Prejsť na hlavný obsah
Neural2B
Autor: Redakčný tím Neural2B (Špecialisti na obsah a integráciu ecommerce)·Publikované: 8. apríla 2026

Ako pripraviť katalóg vášho internetového obchodu na AI: štruktúra, atribúty a čistota dát

Aké požiadavky kladú jazykové modely na vlastnosti a úrovne zásob produktov? Aby sa AI konzultant nezamieňal a odporúčal zákazníkom presne to, čo potrebujú.

Stručne, ak nemáte čas čítať všetko

  • ✓AI neodporučí produkt, ak sú kľúčové vlastnosti skryté v nejasnom reklamnom texte.
  • ✓Vlastnosti musia byť štruktúrované: názov vlastnosti, hodnota a konzistentné jednotky merania.
  • ✓Pole stavu zásob je povinné. Inak bot navrhne položky, ktoré nie sú k dispozícii.
  • ✓Čím menej zbytočných kľúčových slov v popise, tým lepšie funguje sémantické vyhľadávanie.

Majiteľ internetového obchodu si na web pripojí moderného AI konzultanta. A prvé, čo uvidí, je, že model ničomu nerozumie. Bot si mýli veľkosti, ponúka dámske šaty ľuďom, ktorí hľadali detské overaly, alebo odporúča modely, ktoré už tri mesiace nie sú na sklade.

A na vine tu takmer nikdy nie je model. Na vine je stav produktového katalógu.

1. Hlavní nepriatelia AI v produktových databázach

  1. Parametre schované v súvislom texte: namiesto samostatného poľa „Materiál: 100 % bavlna“ je tam jeden emotívny odsek s 1000 slovami.
  2. Rôzne jednotky merania: v niektorých kartách je rozmer v milimetroch, v iných v centimetroch, v ďalších v palcoch. AI vie čísla konvertovať, ale pri tisícoch dopytov to prináša náhodné zlyhania.
  3. Zastarané alebo neúplné stavy zásob: v systéme je produkt „skladom“, ale v skutočnosti sa naň už 2 týždne čaká od dodávateľa.
  4. Balastný SEO spam v názvoch: niečo ako „Kúpiť tenisky lacno akcia 2026“ rozhodí sémantický vektor a zhorší presnosť vyhľadávania.

2. Checklist pripravenosti katalógu na automatizáciu

Skôr než spustíte AI konzultanta alebo inteligentné vyhľadávanie, prejdite si tento zoznam:

  • Unikátne SKU / artikel: každý variant produktu má svoj jasný identifikátor.
  • Tabuľka vlastností (Key-Value): kritické parametre (veľkosť, farba, výkon, kompatibilita) sú uložené v samostatných stĺpcoch databázy.
  • Rovnaké názvy atribútov: nemôže sa stať, že v jednej kategórii budú zároveň „Objem“, „Kapacita“ a „Litraž“.
  • Jasný číselný stav zásob alebo binárny status: in_stock: true/false.
  • Účel produktu (Use Case): pri zložitejších produktoch sa oplatí pridať krátke pole „pre koho / do akých podmienok“ (napríklad: „pre suchú pleť“, „na beh v teréne“).

Viac o automatizácii pre online obchody nájdete na stránke AI pre internetové obchody. Alebo si pozrite Demo scenár jednotného pomocníka pre vyhľadávanie a katalóg.

Zdroje a metodické materiály:
  • Špecifikácia produktových dát Google Merchant Center
  • Praktické skúsenosti s prípravou databáz produktov pre sémantické vyhľadávanie
Praktické riešenie k téme článku

Automatizácia marketingu a obsahu

Zoznámiť sa so službou →

Ostali vám otázky k téme článku?

Pozrime sa, ako tieto prístupy zapadnú do procesov práve vašej firmy.

Vaše údaje zostávajú medzi nami. Obchodné tajomstvá ani prístupy cez otvorený formulár nikdy nežiadame.

Ako pripraviť katalóg vášho internetového obchodu na AI | Neural2B