AI для описания товаров для VVP Group

Нейросеть для Центра дистрибьюции: понимает характеристики товаров и создает понятные описания для сайта и каталогов

К нам обратилась компания VVP Group — лидер в дистрибуции и производстве электроники и бытовой техники. Она продается через B2B-платформу. Клиенты разные — от салонов связи до федеральных реселлеров.

В товарной базе клиента находятся сотни тысяч позиций, но работать с ней было трудно: поиск приходилось выполнять вручную из-за отсутствия общей логики в описаниях. Чтобы превратить хаос в управляемую структуру, мы внедрили AI-решение для автоматизации описаний и структуры товарных данных.

Проблема

На портале уже размещено более 100 000 товаров, но почти у всех было только одно поле — название. И выглядели они примерно так: Huawei / 16Gb / 512SSD / i7 / GeForce GTX 1650 / Black. При этом было слишком много вариаций названий, например, Huawei ноутбук черный 16Gb/512 SSD или H. i7 + 512SSD + GTX. Отсутствие стандарта в сочетании с опечатками не добавляло удобства.

Кроме того, характеристики были зашиты внутрь строки — это делало поиск по фильтрам просто невозможным. И также усложняло экспорт и аналитику.

Цель проекта

Создать для VVP Group интеллектуальную систему, которая автоматически анализирует, структурирует и унифицирует описания товаров, чтобы упростить публикацию в каталогах и на маркетплейсах.

Как мы решили задачу

Мы разработали для VVP Group AI-решение, которое умеет:

Определять ключевые атрибуты: выделять бренд, модель, цвет, технические характеристики (например, объем памяти, тип экрана) даже в неструктурированных описаниях.

Структурирование товарных характеристик для каталога VVP Group, пункт 1

Cтандартизировать данные: приводить сокращения и единицы измерения к единому формату (например, «GB», «Gb», «гб» → «ГБ»).

Структурирование товарных характеристик для каталога VVP Group, пункт 2

Cтруктурировать информацию: преобразовывать разрозненные данные в четкие карточки товаров с заданными полями.

Структурирование товарных характеристик для каталога VVP Group, пункт 3

В основе решения:

NLP-модель для распознавания товарных позиций и их характеристик.

База эталонных описаний, которая помогает системе корректно интерпретировать даже сложные формулировки.

Интерактивная проверка: сотрудники видят результаты автоматической обработки и могут внести правки, что гарантирует высокую точность данных.

Результаты

1 Единообразные карточки товаров с полями: бренд, модель, цвет, технические характеристики и другие параметры.
2 Улучшенный поиск и фильтрация в каталогах за счет четкой структуры данных.
3 Автоматический экспорт в форматы YML, CSV для загрузки на Ozon, Wildberries, Яндекс.Маркет и другие площадки.
4 Экономия времени на обновление и добавление товаров, снижение количества ошибок вручную.

Решение работает в полуавтоматическом режиме, сочетая возможности ИИ с контролем со стороны сотрудников, чтобы обеспечить максимальную точность и удобство.

Заинтересовал кейс?

Если у вас есть похожая задача, напишите нам!