La tarea
La tienda tenía fichas básicas (marca, modelo, precio), pero faltaban las características detalladas: mecanismo, materiales de caja y correa, resistencia al agua, dimensiones, números de referencia, descripciones de calidad e imágenes. Rellenarlo a mano en miles de modelos lleva demasiado tiempo, y las fichas incompletas venden peor y se indexan peor.
Qué hicimos y qué datos recopilamos
Recopilamos las características de los relojes de varias fuentes externas y las vinculamos con los productos de la tienda mediante el emparejamiento de productos, ante todo por números de referencia y por marca y modelo. Para cada posición formamos un conjunto unificado de atributos y completamos la ficha.
Dificultades y cómo las resolvimos
La principal: el emparejamiento. Una misma referencia se escribe distinto en cada plataforma, y parte de los modelos se publica directamente sin referencia. Emparejamos los productos por un conjunto de señales (marca, modelo, referencia, atributos clave), no por un solo campo.
La segunda: las contradicciones entre fuentes: un mismo modelo con valores distintos de un mismo atributo. Definimos prioridades de fuentes y reglas de elección del valor, para que a la ficha llegaran datos coherentes.
La tercera: el desorden de unidades y formatos (mm, tallas, resistencia al agua). Todo se llevó a diccionarios y unidades de medida únicos.
El resultado
La tienda obtuvo un catálogo enriquecido con características completas y homogéneas: las fichas son más informativas y completar las posiciones nuevas requiere una fracción del trabajo manual.
Servicios en este caso: Enriquecimiento de datos de producto · Extracción de datos de productos · Emparejamiento de productos (product matching) · Datos para e-commerce
Materiales útiles: Enriquecimiento de datos · Normalización de datos