka; njena nastavitev odklene metapolja kategorije. schema.org Product ima namenske lastnosti, kot so gtin, mpn, brand, color, material, size in weight.
| Taksonomija | Glavni uporabniki | Struktura | Model atributov | Na kaj paziti |
|---|---|---|---|---|
| GS1 GPC | Izmenjava podatkov v maloprodaji in za potrošniško blago | Segment > Družina > Razred > Brick | Atributi bricka z opredeljenimi vrednostmi | Klasifikacija, ne popoln model specifikacij |
| ETIM | Tehnična veletrgovina: elektrika, HVAC, vodovod | Razredi s sinonimi | Značilnosti tipa alfanumerično, logično, številsko ali razpon, z enotami | Vrednosti značilnosti morajo izhajati iz seznamov razreda |
| Shopify Standard Product Taxonomy | Trgovine Shopify | Pot kategorije ali ID kategorije | Metapolja kategorije (atributi izdelka) za posamezno kategorijo | V CSV navedite pot ali ID, ne obeh |
| schema.org Product | Strukturirani podatki za iskalnike | Enoten tip Product z lastnostmi | Namenske lastnosti; QuantitativeValue z unitCode | Najprej uporabite specifične lastnosti, nato additionalProperty |
Z različicami ravnajte brez podvajanja atributov
Različice so proizvodi, ki si delijo večino atributov in se razlikujejo v nekaj. Modelirajte jih kot nadrejeni zapis s skupnimi atributi in podrejene zapise, ki vsebujejo le osi različic in vrednosti, ki se z njimi spreminjajo, kot so barva, velikost, prostornina ter lastni identifikatorji. Pravila GS1 za GTIN vsako različico sloga, barve in velikosti obravnavajo kot edinstven proizvod z lastnim GTIN, zato identifikator vedno pripada podrejenemu zapisu.
Tabele specifikacij z več modeli povzročijo večino napak pri različicah. Tabelo z enim stolpcem na model razdelite na en zapis na stolpec, vsako vrednost, ki je natisnjena enkrat čez več stolpcev — združeno celico ali „vsi modeli: 230 V“ pod tabelo — pa prekopirajte v vsak podrejeni zapis, za katerega velja. V Shopify stolpec CSV Option1 LinkedTo povezuje možnost različice z metapoljem kategorije; izdelek ima lahko do tri možnosti in 2.048 različic.
Atribute preverjajte s pravili in vzorčnim preverjanjem kakovosti
Pravila preverjanja zaznajo mehanske napake: napačen tip, napačno enoto, nemogoče vrednosti, manjkajoč obvezni atribut. Zaženite jih ob vsakem uvozu in napake usmerite k pregledovalcu, namesto da bi vrednosti tiho zavrgli.
Pravila ne zaznajo verjetne, a napačne vrednosti — prostornina, prepisana iz sosednjega stolpca modela, prestane vsa preverjanja. To zmore vzorčno preverjanje kakovosti: vzorčene zapise primerjajte z izvornimi dokumenti polje za poljem. Univerzalne velikosti vzorca ali praga napak ni; določite ju glede na tveganje.
- Pri vsakem dobavitelju izberite vzorec zapisov, ki je obtežen v prid novim dobaviteljem in novim postavitvam dokumentov.
- Vsak vzorčeni atribut primerjajte z virom, pri čemer ujemanja, napačne vrednosti in manjkajoče vrednosti beležite ločeno.
- Stopnje napak izračunajte po atributih, ne le po zapisih, da najdete atribute ali preslikave glav, ki povzročajo težave.
- Atribute, pomembne za varnost, in zakonsko zahtevane atribute preverite pri vsakem zapisu, ne na vzorcu.
| Vrsta pravila | Primer | Ukrep ob napaki |
|---|---|---|
| Tip in format | capacity mora biti decimalno število; gtin samo števke | Vrednost zavrnite, izvorno besedilo ohranite za pregled |
| Razpon in verjetnost | prostornina kuhalnika med 0.1 in 5 L | Označite kot verjetno napako enote ali ločilnika |
| Članstvo v naštevnem tipu | color mora biti na seznamu osnovnih barv | Preslikajte sinonim ali ga dodajte v besednjak |
| Med polji | min ≤ maks.; neto teža ≤ bruto teža | Označite obe polji |
| Kontrolna števka | GTIN prestane preverjanje mod-10 po GS1 | Zavrnite; ponovno preberite iz vira |
| Popolnost | izpolnjeni so vsi obvezni atributi za družino in kanal | Blokirajte objavo; od dobavitelja zahtevajte podatke |
Normalizacija atributov v velikem obsegu
Shema, tabele sinonimov, besednjaki in pravila so trajni del tega dela; metoda izvlečenja se lahko pod njimi spreminja. Vodite različice, vsakemu določite lastnika, ročne popravke beležite z razlogom (ponavljajoči se popravki kažejo na manjkajoče pravilo), tabelo sinonimov pa pregledajte ob uvedbi vsakega novega dobavitelja.
Če vaši atributi izvirajo iz PDF-jev dobaviteljev, lahko korak izvlečenja opravi Doc2Shelf: prebere naložene tehnične liste, specifikacije, SDS in kataloge, vrednosti in enote ohrani natančno, kot so natisnjene, z dokazom v obliki strani in kratkega citata ter označi manjkajoče obvezne podatke. Vaša pravila normalizacije se nato uporabijo med pregledom, preden zapis napolni sezname izdelkov ali osnutke izjav.
Pogosta vprašanja
- Kaj so atributi izdelkov?
- Atributi izdelkov so poimenovane lastnosti z vrednostmi, ki opisujejo izdelek, kot so material, barva, prostornina, dimenzije ali nazivna moč. Za razliko od besedila opisa so v strukturiranih poljih, zato lahko poganjajo filtre, tabele specifikacij, vire in zahteve kategorij.
- Kakšna je razlika med atributom izdelka in različico?
- Atribut je katera koli lastnost izdelka. Različica je verzija izdelka, ki se razlikuje v enem ali več atributih, med katerimi izbira kupec, na primer velikost ali barva. Ti izbrani atributi so možnosti različice; ostali ostanejo skupni na nadrejenem izdelku.
- Kako iz opisov izdelkov izvlečem atribute?
- Najprej določite ciljne atribute in dovoljene vrednosti, besedilo razdelite na stavke, poiščite kandidate za vrednosti in pri vsakem preverite kvalifikatorje, zanikanja in pogoje, preden ga dodelite atributu. Atribute, ki se pojavljajo samo v tržnem besedilu, potrdite glede na tehnični list.
- Kaj so kode enot UNECE Recommendation 20?
- To so kode s tremi znaki za merske enote v mednarodni trgovini, ki jih objavlja UN/CEFACT — na primer MTR za meter, KGM za kilogram, LTR za liter in WTT za vat. Lastnost unitCode v schema.org uporablja iste kode.
- Ali naj shranim izvirno ali pretvorjeno vrednost?
- Obe. Normalizirano število in kodo enote shranite za filtriranje, primerjavo in preverjanje, vrednost, kot je natisnjena, pa ohranite za sledljivost. Pri izvozu pretvorite v enoto, ki jo pričakuje posamezen kanal, na primer grame za težo v izvoznem CSV izdelkov za Shopify.
- Katero taksonomijo izdelkov naj uporabim: GS1 GPC, ETIM ali Shopifyjevo?
- Uporabite tisto, ki jo zahtevajo vaši poslovni partnerji in kanali, pogosto pa več kot eno. Lastno shemo atributov ohranite kot glavno in vzdržujte preslikave v GPC za izmenjavo podatkov v maloprodaji, ETIM za tehnično veletrgovino in Shopify Standard Product Taxonomy za trgovino Shopify.
- Kako izmerim kakovost izvlečenja atributov?
- Vzorec izvlečenih zapisov primerjajte z izvornimi dokumenti polje za poljem in za vsak atribut ločeno štejte pravilne, napačne in manjkajoče vrednosti. Napačne vrednosti kažejo na težave z natančnostjo (precision), manjkajoče pa na težave s priklicem (recall). Spremljajte oboje po dobaviteljih.
- Kako obravnavam atribute izdelkov v več jezikih?
- Naštevne vrednosti, kot so barve in materiali, shranite kot jezikovno nevtralne kode s prevedenimi oznakami, števila in kode enot pa naj ostanejo neodvisni od jezika. Atributi v prostem besedilu zahtevajo prevod in pregled za vsak jezik.
Uradni viri
Primarna pravna besedila in uradne smernice, na katere se sklicuje ta vodnik.
- Standard GS1 za upravljanje GTIN — pravila za dodeljevanje GTIN (GS1)
- Kako ročno izračunati kontrolno števko (GS1)
Ta vodnik vsebuje splošne informacije in ni pravni nasvet. Zahteve so odvisne od izdelka in trga; preverite uradna besedila in za svoj primer poiščite usposobljen nasvet.