Coincidencia de productos entre minoristas: normalizar SKUs, GTINs y variantes

Scrapeless Agent Browser representa las selecciones de variantes del minorista, y Scrapeless Residential Proxies permiten a los recolectores observar el contexto del escaparate asociado con una ubicación seleccionada.

Un vistazo a un flujo de coincidencia de productos

La coincidencia de productos entre minoristas vincula listados específicos de tienda al mismo artículo comercial o variante de catálogo para que los precios puedan compararse sobre una base definida. Comienza con un listado sin procesar, captura la variante seleccionada, normaliza los identificadores, genera candidatos, evalúa conflictos y almacena una decisión explicable. Mantenga fija la unidad de compra en todo momento. Una página con el mismo título que su fila de catálogo aún puede describir un paquete, otro tamaño o un artículo usado.

Diseñe para tres entidades. La familia de productos captura atributos compartidos como la marca y la línea de modelo. La variante tiene los atributos que definen un artículo comercial. La oferta describe quién vende esa variante en un mercado particular y bajo qué condiciones. El vocabulario ProductGroup representa atributos de producto compartidos y relaciones de variantes. El vocabulario Offer representa términos comerciales. Su esquema puede usar nombres de campos diferentes siempre que preserve ese límite.

El vínculo entre una variante de minorista y su variante de catálogo interna debe registrar el método de decisión, los atributos comparados, la versión de las reglas de coincidencia y la evidencia de entrada. Proporcione a los revisores un registro duradero cuando cambie un listado. Si el minorista reutiliza una ruta de producto para una nueva generación, la decisión de coincidencia anterior aún puede explicar las observaciones que anteriormente unía.

Etapa 1. Capture la variante que describe la oferta

Capture juntos el estado de opción seleccionada y la oferta visible. Un minorista puede colocar varios colores o capacidades bajo una página canónica compartida. Un identificador JSON-LD a nivel de grupo puede referirse al modelo base, mientras que la fila seleccionada muestra un ID de variante diferente. Preserve la URL solicitada y final, los atributos elegidos, los candidatos de SKU y GTIN sin procesar, y de dónde provino cada identificador.

En páginas interactivas, use Scrapeless Agent Browser para operar los controles de opciones y esperar a que la variante seleccionada y la oferta coincidan. La solución de automatización Agent Browser cubre flujos de trabajo impulsados por navegador donde el estado representado importa. Si las fuentes de coincidencia sirven surtidos de mercado diferentes, use Residential Proxies para captura alineada al mercado y verifique la región del escaparate en el resultado. El egreso no le indica si el sitio aplicó una preferencia de mercado anterior.

Conserve tanto la evidencia inicial como la evidencia aceptada para una investigación. Un feed puede exponer un GTIN para el artículo comercial exacto incluso cuando la página representada lo omite. La página representada puede mostrar empaquetado o condición que el feed comprime en una categoría amplia. Etiquete las fuentes a nivel de campo para que un revisor pueda ver dónde comenzó un conflicto.

Etapa 2. Normalizar identificadores sin destruir su significado

La normalización de SKU aplica reglas específicas del minorista a un código de stock local. Conserve la cadena de origen y la cadena normalizada. Recorte espacios en blanco de transporte conocidos, y cambie mayúsculas/minúsculas o separadores solo cuando el contrato de ese minorista los defina como insignificantes. Un sufijo que parece un código de color puede distinguir dos variantes. Los ceros a la izquierda también pueden ser significativos. Almacene identificadores locales como cadenas.

La normalización de GTIN trata un código como una secuencia de dígitos y sigue las reglas de identificador en las GS1 General Specifications. Verifique las longitudes de GTIN permitidas y verifique el dígito de control. Después de la validación, complete con ceros GTINs válidos más cortos hasta una representación de comparación común de catorce dígitos si ese es su contrato. Preserve la representación sin procesar y el contexto de empaquetado. Un checksum válido detecta algunos errores de transcripción. No prueba que el código pertenezca al artículo de la página.

Un número de parte de fabricante puede ser útil cuando falta el GTIN. Delimite el número de parte por fabricante normalizado y capture sufijos significativos que indiquen región, color o empaquetado. Mantenga los SKUs de minoristas separados de los números de parte. Incluso una coincidencia exacta de SKU local entre dos dominios puede ser una coincidencia si los minoristas emitieron códigos de forma independiente.

Etapa 3. Rechaza conflictos graves antes de puntuar la similitud

Un candidato que viola una dimensión de variante requerida debe abandonar la ruta de emparejamiento automático. Para cápsulas de café, una coincidencia de marca y sabor no puede compensar un paquete de doce frente a una caja de seis paquetes de doce. Para electrodomésticos, el voltaje y el tipo de conector pueden importar. Define dimensiones requeridas por categoría y trata una dimensión faltante como desconocida. Un conflicto conocido y un atributo faltante requieren decisiones de revisión diferentes.

Considera una ficha ficticia de cápsulas de café con SKU del minorista B-099, un GTIN válido copiado del registro del paquete individual y un título que dice caja de seis. Tu propio artículo de catálogo es la versión de paquete individual. El candidato debe permanecer sin resolver o ser rechazado como una unidad de compra diferente, con el título y la evidencia del paquete almacenados. Se puede producir por separado una comparación de precio por unidad cuando el equipo de precios desee explícitamente costos equivalentes por cápsula.

La coincidencia difusa es una herramienta de generación de candidatos cuando faltan identificadores sólidos. Restringe primero el conjunto de candidatos por categoría y marca. Compara tokens de modelo normalizados y atributos tipados. Evita convertir adjetivos a nivel de categoría en señales de identidad. Construye un conjunto etiquetado con negativos difíciles, incluidas capacidades adyacentes y paquetes visualmente idénticos, y evalúa la precisión de cada regla de aceptación automática frente a ese conjunto.

Etapa 4. Almacena decisiones, anulaciones y revisiones

Una coincidencia auditable es una relación versionada con un motivo, como GTIN exacto con atributos confirmados, coincidencia manual, conflicto de paquete rechazado o identidad no resuelta. Conserva cuándo entró en vigor la coincidencia y luego permite que las consultas de precios históricos seleccionen la relación válida en el momento de la observación. Una corrección futura puede producir una vista revisada sin eliminar la procedencia original.

Utiliza permisos separados para escribir candidatos de coincidencia automáticos y aprobar anulaciones. Proporciona al revisor el identificador bruto, el identificador normalizado, los atributos de comparación, capturas recientes, mercado de origen y por qué la regla dudó. Limita en el tiempo las anulaciones cuando el propietario del catálogo espera que las fuentes cambien. Registra el equipo o servicio responsable de revisar las decisiones vencidas.

Publica cobertura y precisión por separado. La tasa de coincidencias automáticas puede aumentar mientras también aumentan las uniones falsas. Mide la calidad en la cohorte aceptada y toma muestras de la cohorte no resuelta para ver qué enlaces útiles están faltando en las reglas. Empareja el resultado con el flujo de trabajo de monitoreo de precios regionales y la guía de canalización de precios competitivos para que la unión alimente comparaciones para los mercados correctos. Estima los costos de captura a partir de Scrapeless pricing con la mezcla medida de selecciones de variantes y verificaciones de mercado.

Inspecciona los desacuerdos entre tiendas antes de editar las reglas

Trata un desacuerdo entre tiendas como una tarea de diagnóstico. Verifica si cada observación nombra el mismo paquete, condición y configuración seleccionada antes de cambiar el umbral. Si un conflicto apareció sólo después de que cambió una plantilla de origen, compara la procedencia de campos archivada con la salida actual del analizador. Un encabezado de promoción puede introducir tokens que un emparejador interpreta como tamaño de paquete. Un rediseño de la tienda puede mover el ID de variante a un elemento compartido por cada producto de la familia.

Conserva un ejemplo adjudicado después de la investigación. Un revisor debe registrar qué evidencia cambiaría la decisión, como un identificador claro del fabricante o una imagen de la unidad marcada en un feed autorizado. Usa ese ejemplo al evaluar una revisión de regla. La tasa de coincidencias automáticas puede ampliarse permitiendo que más categorías pasen por la misma puerta, pero una revisión confiable mejora la aceptación para una cohorte conocida y preserva el rendimiento en negativos difíciles.

Libera sólo uniones de ofertas comparables

Comienza con una categoría cuyos atributos de variante el equipo de catálogo pueda etiquetar con confianza. Captura la unidad seleccionada de ambas fuentes y haz que el motivo de coincidencia aprobado sea visible aguas abajo. Un informe de precios debería poder explicar por qué se emparejaron dos ofertas y separarlas cuando cambie la evidencia.