Optimering af produktdata: Få mere ud af de data, I allerede har

Bedre produktdata gør det lettere for både kunder, Google, annonceplatforme og AI-tjenester at forstå jeres produkter.

Produktdata bruges i dag langt flere steder end på selve produktsiden. De påvirker både filtrering, produktfeeds, SEO og den information, der sendes videre til andre platforme.

Derfor er mangelfulde eller uensartede produktdata ikke længere kun et spørgsmål om oprydning i backend.

Hos Conversio arbejder vi med optimering af produktdata, hvor AI bruges til at analysere og berige de produktinformationer, der allerede findes. Internationalt omtales området ofte som Product Data Enrichment.

Målet er helt enkelt: at gøre de eksisterende produktinformationer mere brugbare og identificere den data, der mangler.

Hvad indebærer optimering af produktdata?

Mange webshops indeholder allerede værdifuld produktinformation, som ikke er struktureret som egentlige data.

Forestil jer en webshop, der sælger lamper. I en produktbeskrivelse står der:

“Udendørs væglampe i sort pulverlakeret aluminium med E27-fatning og IP44-klassificering.“

Beskrivelsen rummer flere konkrete produktegenskaber:

• Anvendelse: udendørs.
• Farve: sort.
• Materiale: aluminium.
• Fatning: E27.
• IP-klasse: IP44.

Hvis oplysningerne kun findes i den løbende tekst, er de sværere at bruge aktivt andre steder i webshoppen.

Ved at strukturere dem som produktdata, kan de blandt andet bruges til filtrering, produktspecifikationer, kategorisering, produktfeeds, SEO og eksterne markedsføringskanaler.

Optimering af produktdata handler derfor blandt andet om at finde den information, der allerede findes, og gøre den mere anvendelig på tværs af webshoppen og de systemer, der bruger produktdata.

Hvorfor er gode produktdata blevet vigtigere?

Når produktdata skal bruges på tværs af webshop, feeds og eksterne platforme, bliver konsistensen vigtig.

Hvis en farve hedder “Sort” på nogle produkter, “Black” på andre og “Mat sort” på en tredje gruppe, bliver data sværere at bruge konsekvent. Det samme gælder, hvis centrale produktegenskaber kun er udfyldt på en del af sortimentet.

På nogle få hundrede produkter kan det måske håndteres manuelt. På 10.000, 50.000 eller 100.000 produkter bliver opgaven en anden. Her kan AI gøre analyse og strukturering langt mere skalerbar.

Gode produktdata gør det lettere at finde det rigtige produkt

Gode filtre kræver gode produktdata.

Har en kategori 1.500 produkter, er producent og pris sjældent nok. Kunden leder typisk efter noget mere konkret.

På en møbelwebshop kan det være materiale, bredde og farve. På en reservedelswebshop kan det være kompatibilitet, dimensioner og produkttype. I mode kan størrelse, pasform og materiale være afgørende.

Hvis de relevante værdier mangler på en stor del af produkterne, bliver filtreringen hurtigt mindre brugbar. Det gælder især på webshops med store sortimenter, hvor navigation, søgning og filtre skal hjælpe kunden hurtigt frem til det rigtige produkt.

De samme data kan også styrke produktsiden. Strukturerede specifikationer gør centrale egenskaber lettere at afkode og produkter lettere at sammenligne.

Produktdata spiller derfor en direkte rolle i både brugeroplevelsen og konverteringen.

Bedre produktdata giver også bedre feeds

Produktdata har også stor betydning uden for webshoppen.

Google Merchant Center og andre platforme bruger produktinformation til at forstå, kategorisere og præsentere produkter.

Er informationen mangelfuld ved kilden, følger problemet ofte med videre ud i feedet. Derfor bør arbejdet med produktfeeds ikke altid begynde i selve feedværktøjet.

Hvis problemet ligger i produktdataene, giver det ofte mere mening at forbedre datagrundlaget ved kilden. De samme, mere komplette og konsistente produktdata kan derefter bruges på tværs af feeds og kanaler.

AI-baseret produktsøgning stiller nye krav til data

Måden, kunder søger efter produkter på, ændrer sig også.

En traditionel søgning ville eksempelvis være:

“vandrestøvler herre“

En AI-baseret forespørgsel kan være langt mere konkret:

“Jeg skal bruge et par vandtætte vandrestøvler til en uges vandring i Norge. De skal have god ankelstøtte, være egnet til vådt terræn og koste maksimalt 1.500 kr.“

Her skal AI ikke blot finde en side, hvor ordene “vandrestøvler herre” står nævnt. Den kunstige intelligens skal forsøge at forstå behovet og finde produkter, der matcher det.

Det gør produktegenskaber som vandtæthed, anvendelse, materiale, terræn og pasform mere interessante. Jo tydeligere og mere konsistent den slags information er, desto lettere bliver produktet at forstå digitalt.

Det betyder ikke, at strukturerede produktdata automatisk giver synlighed hos ChatGPT, Google eller andre AI-tjenester. Der findes ikke en simpel genvej til AI-synlighed.

Gode produktdata giver til gengæld systemerne et bedre grundlag for at forstå produkternes egenskaber og matche dem med konkrete behov.

AI gør arbejdet med produktdata skalerbart

Manuel berigelse bliver hurtigt en omfattende opgave.

Hvis en medarbejder bruger bare to minutter på at gennemgå hvert produkt på en webshop med 25.000 varer, svarer det til mere end 800 timers arbejde. Og så er tiden til at definere struktur, ensrette værdier og kontrollere kvaliteten ikke engang regnet med.

Hos Conversio har vi udviklet vores egen AI-baserede proces til at analysere eksisterende produktdata og identificere, hvor de kan struktureres, ensrettes og beriges.

Det kan eksempelvis være information, der allerede findes i produktnavne, beskrivelser eller andre produktfelter, men som ikke er struktureret på en måde, hvor webshoppen kan bruge den aktivt.

Analysen kan blandt andet vise:

• hvor der mangler data
• hvilke attributter der kan være relevante
• hvor eksisterende information kan struktureres bedre
• hvor værdier bør ensrettes.

AI kan hjælpe med at finde mønstre, mangler og forbedringsmuligheder i produktdata, men den endelige struktur og kvalitet skal stadig vurderes af mennesker.

Hvor skal I starte?

Når produktdata er struktureret og ensrettet, kan de samme informationer bruges på tværs af webshop, filtre, feeds, SEO og eksterne tjenester. Et bedre datagrundlag kan derfor skabe værdi flere steder på én gang.

Start med at få overblik over de produktdata, I allerede har. Hvor mangler der information? Hvilke værdier ligger gemt i produkttekster? Hvor er data inkonsistente? Og hvilke attributter vil faktisk gøre en forskel for kunder, navigation og feeds?

Hos Conversio kan vi analysere produktkataloget og identificere, hvor data kan struktureres, ensrettes og beriges.

Tag fat i os, hvis I vil have et konkret overblik over potentialet i jeres produktdata.