Jazykové modely ako pomocník pri čistení produktových dát

Zákazník píše „topánky na zimu veľkosť 42 nepremokavé“. Vyhľadávanie a filtre dokážu odpovedať iba vtedy, keď má každý produkt vyplnenú veľkosť, materiál a vlastnosť. Takmer v každom katalógu to tak nie je: dodávatelia posielajú parametre v rôznych formátoch, niektoré chýbajú a informácia je často len v texte popisu.

Prečo údaje v katalógu vôbec chýbajú

Chýbajúce a nejednotné parametre zvyčajne nie sú chybou jedného človeka. Vznikajú tým, že dodávatelia posielajú údaje v rôznych formátoch (jeden napíše „čierna“, druhý „black“, tretí „čierna/biela“), že sa údaje preberajú z viacerých zdrojov a že parameter, ktorý bol dôležitý pred rokom, už nikto nedopĺňa. Čistenie preto nie je jednorazová akcia, ale postup, ktorý sa opakuje pri každom novom dodávateľovi a každej dávke produktov.

Prečo na tom záleží pre predaj

Baymard Institute v testovaní vyhľadávania z roku 2026 zistil, že dotazy podľa vlastnosti nezvláda 39 % posúdených e-shopov, dotazy podľa použitia 43 % a podľa kompatibility 44 %. Baymard odporúča urobiť dôležité atribúty prehľadávateľné, aj keď ich nemajú všetky produkty, a označiť produkty podľa použitia. Bez parametrov to nejde.

Google zase v pravidlách Merchant Center požaduje značku pri všetkých nových produktoch okrem kníh, filmov a hudby. Nesprávny GTIN spôsobí zamietnutie produktu. Pozrite si povinné atribúty.

Čo ukazujú štúdie

Výskumníci skúmali v prvej a druhej štúdii (2024), či jazykové modely vedia z neštruktúrovaného textu produktu (názov, popis) získať dvojice „parameter – hodnota“, čo je úloha využívaná pri filtroch. Najlepšie vyšiel GPT-4: priemerné skóre F1 dosiahlo približne 85 %, keď dostal podrobný opis parametrov a príklady. Model s otvoreným kódom Llama-3-70B bol blízko. V druhej štúdii, ktorá úlohu rozšírila o normalizáciu hodnôt (napríklad prevod jednotiek), dosiahol GPT-4 skóre F1 91 % a predbehol staršie špecializované metódy o 10 %.

Skóre F1 je kombinácia presnosti a úplnosti. Hodnota 85 % nie je podiel správnych údajov, ale skóre, ktoré zohľadňuje chybné aj vynechané hodnoty. Počítajte s tým, že časť hodnôt bude nesprávna alebo bude chýbať. Štúdie vychádzajú z výskumných súborov dát. Pre slovenčinu sme podobnú štúdiu nenašli, takže výsledky si musíte overiť na vlastných produktoch.

Kde sa to dá použiť

Postup, ktorý obmedzí chyby

1. Určite zoznam povolených hodnôt. Pre každý parameter (farba, materiál, určenie) pripravte uzavretý zoznam. Model vyberá z neho a nevymýšľa nové.
2. Dovoľte odpoveď „neviem“. Pokyn musí povoliť prázdnu hodnotu, keď údaj v texte nie je.
3. Uložte zdroj. Pri každej doplnenej hodnote si zapíšte, z ktorej vety pochádza.
4. Skontrolujte vzorku. Prejdite ručne aspoň 100 náhodných produktov z dávky (nie prvých sto zo súboru) a spočítajte správne, nesprávne a vynechané hodnoty. Ak je chýb viac, než ste ochotní tolerovať, zúžte zoznam hodnôt alebo úlohu rozdeľte.
5. Nahrávajte po dávkach. Najprv do testovacieho súboru, nie rovno do živého e-shopu.

Čo z toho získate

Parametre sú základ pre filtre (Filtre v e-shope), produktový feed (Produktový feed) aj vyhľadávanie. Typy dotazov, ktoré bez nich nefungujú, rozoberá článok Typy dotazov vo vyhľadávaní.

Nedá sa povedať, že čistenie dát AI zvýši predaj o konkrétne percento. Také číslo sme nenašli a nebudeme ho vymýšľať. Overiteľný je počet produktov s vyplneným kľúčovým parametrom pred a po úprave. Merajte ho.

Príklad z praxe (ilustračný)

Tabuľka ukazuje, ako môže vyzerať vstup a výstup pri doplnení parametrov. Údaje sú vymyslené na ilustráciu.

Druhý a tretí riadok sú dôležitejšie než prvý. Dobrý postup vie povedať „neviem“ namiesto toho, aby tipoval. Pri parametri, kde chyba stojí peniaze (kompatibilita, rozmery, bezpečnosť), vždy overte hodnotu podľa technického listu.

V akom poradí údaje čistiť

1. Najprv parametre, ktoré zákazníci používajú vo filtroch (pozri Filtre v e-shope).
2. Potom parametre, ktoré zákazníci píšu do vyhľadávania. Zistíte ich z hľadaných výrazov (GA4: report hľadaných výrazov).
3. Až potom parametre pre feed (Produktový feed).

Takto sa najprv opravia údaje, ktoré majú priamy vplyv na to, či zákazník produkt nájde. V Shoptete napríklad fulltext prehľadáva aj popisný parameter, značku a kategórie (Shoptet: čo fulltext prehľadáva), takže doplnený parameter sa môže prejaviť aj vo vyhľadávaní.

Čo ostane na človeku

Aj pri dobrom modeli ostáva na človeku rozhodnutie o štruktúre údajov (aké parametre a hodnoty budete mať), kontrola citlivých polí a rozhodnutie, čo sa nahrá do e-shopu. Jazykový model je asistent, ktorý prejde tisíce riadkov rýchlejšie ako tím, no zodpovednosť za katalóg ostáva vašim ľuďom.

Produktové údaje zvyčajne neobsahujú osobné údaje, no pred odoslaním externému nástroju si prečítajte jeho podmienky. Nákupné ceny a zmluvné podmienky s dodávateľmi do vstupu nepatria.