Automation of product placement on Ozon

Превью проекта

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.

Сложности публикации товаров на Ozon

  • Строгие требования маркетплейса к заполнению карточек.
  • Более 4800 категорий товаров, из которых нужно выбрать одну.
  • 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.
Превью проекта

Задача

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.
Превью проекта

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

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


2. Система распознает информацию и с помощью ML понимает, к какой категории и какому типу отнести товар.


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


4. Готово! Товар опубликован на Ozon.

Превью проекта

Классификация объектов

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).

Превью проекта

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.
Превью проекта

Как формируется название товара

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

Ручная модерация контента

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.
Превью проекта

Размещение и обновление товаров

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.
Превью проекта

Картинка

AGIMA AI помогает автоматизировать бизнес с помощью алгоритмов машинного обучения и искусственного интеллекта, также принимать верные решения на основе больших данных.

Основные направления:

  • cистемы машинного зрения, которые распознают объекты по фото или видео;
  • бизнес-аналитика и анализ данных;
  • cоздание умных рекомендательных систем;
  • cоздание чат-ботов.

Подробнее об AGIMA AI и работах, вы можете найти на официальном сайте. https://agima.ai/

Do you like it? Share it on social networks

Get in touch

Would you like to say hello or find out more information?

Let's talk
+7 495 981-01-85 + Become a customer
Services Cases Content-hub