W e-commerce dużo mówi się dziś o jakości danych produktowych. Firmy porządkują opisy, uzupełniają atrybuty, standaryzują nazewnictwo i rozwijają procesy, które mają przygotować organizację na skalowanie sprzedaży oraz wykorzystanie AI. To potrzebny kierunek, przy czym jakość danych w systemie źródłowym nie zamyka całego tematu. Część problemów pojawia się później, już po publikacji produktu w kanałach sprzedaży.
To właśnie temu zagadnieniu poświęciliśmy temat zgłoszony do programu E-commerce Warsaw Expo. Punktem wyjścia była obserwacja, że nawet dobrze przygotowane dane mogą po drodze stracić spójność z wersją źródłową marki.
Na tym etapie dane zaczynają funkcjonować poza środowiskiem marki. Trafiają do retailerów, marketplace’ów, porównywarek i aplikacji, gdzie podlegają mapowaniom, transformacjom, lokalnym regułom publikacji i różnym standardom prezentacji. W rezultacie nawet dobrze przygotowane informacje nie zawsze pozostają spójne z wersją źródłową marki.
Czym jest PIM i dlaczego firmy z niego korzystają?
PIM, czyli Product Information Management, to system do zarządzania informacją produktową. Służy do gromadzenia, porządkowania i aktualizowania danych o produktach w jednym miejscu. Mogą to być nazwy, opisy, cechy techniczne, atrybuty marketingowe, zdjęcia, warianty czy informacje potrzebne do publikacji w różnych kanałach sprzedaży. Dla wielu firm PIM stanowi centralne źródło wiedzy o produkcie i porządkuje współpracę między marketingiem, e-commerce, sprzedażą oraz zespołami operacyjnymi. Samo wdrożenie PIM-u nie rozwiązuje jednak całego problemu, ponieważ między uporządkowaniem danych a ich poprawną publikacją pozostaje jeszcze kilka etapów, na których mogą pojawiać się rozbieżności.
Dlatego uporządkowany PIM nie oznacza automatycznie, że klient końcowy zobaczy poprawną i pełną kartę produktu. Marka może mieć dobrze przygotowane dane, a mimo to na stronie partnera handlowego część informacji okaże się niepełna, nieaktualna albo pokazana inaczej, niż zakładano.
Gdzie dane tracą spójność?
Przez spójność danych produktowych można rozumieć zgodność między wersją źródłową przygotowaną przez markę a tym, co ostatecznie pojawia się na karcie produktu w danym kanale sprzedaży. Utrzymanie spójności bywa trudne, ponieważ dane przechodzą przez kilka etapów, zanim trafią do klienta. Marka pracuje na własnym modelu danych, partner handlowy ma własne wymagania, a po drodze pojawiają się integracje, feedy, mapowania i zasady publikacji charakterystyczne dla danego kanału. Na każdym z tych etapów dane mogą zostać przekształcone, skrócone albo przypisane inaczej, niż zakładano w systemie źródłowym.
Właśnie wtedy pojawiają się typowe odchylenia. Czasem znika pojedynczy atrybut, czasem parametr trafia do niewłaściwego pola. Zdarza się też, że pojemność produktu nie pojawia się w filtrach, wariant kolorystyczny zostaje przypisany do niewłaściwej wersji, a zdjęcie główne nie aktualizuje się po zmianie opakowania. Bywa również, że opis zostaje skrócony, układ informacji na karcie produktu zmienia się albo dane o dostępności różnią się między kanałami.
Tego rodzaju odchylenia stały się dla nas punktem wyjścia do zgłoszenia tematu wystąpienia: „AI-ready PIM to za mało. Dlaczego dane produktowe tracą spójność u retailerów i ile to kosztuje?”
Uznaliśmy, że warto pokazać go szerzej, ponieważ w niektórych organizacjach problem nie kończy się na jakości danych źródłowych, lecz dotyczy także tego, co dzieje się z nimi później, już na etapie publikacji i utrzymania oferty w kanałach sprzedaży.
Digital shelf, czyli więcej niż ekspozycja produktu
Digital shelf najczęściej kojarzy się z obecnością produktu w Internecie, jego widocznością i sposobem prezentacji. Warto spojrzeć na ten obszar szerzej. To właśnie tutaj widać, co stało się z danymi po publikacji.
Klient nie podejmuje decyzji zakupowej na podstawie tego, co znajduje się w systemie źródłowym marki. Widzi konkretną kartę produktu u retailera, na marketplace albo w aplikacji. Jeżeli informacje są tam niepełne, niespójne albo nieaktualne, wpływa to na odbiór oferty i może utrudniać zakup. Z perspektywy marki oznacza to również mniejszą kontrolę nad tym, w jaki sposób produkt funkcjonuje w kanałach sprzedaży.
Dlatego o jakości danych warto mówić szerzej niż tylko w kontekście kompletności informacji w PIM-ie. Równie ważne jest to, czy dane pozostają spójne po publikacji.
Dlaczego dobre dane wejściowe nie wystarczają?
W wielu organizacjach jakość danych ocenia się przede wszystkim na etapie ich przygotowania. To zrozumiałe, ponieważ właśnie tam najłatwiej wprowadzić standardy, reguły walidacji i odpowiedzialność procesową. Jednak dbałośc o jakość danych produktowych to proces, który obejmuje także dystrybucję, publikację i aktualizację w wielu kanałach.
Rozbieżności mogą wynikać z różnic w modelach danych między marką a retailerem, z niejednoznacznego mapowania pól, z lokalnych zmian wprowadzanych po stronie partnera albo z opóźnień aktualizacji. Czasem firma wie dokładnie, jakie dane wysłała, ale nie ma pełnej widoczności tego, jak te dane zostały ostatecznie pokazane użytkownikowi.
Dlatego sam porządek w systemie źródłowym nie daje jeszcze pełnego obrazu jakości.
AI-ready to dopiero początek
Dziś wiele firm rozwija swoje środowisko danych w kierunku AI-ready. Oznacza to zwykle lepszą strukturę informacji, większą spójność atrybutów, standaryzację treści i większą gotowość do automatyzacji. To ważny krok, który… nie wyczerpuje całego zagadnienia.
AI może wspierać tworzenie opisów, porządkowanie danych czy wykrywanie braków, ale nadal potrzebny jest nadzór nad tym, co dzieje się z danymi po ich przekazaniu do kanałów sprzedaży. Bez monitoringu publikacji i bez kontroli spójności między źródłem a wersją widoczną dla klienta trudno mówić o pełnej dojrzałości procesu.
To oznacza, że firmy powinny patrzeć na dane produktowe nie tylko od strony przygotowania treści, lecz także od strony ich funkcjonowania na digital shelf.
Jak podejść do tego praktycznie?
Najrozsądniej spojrzeć na cały proces w kilku powiązanych ze sobą warstwach. Pierwsza to źródło danych i standard. Tutaj mieszczą się PIM, definicje atrybutów, procesy walidacji i odpowiedzialność za jakość. Druga warstwa to dystrybucja, czyli wszystko to, co dzieje się między marką a partnerem handlowym: eksporty, feedy, mapowania i transformacje. Trzecia to sama publikacja, a więc to, co użytkownik finalnie widzi na karcie produktu.
Te trzy perspektywy rozpatrywane razem pokazują, czy dane rzeczywiście zachowują spójność. Oznacza to potrzebę monitorowania publikacji, porównywania wersji źródłowej z wersją widoczną w kanałach oraz ustalania, które odchylenia mają największe znaczenie z punktu widzenia sprzedaży, widoczności i spójności komunikacji.
Nie każda rozbieżność wymaga tej samej reakcji. Inaczej należy traktować drobną zmianę kosmetyczną, a inaczej brak parametrów wpływających na filtrowanie produktu czy nieaktualne zdjęcie, które zmienia sposób odbioru oferty. Bez takiego uporządkowania łatwo wejść w model ciągłego ręcznego poprawiania treści bez szerszego spojrzenia na przyczynę problemu.
Temat zgłoszonego wystąpienia wynika z codziennych wyzwań związanych z publikacją i kontrolą jakości danych. Jego osią jest utrzymanie spójności danych po ich przekazaniu do kanałów sprzedaży.
Dlaczego ten temat wraca coraz częściej?
Im więcej kanałów sprzedaży, partnerów i wariantów asortymentu, tym większa złożoność całego procesu publikacji. Do tego dochodzą rosnące oczekiwania klientów, którzy szybko porównują oferty i zwracają uwagę na jakość informacji produktowych. W tym kontekście spójność danych staje się zagadnieniem łączącym technologię, operacje i sprzedaż.
Coraz częściej chodzi o to, aby utrzymać jakość danych w środowisku, w którym są stale dystrybuowane, przekształcane i aktualizowane. To etap, który regularnie wraca w rozmowach o jakości danych produktowych i organizacji sprzedaży w wielu kanałach.
O tym będzie nasze wystąpienie!
Właśnie temu zagadnieniu poświęcone jest zgłoszone przez Brandly360 wystąpienie na E-commerce Warsaw Expo:
„AI-ready PIM to za mało. Dlaczego dane produktowe tracą spójność u retailerów i ile to kosztuje?”
To temat o tym, co dzieje się z danymi po opuszczeniu systemu źródłowego marki i dlaczego sama gotowość danych w PIM-ie nie daje jeszcze pełnej kontroli nad ich jakością w kanałach sprzedaży. W centrum tej rozmowy znajdują się przepływ danych, publikacja, monitoring i porządkowanie poprawek.Podczas prelekcji Miłosz Nowakowski pokaże, gdzie pojawiają się rozbieżności między marką a partnerami handlowymi, jak monitorować jakość publikacji na digital shelf w wielu kanałach oraz jak ustalać priorytety działań naprawczych z perspektywy biznesowej. A ponieważ temat bierze udział w głosowaniu na wystąpienia, przy okazji zachęcamy też do wsparcia zgłoszenia Brandly360!