Russian
Deutsch
English
Все кейсы
ИИ (AI)
2024
Работа с номенклатурой на базе ИИ
Автоматизировали обработку номенклатуры: ИИ категоризирует товары, чистит названия и сопоставляет позиции из разных прайсов.
94%
точность категоризации
×15
быстрее ручной
−80%
дублей
100k+
позиций
О проекте
Автоматизировали обработку номенклатуры: ИИ категоризирует товары, чистит названия и сопоставляет позиции из разных прайсов.
Задача
Интеллектуальная каталогизация, автогенерация описаний и SEO‑контента для интернет-магазина
Задача
Клиент - крупный сайт с ассортиментом более 40 000 товаров, включая технически сложную продукцию с большим количеством характеристик.
Перед нами стояла задача автоматизировать:
- классификацию товаров по категориям,
- генерацию карточек с описаниями,
- формирование SEO-заголовков и мета-тегов,
- обновление этих данных при изменении свойств товара.
Что сделали
Каталогизация товаров с использованием ИИ
Для классификации мы использовали GPT в сочетании с векторным поиском (pgvector + embeddings), что позволило точно определять категорию даже по неполным или некорректным данным. Обрабатывались поля: название, артикул, описание, vendor code.
Автоматическая генерация контента
На основе категории, бренда и ключевых характеристик ассистент формировал:
- заголовок страницы (title, h1),
- краткое и полное описание,
- SEO‑мета‑теги.
В шаблонах использовались переменные, но текст всегда получался уникальным - с учётом терминологии конкретного типа товара.
Механизм самообновления
При изменении категории или свойств товара вся привязанная информация автоматически перестраивалась: новое описание, пересчёт тегов, обновление заголовков. Это особенно важно при массовом обновлении прайс-листов.
Валидация и контроль качества
Система логировала каждое изменение и предоставляла интерфейс для ручной проверки и доработки (в админке CMS).
Результаты
- 90% карточек сгенерированы автоматически, с минимальным участием контент-отдела
- Время запуска новых товаров на сайт сократилось с 2-3 дней до нескольких часов
- Обеспечена единообразная структура описаний и полная SEO-оптимизация
- Повышено качество категорийной структуры - товары больше не попадали в «прочее»
- Подготовлена система, масштабируемая на 100 000+ позиций
Технологии и подходы
- GPT-4 (через OpenAI API)
- PostgreSQL + pgvector
- Собственные шаблоны генерации и логика fallback
- Внутренние проверки (валидация длины, соответствие структуре)
- Интеграция с CMS, API обновлений и админ-панелью
Задача
Клиент - крупный сайт с ассортиментом более 40 000 товаров, включая технически сложную продукцию с большим количеством характеристик.
Перед нами стояла задача автоматизировать:
- классификацию товаров по категориям,
- генерацию карточек с описаниями,
- формирование SEO-заголовков и мета-тегов,
- обновление этих данных при изменении свойств товара.
Что сделали
Каталогизация товаров с использованием ИИ
Для классификации мы использовали GPT в сочетании с векторным поиском (pgvector + embeddings), что позволило точно определять категорию даже по неполным или некорректным данным. Обрабатывались поля: название, артикул, описание, vendor code.
Автоматическая генерация контента
На основе категории, бренда и ключевых характеристик ассистент формировал:
- заголовок страницы (title, h1),
- краткое и полное описание,
- SEO‑мета‑теги.
В шаблонах использовались переменные, но текст всегда получался уникальным - с учётом терминологии конкретного типа товара.
Механизм самообновления
При изменении категории или свойств товара вся привязанная информация автоматически перестраивалась: новое описание, пересчёт тегов, обновление заголовков. Это особенно важно при массовом обновлении прайс-листов.
Валидация и контроль качества
Система логировала каждое изменение и предоставляла интерфейс для ручной проверки и доработки (в админке CMS).
Результаты
- 90% карточек сгенерированы автоматически, с минимальным участием контент-отдела
- Время запуска новых товаров на сайт сократилось с 2-3 дней до нескольких часов
- Обеспечена единообразная структура описаний и полная SEO-оптимизация
- Повышено качество категорийной структуры - товары больше не попадали в «прочее»
- Подготовлена система, масштабируемая на 100 000+ позиций
Технологии и подходы
- GPT-4 (через OpenAI API)
- PostgreSQL + pgvector
- Собственные шаблоны генерации и логика fallback
- Внутренние проверки (валидация длины, соответствие структуре)
- Интеграция с CMS, API обновлений и админ-панелью
Решение
Что мы сделали
Авто-категоризация
Модель определяет категорию товара по названию и характеристикам.
Нормализация названий
Чистим и приводим названия к единому виду, исправляем сокращения.
Сопоставление позиций
Находим одинаковые товары из разных прайсов и объединяем дубли.
Контроль качества
Метрики точности и ручная проверка спорных случаев.
Галерея
Как это выглядит
Каталог стал чистым и структурированным. Обработка прайсов превратилась из недельной рутины в автоматический процесс.
Ещё кейсы
Похожие проекты
Хотите такой же результат?
Расскажите о задаче - подберём подход, оценим объём и сроки. Покажем релевантные вашему проекту кейсы.
