Создали систему, которая публикует на Ozon большие объемы товаров сторонних продавцов с помощью машинного обучения

Более 20 000 магазинов продают товары на маркетплейсе Ozon. У некоторых продавцов в ассортименте сотни тысяч позиций. Чтобы облегчить процесс их размещения на сайте, коллеги из Ozon обратились к нам за помощью

ECOBOT

Личный кабинет не локализован для зарубежных продавцов, им особенно сложно разобраться в разветвленной системе категорий и свойств товаров

Размещать вручную большое количество позиций слишком долго

Более 4800 категорий товаров, из которых нужно выбрать одну

Строгие требования маркетплейса к заполнению карточек

Сложности публикации товаров на Ozon

Задача

Нам требовалось автоматизировать весь процесс заполнения информации о товаре и его выгрузки на Ozon. Это помогло бы избавить продавцов от ручных действий и публиковать товары гораздо быстрее

Решение

Мы решили создать B2B-систему управления товарами на базе машинного обучения. Это прослойка между продавцом и маркетплейсом, которая забирает исходную информацию об ассортименте продавца, преобразует её под требования Ozon и выдаёт готовые карточки товаров

Как всё устроено

Готово! Товар опубликован на Ozon

Далее нейросеть преобразует детальные свойства объекта в формат, заданный Ozon, и готовит к размещению

Система распознаёт информацию и с помощью ML понимает к какой категории и какому типу отнести товар

Продавец загружает в систему документ с ассортиментом и характеристиками товаров и подключает свой аккаунт на Ozon

Для каждого товара продавца система выделяет набор ключевых характеристик на основании описания товара, фотографий и его категории.

То же самое система делает для всех товаров в категориях Ozon.

Новый товар, который поступает от продавца, размещается в той же категории Ozon, в которой находятся наиболее похожие на него товары. Этот подход позволяет избежать необходимости переобучения модели машинного обучения при изменении дерева категорий в Ozon (в машинном обучении переобучение – это дорогой и довольно хрупкий процесс).

Классификация объектов

Казалось бы, можно просто извлечь категорию из текстового названия, но нет. Если в каталоге Ozon появятся новые категории, придётся обучать модель заново. Этот процесс дорогой и довольно хрупкий — в любой момент могут возникнуть ошибки по всему пространству данных и риск неверно классифицировать товары. Наш подход позволяет этого избежать

Деление товаров на категории и типы происходит на основе похожих объектов. С помощью машинного обучения мы находим группу товаров, наиболее близкую по характеристикам (или числовым значениям, если мыслить в терминах Ozon). К их категории подходит и наш товар

Важной частью информации о товаре являются его свойства (например, «материал») и значения («искусственная кожа»). Проблема в том, что у продавца и у Ozon они могут называться по-разному (не «искусственная кожа», а «кожзам»).

Наша задача в рамках машинного обучения — понять, что это одно и то же. Для этого система анализирует «близость» с точки зрения языка свойств и значений.

Преобразование детальной информации о товаре

Вся информация о товаре разбивается на свойства (например, «материал») и значения («искусственная кожа»). Проблема в том, что у продавца и у Ozon они могут называться по-разному (не «искусственная кожа», а «кожзам»).

Наша задача в рамках машинного обучения — понять, что это одно и то же. Для этого система анализирует свойства и значения в  числовом формате и мэтчит их с параметрами Ozon. В результате мы из сырых данных получаем табличку с необходимым для публикации контентом

Название выстраивается по единой схеме: тип + бренд + модель + важные характеристики для категории. Происходит это автоматически на базе преобразованной информации о товаре продавца

Как формируется название товара

Машина тоже может ошибаться, поэтому обязателен контроль качества. На каждом этапе к процессу подключается модератор. Он вручную проверяет, верно ли предсказание модели, уточняет категории и свойства товаров. Если модератор делает замечание, исправляет ошибку или отклоняет товар, система учитывает это и дообучается

Ручная модерация контента

После того как товар опубликован на Ozon, мы не забываем про  него. Если товар обновляется у продавца, система видит эти изменения в режиме реального времени и изменяет описание товара на Ozon

Размещение и обновление товаров

Что получилось в результате

Мы создали B2B-систему управления товарами на базе машинного обучения. Это прослойка между продавцом и маркетплейсом, которая забирает исходную информацию об ассортименте магазина, преобразует её под требования площадки и выдаёт готовые карточки товаров на Ozon

Результаты

Описания товаров стали более релевантными для пользователей. Понятно, как контент в карточках влияет на продажи

Мы создали систему, которая идентифицирует характеристики товаров в терминах Ozon и корректно категоризует товары

Избавили продавцов от необходимости разбираться в свойствах товаров и тратить время на заполнение карточек

Теперь удобно размещать большие объёмы товаров. Сотни тысяч позиций публикуются за пару дней

С помощью системы Agima на Ozon уже размещено более 500 000 товаров

контакты AGIMA AI

107031, г. Москва, ул. Петровка, д. 19, стр. 4

hello@agima.ai

Теперь вы знаете, где нас искать
Обычно мы работаем с 10 до 19

Политика конфиденциальности

© Все права защищены