AI məhsul kataloqu zənginləşdirmə avtomatlaşdırması təchizatçıdan gələn qarışıq faylları dərhal e-ticarət saytına yükləmək üçün deyil, onları strukturlaşdırılmış, mənbəyi görünən və insan tərəfindən təsdiqlənə bilən məhsul qeydlərinə çevirmək üçün qurulmalıdır. Düzgün həll SKU məlumatını Excel, PDF, qiymət siyahısı, texniki vərəq və məhsul təsvirindən çıxarır; şirkətin atribut modelinə uyğunlaşdırır; qaydaları yoxlayır; sonra yalnız etibarlı qeydləri PIM, ERP və ya dərc növbəsinə ötürür.
Bu yanaşma distributorlar, pərakəndəçilər və istehsalçılar üçün xüsusilə faydalıdır: eyni məhsul bir təchizatçıda “12 x 500 ml”, digərində “6 L”, başqa faylda isə sadəcə “500ml” kimi görünə bilər. AI bu fərqləri aşkar etməyə kömək edir, lakin kommersiya baxımından kritik xüsusiyyətlərin mənbəsiz təxmin edilməsinə icazə verilməməlidir.
Problem sadəcə fayl oxumaq deyil, məhsul master məlumatını idarə etməkdir
Təchizatçı kataloqlarında başlıq formatları, dil, ölçü vahidləri, kateqoriyalar, qablaşdırma səviyyələri və identifikatorlar fərqli olur. Bəzi sətirlərdə GTIN, istehsalçı kodu və marka mövcuddur; bəzilərində yalnız qısa ad və qiymət var. PDF-də cədvəl sütunları qarışa, təsvir içində texniki xüsusiyyətlər gizlənə və şəkillərdən OCR ilə mətn çıxarılması tələb oluna bilər.
Bu səbəbdən avtomatlaşdırma “faylı məhsul kartına çevir” əmri olmamalıdır. O, aşağıdakı mərhələləri olan nəzarətli onboarding axını olmalıdır:
- Faylı, təchizatçını, versiyanı və qəbul tarixini qeyd etmək.
- Cədvəl, mətn və əlavələrdən namizəd məhsul sahələrini çıxarmaq.
- Məhsulun identikliyini mövcud SKU, GTIN və ya təchizatçı kodu ilə uyğunlaşdırmaq.
- Atributları şirkətin kanonik sxeminə və kateqoriya qaydalarına map etmək.
- Ölçü, çəki, paket sayı və digər vahidləri normal formata çevirmək.
- Tamlıq, uyğunluq, təkrarlanma və biznes qaydalarını yoxlamaq.
- Aşağı etibarlı və ya ziddiyyətli halları reviewer növbəsinə yönləndirmək.
- Təsdiqlənmiş dəyişiklikləri PIM/ERP-də idarə olunan şəkildə yaratmaq və ya yeniləmək.
GS1-in Global Data Model yanaşması məhsul məlumatında kateqoriya və regiondan asılı tələb olunan atributların ola biləcəyini göstərir. Praktik nəticə budur: bütün SKU-lar üçün eyni “məcburi sahələr” siyahısı yetərli deyil; qaydalar məhsul tipi, satış ölkəsi, kanal və qablaşdırma səviyyəsinə görə işləməlidir.
AI hansı işi görməlidir, hansı işi görməməlidir?
Çıxarma və təklif yaratma
AI məhsul adı, marka, təchizatçı kodu, GTIN, model, rəng, ölçü, material, gərginlik, tutum, çəki, ölçülər, paket miqdarı, mənşə ölkəsi və texniki mətn kimi dəyərləri namizəd atributlar kimi çıxara bilər. Mətn və cədvəl formatı qarışıq olduqda bu, əl ilə data entry işini ciddi azaldır.
AI həmçinin “24/330 ml”, “0.33 L × 24” və “7.92 L per case” ifadələrinin əlaqəli olduğunu göstərə bilər. Lakin “case” sözünün satış vahidi, daxili paket, yoxsa logistika qabı olduğunu yalnız mətnə baxaraq qəti qərarlaşdırmaq risklidir. Sistem bu nəticəni təklif kimi saxlamalı, tətbiq olunan çevirmə qaydasını göstərməli və zəruri olduqda təsdiq istəməlidir.
Normallaşdırma və kateqoriya təklifi
AI SKU attribute normalization mərhələsində “cm”, “centimetre” və “сантиметр” vahidləri seçilmiş standart kodla saxlanıla bilər; onluq ayırıcıları, böyük-kiçik hərflər və rəng sinonimləri normallaşdırıla bilər. Kateqoriya modeli məhsulu uyğun taxonomiya qovşağına təklif edə bilər. Amma brendin təsdiqlədiyi məhsul kateqoriyası, təhlükəsizlik məlumatı, allergen, uyğunluq statusu və ya tənzimlənən iddialar generativ mətnlə doldurulmamalıdır.
Kontrollu təsvirlər
AI yalnız təsdiqlənmiş atributlardan kanal üçün qısa və uzun təsvir layihəsi yarada bilər. Məsələn, təsvirə daxil olmağa icazəli sahələr ayrıca təyin edilir: marka, məhsul növü, ölçü, material və təsdiqlənmiş texniki göstəricilər. Modelin “enerji qənaətlidir”, “premium keyfiyyət” və ya “uyğundur” kimi sübut olunmayan iddialar əlavə etməsi bloklanmalıdır. Mətnin hər hissəsi onu dəstəkləyən atributlara bağlı saxlanmalıdır.
Mənbə izlənəbilənliyi: hər dəyər haradan gəlib?
Yaxşı qurulmuş axında məhsul kartındakı hər vacib dəyər üçün sübut saxlanılır. Bu, yalnız audit tələbi deyil; reviewer-in qərarı sürətlə verməsi üçün əməliyyat ehtiyacıdır.
- mənbə faylının identifikatoru, versiyası və yüklənmə tarixi;
- fayldakı vərəq, sətir, sütun və ya PDF səhifəsi;
- orijinal mətn parçası və ya hüceyrə dəyəri;
- çıxarılan xam dəyər və normallaşdırılmış dəyər;
- istifadə olunan mapping və vahid çevirmə qaydası;
- model/məntiq etibarlılıq göstəricisi;
- qayda nəticəsi, reviewer qərarı və dəyişiklik tarixi.
Məsələn, “Gross weight = 12 kg” dəyəri yarananda reviewer PDF-in 4-cü səhifəsindəki sətiri açmalı, sistemin “12,0 KG” dəyərini necə normallaşdırdığını görməli və məhsulun vahidinə uyğunluğunu yoxlamalıdır. Mənbə görünməyən AI cavabı məhsul master məlumatı üçün kifayət deyil.
Etibarlılıq hədlərini tək rəqəmlə qurmayın
0.90 və ya 90% kimi universal hədd düzgün idarəetmə modeli deyil. Eyni skor müxtəlif model, atribut, təchizatçı və sənəd keyfiyyəti üçün fərqli məna verə bilər. Hədləri biznes riskinə görə kalibr edin:
- Avtomatik hazırlıq: etibarlı identifikator uyğunluğu, tələb olunan sahələr tamamdır, heç bir qayda pozuntusu yoxdur, mənbə sübutu mövcuddur.
- Sürətli insan baxışı: kateqoriya təklifi, təsvir layihəsi və ya aşağı riskli marketinq atributu qeyri-müəyyəndir.
- Məcburi ekspert təsdiqi: GTIN, satış vahidi, net/gross çəki, ölçülər, təhlükəsizlik atributları, tənzimlənən sahələr və mövcud məhsulun üzərinə yazılacaq dəyişikliklər.
- Bloklama: iki mənbə ziddiyyətlidir, identiklik qeyri-müəyyəndir, paket məntiqi alınmır və ya məcburi sahələr yoxdur.
NIST-in AI risk idarəetmə çərçivəsi insan nəzarətinin, rolların, sənədləşdirmənin və istehsalda monitorinqin müəyyənləşdirilməsini vurğulayır. Kataloq onboarding üçün bu, “kim təsdiq edir, hansı istisna eskalasiya olunur və qərar necə izlənir?” suallarının sistem dizaynında cavablandırılması deməkdir.
PIM və ERP inteqrasiyasında qoruyucu qat
Product information management integration üçün PIM məhsul məzmunu və zəngin atributlar üzrə əsas iş sahəsi, ERP isə maliyyə, satınalma, stok və əsas əməliyyat məlumatının sistem of record-u ola bilər. Həqiqi sahiblik şirkətin arxitekturasından asılıdır, lakin AI qatının hər iki sistemi nəzarətsiz yeniləməsi düzgün deyil.
İnteqrasiya qatında ən azı bu qaydalar olmalıdır:
- unikal açar strategiyası: daxili SKU, GTIN, təchizatçı kodu və paket səviyyəsi;
- create, update və merge əməliyyatları üçün ayrı səlahiyyətlər;
- sahə səviyyəsində sahiblik: məsələn, maliyyə vahidi ERP-dən, veb təsviri PIM-dən;
- format, diapazon, siyahı dəyəri, vahid və çarpaz-sahə validasiyası;
- mövcud təsdiqlənmiş dəyərin üzərinə yazılmasından əvvəl fərq müqayisəsi və approval;
- təkrar işlətmə üçün idempotent sorğular, xəta növbəsi və yenidən cəhd mexanizmi;
- dərcdən əvvəl kanal spesifik tamlıq yoxlaması.
Məsələn, məhsulun eni, hündürlüyü və dərinliyi var, amma paket səviyyəsi yoxdur. Sistem ölçüləri avtomatik “consumer unit” kimi qəbul etməməlidir. Bu qeyd reviewer-ə getməli, PIM-də yalnız draft vəziyyətinə yazılmalı və sayt, B2B portalı və ya marketplace feed-i üçün bağlanmalıdır.
Praktik pilotu necə başlamaq olar?
- Bir təchizatçı, bir məhsul ailəsi və məhdud sayda atribut seçin.
- Məqsəd sxemini, qəbul edilən dəyərləri, kanal tələblərini və sahə sahibliklərini yazın.
- Tarixi fayllardan “golden set” yaradın: düzgün nəticə və düzgün reviewer qərarı məlum olsun.
- Çıxarma, mapping, normalizasiya, validasiya və approval mərhələlərini ayrıca ölçün.
- Reviewer ekranında mənbə sübutu, fərq görünüşü, qərar səbəbi və bulk action təmin edin.
- Əvvəl draft məhsullar yaradın; birbaşa dərc etməyin.
- Qəbul faizi, override faizi, bloklanma səbəbi, təchizatçı üzrə xəta tipi və emal müddətini izləyin.
POLADO süni intellekt və avtomatlaşdırma həlləri ilə məhz bu tip nəzarətli workflow-ları layihələndirə bilər: fayl qəbulundan reviewer növbəsinə, qayda mühərrikindən PIM/ERP inteqrasiyasına qədər. Nəticənin istifadə ediləcəyi idarəetmə paneli üçün UI/UX və məhsul dizaynı, məhsulun sayt və ya B2B kanala etibarlı ötürülməsi üçün isə veb platformaların hazırlanması imkanlarından istifadə etmək olar.
Əgər komandanız təchizatçı kataloqlarını əl ilə təmizləyir, eyni SKU-ları təkrar yoxlayır və ya səhv məlumatın kanallara çıxmasından narahatdırsa, POLADO ilə konsultasiya edin. İlk mərhələdə fayl nümunələrini, atribut sxemini, mövcud PIM/ERP inteqrasiyalarını və approval qaydalarını qiymətləndirib təhlükəsiz pilot sərhədini müəyyənləşdirmək olar.