Automation of product placement on Ozon

www.ozon.ru

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

Результат

  • Создали систему предстраховых проверок, которая анализирует данные страхователей по 4 внешним источникам и внутренним базам.
  • Учли внутренние процессы компании, предложив соответствующий интерфейс, и автоматизировали KPI по времени.
  • Разработали дополнение для браузера, чтобы уменьшить время ручных проверок.
  • Интегрировали систему распознавания документов DBrain, чтобы сократить время на заполнение данных клиента.
  • Сделали возможным сохранение истории проверок и черного списка в одном месте без дубликатов.
  • Создали удобную систему отчетности для руководителей.

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
Check out other projects.

SberSpasibo mobile application

Pet care service Petstory

Pet care service Petstory
    <-- simple icon --> <-- link-icon --> <-- simple text -->
  • <-- awards -->
Mobile app, doctor’s personal account and website
Product team Design IOS Android System analyst SLA Backend Web analytics Frontend Illustrations UX analytics Prototyping

Chatbot for the AlfaStrakhovanie

+7 495 981-01-85 + Become a customer
Services Cases