Автоматизация размещения товаров на Ozon

www.ozon.ru

Создали систему, которая классифицирует и публикует большие объемы товаров на основе машинного обучения

Превью проекта

Более 20 000 магазинов продают товары на маркетплейсе Ozon. У некоторых продавцов в ассортименте сотни тысяч позиций. Чтобы облегчить процесс их размещения на сайте, коллеги из Ozon обратились к нам за помощью.

Сложности публикации товаров на Ozon

  • Строгие требования маркетплейса к заполнению карточек.
  • Более 4800 категорий товаров, из которых нужно выбрать одну.
  • Личный кабинет не локализован для зарубежных продавцов, им особенно сложно разобраться в разветвленной системе категорий и свойств товаров.
  • Размещать вручную большое количество позиций слишком долго.
Превью проекта

Задача

Требовалось автоматизировать весь процесс заполнения информации о товаре и его выгрузки на Ozon. Это помогло бы избавить продавцов от ручных действий и публиковать товары гораздо быстрее.
Превью проекта

Решение

Мы решили создать B2B-систему управления товарами на базе машинного обучения. Это прослойка между продавцом и маркетплейсом, которая забирает исходную информацию об ассортименте продавца, преобразует её под требования Ozon и выдаёт готовые карточки товаров.

Как всё устроено

1. Продавец загружает в систему документ с ассортиментом и характеристиками товаров и подключает свой аккаунт на Ozon.


2. Система распознает информацию и с помощью ML понимает, к какой категории и какому типу отнести товар.


3. Далее нейросеть преобразует детальные свойства объекта в формат, заданный Ozon, и готовит к размещению.


4. Готово! Товар опубликован на Ozon.

Превью проекта

Классификация объектов

Для каждого товара продавца система выделяет набор ключевых характеристик на основании описания товара, фотографий и его категории.


То же самое система делает для всех товаров в категориях Ozon. 


Новый товар, который поступает от продавца, размещается в той же категории Ozon, в которой находятся наиболее похожие на него товары. Этот подход позволяет избежать необходимости переобучения модели машинного обучения при изменении дерева категорий в Ozon (в машинном обучении переобучение — это дорогой и довольно хрупкий процесс).

Превью проекта

Преобразование детальной информации о товаре

Вся информация о товаре разбивается на свойства (например, «материал») и значения («искусственная кожа»). Проблема в том, что у продавца и у Ozon они могут называться по-разному (не «искусственная кожа», а «кожзам»). Наша задача в рамках машинного обучения — понять, что это одно и то же. Для этого система анализирует свойства и значения в числовом формате и мэтчит их с параметрами Ozon. В результате мы из сырых данных получаем табличку с необходимым для публикации контентом.
Превью проекта

Как формируется название товара

Название выстраивается по единой схеме: тип + бренд + модель + важные характеристики для категории. Происходит это автоматически на базе преобразованной информации о товаре продавца.
Превью проекта

Ручная модерация контента

Машина тоже может ошибаться, поэтому обязателен контроль качества. На каждом этапе к процессу подключается модератор. Он вручную проверяет, верно ли предсказание модели, уточняет категории и свойства товаров. Если модератор делает замечание, исправляет ошибку или отклоняет товар, система учитывает это и дообучается.
Превью проекта

Размещение и обновление товаров

После того как товар опубликован на Ozon, мы не забываем про него. Если товар обновляется у продавца, система видит эти изменения в режиме реального времени и изменяет описание товара на Ozon.
Превью проекта

Результат

  • Создали систему предстраховых проверок, которая анализирует данные страхователей по 4 внешним источникам и внутренним базам.
  • Учли внутренние процессы компании, предложив соответствующий интерфейс, и автоматизировали KPI по времени.
  • Разработали дополнение для браузера, чтобы уменьшить время ручных проверок.
  • Интегрировали систему распознавания документов DBrain, чтобы сократить время на заполнение данных клиента.
  • Сделали возможным сохранение истории проверок и черного списка в одном месте без дубликатов.
  • Создали удобную систему отчетности для руководителей.

Картинка

AGIMA AI помогает автоматизировать бизнес с помощью алгоритмов машинного обучения и искусственного интеллекта, также принимать верные решения на основе больших данных.


Основные направления:


1. Системы машинного зрения, которые распознают объекты по фото или видео.


2. Бизнес-аналитика и анализ данных.


3. Создание умных рекомендательных систем.


4. Создание чат-ботов.


Подробнее об AGIMA AI и работах, вы можете найти на официальном сайте. https://agima.ai/

Вам понравилось? Поделитесь в соцсетях.

Связаться с нами

Отправьте нам запрос, чтобы начать общение по вашему проекту.

Стать клиентом
Посмотрите другие наши проекты.

Мобильное приложение O'STIN

Мобильное приложение O'STIN
    <-- simple icon --> <-- link-icon --> <-- simple text -->
  • <-- awards -->
Разработали и развиваем новое приложение брендинговой одежды
Мобильное приложение IOS Android QA Развитие

ERP для лизинговой компании «СберАвтопарк»

  • Скоро!
ERP для лизинговой компании «СберАвтопарк»
    <-- simple icon --> <-- link-icon --> <-- simple text -->
  • Скоро!
  • <-- awards -->
Разработали платформу для автоматизации бизнеса, которая не имеет аналогов в России
Системная аналитика Сервисная архитектура QA Безопасность SLA UX-дизайн Vue.js Python-разработка
+7 495 981-01-85 + Стать клиентом
Услуги Кейсы