Jak pomocí AI zlepšit produktová data a kategorie

Produktová data, produktový marketing a feedy jsou místa, kde e-shop často ztrácí víc peněz, než je na první pohled vidět. Ne proto, že by chyběla všechna data. Spíš jsou roztříštěná, nekonzistentní a nepřipravená pro zákazníka, vyhledávání, filtry, reklamu nebo zahraniční mutace.

AI (artificial intelligence, česky umělá inteligence) v tom může výrazně pomoct. Ale jen pokud ji nepustíme do katalogu jako volného copywritera. Správná role AI je tady jiná: pomáhat dát datům strukturu, kontext a čitelnost.

Produktová data nejsou jen popisky

Když se řekne produktová data, hodně lidí si představí název, cenu a sklad. Jenže pro e-shop je datová kvalita mnohem širší téma:

1. názvy produktů,
2. parametry,
3. kategorie,
4. filtry,
5. varianty,
6. kompatibilita,
7. materiály,
8. návody,
9. bezpečnostní informace,
10. obrázky,
11. překlady,
12. texty pro srovnávače a marketplace.

Google Merchant Center má pro produktová data vlastní produktovou specifikaci, kde pracuje s atributy jako název, popis, obrázek, cena, dostupnost nebo značka. Google Search zase popisuje produktová strukturovaná data v dokumentaci k Product structured data. To ukazuje důležitou věc: produktová data nejsou jen interní evidence. Jsou jazyk, kterým e-shop komunikuje se zákazníky i systémy.

Kde AI pomůže nejrychleji

AI je silná hlavně v práci s nepořádkem v textu a kontextu. Umí porovnat názvy, sjednotit tón, navrhnout parametrizaci, doplnit chybějící popis z existujících údajů nebo přeložit text tak, aby dával smysl v dané kategorii.

Praktické úkoly:

1. sjednocení názvů produktů,
2. návrh krátkých popisů,
3. doplnění výhod z parametrů,
4. přepsání technických textů do zákaznické řeči,
5. překlad kategorií a parametrů,
6. návrh FAQ pro produktovou stránku,
7. příprava podkladů pro poradnu a průvodce výběrem.

U překladů je AI zajímavá právě tím, že umí držet kontext. Nepřekládá jen „voděodolný“ jako slovíčko. Může zohlednit, jestli jde o boty, elektroniku, dětské oblečení nebo outdoorové vybavení. To je rozdíl mezi textem, který je jazykově správně, a textem, který pomáhá zákazníkovi rozhodnout se.

Mantinely: AI nesmí vymýšlet vlastnosti

Největší riziko u produktových dat je, že AI doplní něco, co produkt nemá. Třeba napíše, že je výrobek vhodný do myčky, kompatibilní s určitým modelem, má ekologický materiál nebo prodlouženou životnost. Text může znít dobře, ale pokud není pravdivý, je to obchodní, reklamační i důvěryhodnostní problém.

Proto musí mít AI jasná pravidla:

1. pracuj jen s dodanými parametry,
2. neuváděj neověřené vlastnosti,
3. pokud informace chybí, označ ji jako chybějící,
4. odděl fakta od marketingové formulace,
5. u rizikových kategorií nech výstup schválit odborníkem.

AI má pomáhat udělat pravdivá data srozumitelnější. Ne dělat katalog zajímavějším za cenu přesnosti.

Kategorie a filtry: místo, kde se rozhoduje

Dobře postavená kategorie není jen seznam produktů. Je to prodejní rozhraní. Zákazník potřebuje najít správnou cestu: podle použití, velikosti, materiálu, kompatibility, ceny, značky nebo problému, který řeší.

AI může pomoci navrhnout:

1. logičtější názvy kategorií,
2. členění podkategorií,
3. filtry podle skutečných rozhodovacích kritérií,
4. text kategorie,
5. poradenské bloky,
6. interní odkazy mezi souvisejícími kategoriemi.

Tady vzniká často silný „aha“ moment. E-shop totiž nemusí jen přidávat další produkty. Někdy stačí lépe pojmenovat cestu k těm, které už má.

Produktový feed a Google Shopping feed jako výstupní kontrola

Produktový feed je dobrý test datové kvality. Pokud data nejdou dobře poslat do srovnávače, reklamního systému, Google Shopping feedu nebo marketplace, pravděpodobně nejsou dobře připravená ani pro zákazníka.

AI může pomáhat s přípravou textů a návrhem struktury, ale feed musí zůstat řízený pravidly. Názvy, popisy, ceny, dostupnost a kategorie musí vycházet z dat e-shopu, ne z volné kreativity.

Praktický postup:

1. vybrat jednu kategorii,
2. projít parametry a názvy,
3. doplnit chybějící texty z ověřených dat,
4. vytvořit pravidla pro AI výstupy,
5. ověřit výsledek na produktové stránce i ve feedu,
6. teprve pak rozšířit na další kategorie.

Kam to celé směřuje

Cílem není mít hezčí popisky. Cílem je, aby produktová data sloužila celému e-shopu:

1. zákazník se rychleji rozhodne,
2. kategorie lépe navigují,
3. filtry dávají smysl,
4. reklamní systémy dostanou čistší data,
5. zákaznická podpora má přesnější odpovědi,
6. překlady drží kontext,
7. knowledge base má z čeho čerpat.

To je důvod, proč produktová data nejsou drobná katalogová práce. Jsou základ pro růst.

Kam pokračovat

Téma navazuje na AI pro e-shop: kde dává smysl a kde zatím ne a prakticky souvisí s článkem AI popisky produktů: kdy pomáhají a kdy škodí SEO.

Zdroje

• Google Merchant Center: Product data specification
• Google Search Central: Product structured data

Chcete dát produktovým datům řád?

Pomůžeme z produktových dat udělat základ pro lepší kategorie, obsah, kampaně i zákaznickou podporu.