Автоматизировали характеристики товаров с помощью ИИ для интернет-магазина компьютерной техники

Клиент и проект:

Наш клиент — интернет-магазин компьютерной техники и комплектующих. Сайт работает на системе управления CMS Made Simple.

Задача:

С помощью нейросети автоматизировано разбирать сборные названия товаров и получать характеристики товаров по основным категориям и заполнить ими соответствующие поля для удобного поиска и фильтрации в категориях товаров.

Реализация:

Для данного клиента ранее мы разработали новую современную версию интернет-магазина по продаже комплектующих, компьютерной техники и ремонту. База товаров обновляется ежедневно через API от крупной компании-поставщика.

Однако от поставщика по товарам приходит только структура разделов, а по товарам - название, артикул, бренд и картинки. И никаких дополнительных параметров, с помощью которых можно было бы настроить фильтры в категориях.

Все основные параметры товаров заключены именно в самом названии товара. К примеру: Материнская плата Supermicro MBD-X11DPI-N-B, LGA 3647, Intel C621, 16xDDR4, 14xSATA, 1xM.2, 6xPCI-E 3.0 (x16, x8), 2x 1Gb LAN, 1xVGA, 4xUSB-A 2.0, 3xUSB-A 3.2 Gen 1, 2xCOM, E-ATX, Bulk.

Так как от поставщика параметры не приходят, мы приняли решение написать скрипт, который будет обращаться к ИИ и будет разбирать название товара на параметры и автоматически заполнять нужные поля этими параметрами.

Данный скрипт имеет свою небольшую систему управления, в которой можно выбрать нужную категорию и он покажет все товары этой категории. Скрипт работает напрямую с базой данных сайта и любые изменения по товарам в админке также отображаются через этот скрипт.

Далее мы попросили заказчика в таблице Google собрать первые, самые важные для него, категории и по ним выбрать необходимые ключевые параметры у товаров. Клиент выбрал 6 первых категорий и по 3-5 ключевых параметров товаров этих категорий.

Следующим шагом мы создали в админке CMS дополнительные поля в 6 этих категориях согласно списка в таблице. Данные поля автоматически появились в скрипте разбора параметров.

Далее выбрали по очереди эти категории и запустили скрипт разбора названий товаров на параметры. Данные параметры были разложены по товарам по соответствующим полям.

Так как мы получили товары с заполненными характеристиками, подключение в категории фильтров было делом техники. Фильтрация товаров заработала!

Задача выполнена!

Время работ — 15 часов.