Автоматизация контента для каталога
с помощью AI

Мы разработали систему, которая сама находит данные в интернете, проверяет их и создает продающие карточки товаров. Весь процесс автоматизирован и не требует участия человека.

О клиенте:

Клиент — крупный российский интернет-магазин автозапчастей. В каталоге около 10 миллионов товарных позиций от сотен поставщиков.

Компания работает на высококонкурентном рынке,
где скорость вывода товара в продажу и качество информации
в карточке напрямую влияют на прибыль.

avtomatizaciya_kontenta_ai

проблема: раскрыть потенциал каталога из 10 миллионов товаров

Поступающая от поставщиков информация часто ограничивалась артикулом и названием бренда, в то время как для успешных продаж требовались структурированные характеристики, описания и точные списки применимости к моделям авто. Клиент понимал необходимость идентификации и правильного наименования у каждой позиции, но осознавал и другое: обработать такой массив вручную — задача, требующая десятилетий.

Таким образом, миллионы товаров оставались «невидимыми» как для внутреннего поиска на сайте, так и для поисковых систем, что напрямую влияло на конверсию и прибыль.

Вопрос стоял не в том, что делать, а в том, как это сделать в промышленных масштабах. 

Компания приняла решение не идти на компромиссы, а найти технологию, способную автоматически превратить сырые данные в качественный, продающий контент.

Цели: автоматизировать наполнение товарных карточек качественным контентом

Клиент поставил четыре ключевые цели:
  1. Достичь максимальной полноты и качества данных в карточках.
  2. Полностью автоматизировать ручной труд по наполнению каталога.
  3. Обеспечить высокую достоверность генерируемой информации.
  4. Получить контроль над процессом через удобный интерфейс.

Решение: AI-система, которая ищет и проверяет

Мы в Maxed.pro предложили не просто генератор текста, а гибридную AI-систему, которая работает как умный аналитик. Система действует по двум сценариям в зависимости от полноты исходных данных.

  1. Улучшение (Naming). Если у товара есть базовые данные, система очищает их от мусора, структурирует и генерирует качественное название и описание.
  2. Создание с нуля (Naming+Search). Это ключевой и самый сложный сценарий. Система получает на вход только артикул и производителя. Дальше она самостоятельно:
  • ищет информацию в открытых источниках: сайтах производителей, каталогах, других магазинах;
  • строго верифицирует найденное. AI проверяет, точно ли информация относится к нужному артикулу и бренду. Любые сомнительные данные отбрасываются. Это был главный вызов — мы научили модель не «фантазировать».
  • извлекает структурированные данные. Система находит и превращает текст в таблицы характеристик, списки применимости для моделей авто, OEM-номера и аналоги.
  • генерирует контент. На основе проверенных данных пишет понятное название и SEO-оптимизированное описание.
Вся система построена на асинхронной архитектуре, чтобы выдерживать сотни одновременных заданий. Это позволяет обрабатывать каталог в промышленных масштабах. Для управления процессом мы встроили интерфейс в существующую
админ-панель клиента на Symfony.

Эдуард Юсупов, backend-разработчик Maxed.pro: в процессе мы столкнулись с трудностями, вот основные: 


- платформа: необходимость интеграции в существующий стек клиента (Symfony, PostgreSQL);
- внешние API: зависимость от лимитов и стабильности LLM API;
- достоверность данных: ключевое ограничение, которое потребовало разработки сложной логики проверки информации.

Процесс: 60 часов на разработку и запуск

Проект занял 60 человеко-часов:
  • проектирование и разработка (45 часов): создание архитектуры, логики верификации данных и интеграция с системами клиента (Symfony, PostgreSQL);
  • промпт-инжиниринг (15 часов): разработка и отладка инструкций (промптов) для нейросети, чтобы добиться максимальной точности и качества генерации.
Эдуард Юсупов, backend-разработчик Maxed.pro: задача оказалась не из простых. Отмечу основные моменты, над которыми пришлось «попотеть»:


1. Контроль над ИИ: самое сложное — заставить ИИ не «фантазировать». Мы разработали строгий протокол верификации, который заставляет модель отбрасывать любые сомнительные данные.

2. Извлечение структурированных данных: обучили ИИ превращать неструктурированный текст с сайтов в четкие таблицы (применимость, аналоги).

3. Масштабируемость: спроектировали систему, способную выдержать сотни одновременный заданий на генерацию контента.

Результаты: из двух полей — полноценная карточка

Главный результат — процесс создания и обогащения контента для 10 миллионов товаров полностью автоматизирован. Система превращает бесполезные строки от поставщиков в актив, который привлекает клиентов и продает.

Наглядный пример: трансформация карточки товара

Чтобы показать разницу, рассмотрим реальный пример. Система получила на вход только два поля: Производитель «TANGDE» и Артикул «ZL0150009300».

ПараметрБЫЛО (до внедрения AI)СТАЛО (после обработки AI)
НазваниеЗеркало бр-е MB КАМАЗ TANGDE ZL0150009300
(Неструктурированное, с техническим «мусором», трудночитаемое)
Зеркало бордюрное TANGDE ZL0150009300 MB ACTROS/ATEGO/AXOR, КАМАЗ 5490
(Четкое, стандартизированное, понятное для покупателя и поиска)
ОписаниеОтсутствовало. Вместо него дублировалась часть названияПовысьте маневренность и безопасность автомобиля с помощью бортового зеркала TANGDE ZL0150009300. Разработанное для грузовиков Mercedes-Benz Actros (MP2, MP3), Atego, Axor и Kamaz 5490, зеркало обеспечивает критически важную видимость для парковки и маневрирования в ограниченном пространстве. Деталь совместима с несколькими OEM-номерами, включая MERCEDES 9418100816 и 9408102616. Выберите бортовое зеркало TANGDE ZL0150009300 от наших поставщиков для оптимальной помощи водителю и четкого обзора окружающей обстановки.
(Полноценное SEO-оптимизированное описание с назначением, преимуществами, совместимостью и призывом к действию)
ХарактеристикиОтсутствовалиРазмеры: 310*170 мм
ПрименимостьИнформация была смешана с названием и не поддавалась фильтрацииСтруктурированный список:
- Mercedes-Benz Actros MP2
- Mercedes-Benz Actros MP3
- Mercedes-Benz Atego
- Mercedes-Benz Axor
- Kamaz 5490
Оригинальные номера (OEM)ОтсутствовалиMERCEDES: 9418100816, 9408102616, 0028103716, 0028106016
Номера аналогов (Кроссы)ОтсутствовалиAlfa Car: AC0028103716
AUGER: 73817, 73820, 73834, 87998, 88006
Cospel: 505.12232, 505.64112
DT Spare Parts: 462548
JONIX: S128610
PACOL: MERMR037

Прогнозируемая производительность системы — до 30 000 карточек товаров в сутки.

Ключевые выводы

  1. AI нужно контролировать. Главная сложность — заставить нейросеть работать с фактами и не придумывать. Мы решили это строгим протоколом верификации.
  2. Структурированные данные важнее текста. Умение AI извлекать из текста таблицы с характеристиками и применимостью — ключ к рабочим фильтрам и хорошему UX.
  3. Архитектура решает. Для обработки миллионов позиций нужна масштабируемая асинхронная система, иначе проект упрется в лимиты и скорость API.
  4. Технология универсальна. Подход применим в любой сфере с большим каталогом: электроника, стройматериалы, одежда, фармацевтика.

Кому может быть полезен кейс:

  1. Продавцам на маркетплейсах (Ozon, Wildberries, Яндекс.Маркет, Авито): для автоматической генерации уникального контента, отвечающего требованиям площадок.
  2. Крупным интернет-магазинам в сферах: автозапчасти и аксессуары, электроники, стройматериалов, промышленного оборудования, fashion, фармацевтики.
  3. Дистрибьюторам и импортерам, которые получают от поставщиков товары без описаний.

У вас похожая задача с каталогом? Давайте обсудим, как AI может проверить и описать ваши товары, чтобы они начали продавать. 

Запишитесь на бесплатную консультацию! Заполните форму ниже.

Cookie-файлы
Настройка cookie-файлов
Детальная информация о целях обработки данных и поставщиках, которые мы используем на наших сайтах
Аналитические Cookie-файлы Отключить все
Технические Cookie-файлы
Другие Cookie-файлы
Мы используем файлы Cookie для улучшения работы, персонализации и повышения удобства пользования нашим сайтом. Продолжая посещать сайт, вы соглашаетесь на использование нами файлов Cookie. Подробнее о нашей политике в отношении Cookie.
Принять все Отказаться от всех Настроить
Cookies