Ugrás a fő tartalomhoz
Neural2B
Szerző: Neural2B Szerkesztői Csapat (Tartalom- és e-kereskedelmi integrációs szakértők)·Közzétéve: 2026. április 8.

Hogyan készítsük elő az online boltunk katalógusát az AI számára: struktúra, attribútumok és adattisztaság

Milyen követelményeket támasztanak a nyelvi modellek a termékek jellemzőivel és készletszintjeivel szemben? Hogy az AI tanácsadó ne zavarodjon meg, és pontosan azt ajánlja, amire a vásárlóknak szükségük van.

Röviden, ha nincs ideje mindent elolvasni

  • ✓Az AI nem ajánl terméket, ha a kulcsfontosságú tulajdonságok homályos reklámszövegben rejtőznek.
  • ✓A jellemzőknek strukturáltnak kell lenniük: tulajdonság neve, érték és egységes mértékegységek.
  • ✓A készlet státusz mező kötelező. Ellenkező esetben a bot olyan tételeket javasol, amelyek nem elérhetők.
  • ✓Minél kevesebb felesleges kulcsszó van a leírásban, annál jobban működik a szemantikus keresés.

Az internetáruház tulajdonosa csatlakoztat egy modern AI-tanácsadót az oldalához. És az első, amit lát: a modell semmit sem ért. A bot összekeveri a méreteket, női ruhákat ajánl annak, aki gyerek overallt keresett, vagy olyan modelleket javasol, amelyek már három hónapja nincsenek készleten.

És ezért szinte soha nem a modell a hibás. A hibás a termékkatalógus állapota.

1. Az AI fő ellenségei a termékadatbázisokban

  1. A jellemzők bele vannak zsúfolva az általános szövegbe: a külön mező helyett, például „Anyag: 100% pamut”, csak egy 1000 szavas, folyamatos érzelmes bekezdés van.
  2. Eltérő mértékegységek: az egyik termékkártyán milliméterben van megadva a méret, a másikon centiméterben, a harmadikon hüvelykben. Az AI tud számokat átváltani, de több ezer lekérdezésnél ez véletlenszerű hibákat okoz.
  3. Elavult vagy hiányos készletstátuszok: a rendszerben a termék „elérhető”, valójában pedig már 2 hete a beszállítóra várnak.
  4. Szemét SEO-spam a megnevezésekben: valami olyasmi, mint „Futócipő vásárlás Budapest olcsón akció 2026”, összezavarja a szemantikai vektort és rontja a keresés pontosságát.

2. Ellenőrzőlista: készen áll-e a katalógus az automatizálásra

Mielőtt elindítja az AI-tanácsadót vagy az okos keresést, menjen végig ezen a listán:

  • Egyedi SKU / cikkszám: minden termékváltozatnak legyen saját, egyértelmű azonosítója.
  • Tulajdonságtábla (Key-Value): a kritikus paraméterek (méret, szín, teljesítmény, kompatibilitás) külön oszlopokban szerepeljenek az adatbázisban.
  • Egységes attribútumnevek: nem lehet, hogy egy kategórián belül egyszerre szerepeljen „Űrtartalom”, „Kapacitás” és „Literben megadva”.
  • Egyértelmű számszerű készlet vagy bináris státusz: in_stock: true/false.
  • A termék rendeltetése (Use Case): összetettebb termékeknél érdemes egy rövid „kinek / milyen körülményekhez” mezőt is hozzáadni (például: „száraz bőrre”, „terepfutáshoz”).

Az online áruházak automatizálásáról többet talál az AI internetáruházakhoz oldalon. Vagy nézze meg a demo forgatókönyvet az egységes asszisztenshez kereséshez és katalógushoz.

Források és módszertani anyagok:
  • Google Merchant Center Termékadatok Specifikáció
  • Gyakorlati tapasztalatok termékadatbázisok előkészítésében szemantikus kereséshez
Gyakorlati megoldás a cikk témájához

Marketing és tartalom automatizálása

A szolgáltatás megismerése →

Maradtak kérdései a cikk témájával kapcsolatban?

Nézzük meg, hogyan illeszkednek ezek a megközelítések éppen az Ön cégének folyamataihoz.

Az adatai köztünk maradnak. Üzleti titkokat vagy hozzáféréseket nyílt űrlapon keresztül soha nem kérünk.

Hogyan készítsük elő az online boltunk katalógusát az AI számára | Neural2B