Inteligencia de Catálogo

La Inteligencia de Catálogo le ayuda a comprender la calidad de su catálogo de productos y cómo Verada AI puede mejorarlo.

Un catálogo de productos es la base para la comercialización, recomendaciones de productos, búsqueda, filtros, feeds, personalización y experiencias de compra impulsadas por IA. La Inteligencia de Catálogo analiza su catálogo cargado, identifica datos de productos faltantes o débiles, muestra lo que Verada AI ha enriquecido e informa si el catálogo está listo para su uso posterior.

Utilice la Inteligencia de Catálogo para:

• Diagnosticar la calidad de los datos del catálogo fuente
• Comprender dónde faltan o están incompletos los datos del producto
• Comparar la calidad del catálogo cargado con los datos enriquecidos de Verada AI
• Revisar la cobertura de categorías, atributos, búsqueda e inteligencia de productos
• Inspeccionar productos individuales y los datos enriquecidos generados para ellos
• Identificar futuras oportunidades de revisión, enriquecimiento de texto y activación

Requisitos previos

La Inteligencia de Catálogo requiere que un catálogo de productos esté disponible en Fanplayr Merchandising.

Para obtener los mejores resultados, su catálogo debe incluir:

• ID de producto o SKU
• Título del producto
• URL del producto
• Marca
• Ruta de categoría
• Precio y moneda
• Disponibilidad
• Imágenes del producto
• Descripciones de productos
• Relaciones de variante o producto principal, cuando corresponda
• Campos de atributos como color, tamaño, material, género, grupo de edad, patrón u otros hechos específicos de la categoría

La Inteligencia de Catálogo aún puede analizar catálogos escasos, pero la falta de datos fuente puede disminuir la puntuación del catálogo cargado.

Cómo funciona la Inteligencia de Catálogo

La Inteligencia de Catálogo separa el análisis en dos vistas:

1. Diagnóstico del catálogo cargado
   Mide solo los datos proporcionados en su catálogo. Esto proporciona una visión estricta de la calidad de los datos fuente antes del enriquecimiento.

2. Inteligencia de catálogo enriquecida por Verada AI Mide el catálogo después de que Verada AI ha asignado categorías estandarizadas, identificado hechos del producto, generado lenguaje de búsqueda, capturado señales de audiencia y variantes, y preparado la inteligencia del producto para sistemas posteriores.

Esta separación le ayuda a ver ambos:

• Lo que estaba disponible en el catálogo fuente
• Lo que Verada AI añadió o mejoró

Acceso a la Inteligencia de Catálogo

Abra el Fanplayr Portal y vaya a:

Merchandising > Catalog Intelligence

Si su cuenta tiene múltiples catálogos o proyectos, utilice el selector de proyectos en la parte superior de la página.

Si hay varios idiomas habilitados, use el selector de idioma para ver el informe en el idioma compatible.

Resumen de la Inteligencia de Catálogo

La pestaña Overview (Resumen) resume la calidad actual del catálogo y el impacto del enriquecimiento de Verada AI.

Diagnóstico del Catálogo

La tarjeta Catalog Diagnosis (Diagnóstico del catálogo) muestra la puntuación del catálogo cargado.

Esta puntuación se basa únicamente en los datos del catálogo cargado. No incluye el enriquecimiento de Verada AI.

La puntuación del catálogo cargado evalúa áreas como:

• Cobertura principal
• Cobertura multimedia
• Cobertura de clasificación
• Cobertura de identificadores
• Cobertura de atributos de categoría
• Cobertura de variantes
• Cobertura de audiencia y búsqueda
• Preparación para la sindicación
• Calidad del contenido

Una puntuación baja del catálogo cargado no significa que el catálogo no pueda mejorarse. Significa que a los datos fuente cargados les falta información que puede ser necesaria para una mejor búsqueda, descubrimiento, feeds, recomendaciones o experiencias de IA.

Estado del Enriquecimiento

La tarjeta Enrichment Status (Estado del enriquecimiento) muestra la puntuación enriquecida después del procesamiento de Verada AI.

Esta puntuación refleja el catálogo después de que Verada AI ha generado o normalizado la inteligencia de productos, incluyendo:

• Asignaciones de categorías estandarizadas
• Atributos específicos del producto
• Valores de atributos
• Términos y etiquetas de búsqueda
• Señales de audiencia
• Señales de variante y opción
• Incrustaciones, cuando estén disponibles

La mejora de la puntuación muestra la diferencia entre la puntuación del catálogo cargado y la puntuación enriquecida.

Resumen de Verada AI

El Verada AI Summary (Resumen de Verada AI) destaca la mejora general y las mayores oportunidades restantes.

Utilice esta sección para comprender rápidamente:

• Cuánto mejoró el catálogo después del enriquecimiento.
• Qué áreas de datos aún limitan la preparación del catálogo.
• Si las brechas restantes requieren mejores datos fuente, más enriquecimiento o revisión.

Desglose de la Puntuación Bruta

El Raw Score Breakdown (Desglose de la puntuación bruta) explica cada componente de la puntuación del catálogo fuente.

Cada fila incluye:

• El área de datos que se está puntuando
• La puntuación
• Una breve explicación de lo que se está verificando
• Por qué los datos son importantes

Las áreas de datos comunes incluyen:

Área de datos	Lo que mide
Cobertura principal	Identidad básica del producto, como título, URL, marca, precio y moneda.
Cobertura multimedia	Presencia y profundidad de la imagen.
Cobertura de clasificación	Especificidad de la categoría y el tipo de producto.
Cobertura de identificadores	GTIN, código de barras, MPN, SKU de proveedor o número de pieza del fabricante.
Cobertura de atributos de categoría	Hechos esperados del producto para la categoría de producto asignada.
Cobertura de variantes	Agrupación de productos principales y SKU, valores de opciones y señales de variante.
Cobertura de audiencia/búsqueda	Género, grupo de edad, términos de búsqueda, etiquetas, ocasiones o señales de caso de uso.
Preparación para la sindicación	Datos estructurados útiles para motores de búsqueda, mercados, feeds y rastreadores de IA.

Lo que Verada AI añadió

Esta sección muestra los datos enriquecidos ahora disponibles después del procesamiento de Verada AI.

Los ejemplos incluyen:

• Puntuación de inteligencia del producto
• Hechos principales del producto
• Productos listos para búsqueda
• Atributos respaldados por evidencia
• Atributos de filtro
• Profundidad del perfil
• Preparación para el grafo de conocimiento del producto
• Lenguaje de descubrimiento
• Preparación para la recuperación por IA
• Comprensión de opciones y selecciones

Utilice esta sección para explicar cómo el enriquecimiento convierte los datos del catálogo fuente en inteligencia de productos estructurada.

Principales factores de problemas de alto impacto

Esta tabla clasifica las brechas más importantes restantes del catálogo.

Cada problema incluye:

• Rango de impacto
• Factor
• Puntuación
• Productos afectados
• Ruta de resolución
• Razón
• Estado

Utilice esta tabla para priorizar el trabajo de limpieza o mejora.

Pestaña Catálogo Cargado

La pestaña Uploaded Catalog (Catálogo cargado) muestra la calidad del catálogo fuente antes del enriquecimiento de Verada AI.

Utilice esta pestaña cuando desee comprender qué datos de productos se proporcionaron originalmente.

Métricas Principales

Las tarjetas de métricas resumen la cobertura de datos fuente en las áreas clave del catálogo.

Estas puntuaciones son estrictas. Se basan únicamente en los datos del catálogo cargado.

Ejemplos:

• Cobertura principal
• Cobertura multimedia
• Cobertura de clasificación
• Identificadores
• Atributos
• Estructura de variantes
• Señales de audiencia/búsqueda
• Preparación para la sindicación

Desglose de la Cobertura de Datos Brutos

Esta tabla explica cómo se evaluó cada área de datos fuente.

Úsela para comprender por qué una puntuación es alta o baja.

Por ejemplo:

• La cobertura de identificadores puede ser baja si falta el GTIN, MPN, código de barras o número de pieza del fabricante.
• La cobertura multimedia puede ser parcial si los productos tienen imágenes pero solo una imagen por producto.
• La cobertura de atributos de categoría puede ser baja si el catálogo fuente no proporciona los hechos del producto esperados para la categoría del producto.

Brechas de Categoría y Atributos

Esta sección muestra los datos faltantes por categoría.

Los perfiles de categoría determinan qué atributos se esperan para una categoría. Por ejemplo, una prenda de vestir puede necesitar talla, material, color, ajuste o instrucciones de cuidado, mientras que una joya puede necesitar material, color, diseño o tipo de longitud.

La falta de atributos de categoría puede afectar:

• Filtros
• Comparación de productos
• Recuperación de búsqueda
• Recomendaciones
• Calidad del feed
• Calidad de las respuestas de IA

Diagnóstico de Calidad del Contenido

El Content Quality Diagnostics (Diagnóstico de calidad del contenido) es un área futura para un análisis más profundo de títulos, descripciones, viñetas, metadatos SEO, tono y afirmaciones de productos.

Pestaña Verada AI

La pestaña Verada AI muestra el resultado del enriquecimiento y la inteligencia actual del producto.

Utilice esta pestaña para comprender lo que Verada AI añadió al catálogo.

Métricas Principales

Las métricas principales resumen el impacto del enriquecimiento.

Las métricas comunes incluyen:

Métrica	Significado
Mejora de la puntuación	Mejora entre la puntuación del catálogo cargado y la puntuación enriquecida.
Inteligencia del Producto	Puntuación general de inteligencia del catálogo enriquecido.
Hechos principales	Productos con los hechos del producto requeridos completados.
Listos para búsqueda	Productos listos para el lenguaje de búsqueda y el descubrimiento.
Hechos de filtro	Productos con atributos útiles para filtros y comparación.

Preparación para la Experiencia

Esta tabla traduce el enriquecimiento en capacidades comerciales.

Ejemplos:

• Búsqueda y descubrimiento
• Grafo de conocimiento del producto
• Respuestas y comparación de IA
• Recomendaciones y personalización
• Feeds, rastreadores y descubrimiento externo

Cada fila muestra la puntuación de preparación, la evidencia de soporte, por qué es importante y el estado.

Distribución de la Inteligencia del Producto

Esta sección agrupa los productos por nivel de preparación.

Las bandas de ejemplo pueden incluir:

• Excelente
• Listo
• Casi listo
• Necesita revisión

Utilice esto para comprender si la inteligencia enriquecida está ampliamente disponible en todo el catálogo o limitada a un conjunto más pequeño de productos.

Cuadro de Mando de Inteligencia del Producto

El cuadro de mando explica cómo se calcula la puntuación enriquecida.

Los componentes comunes de la puntuación incluyen:

Componente	Significado
Puntuación de Inteligencia del Producto	Preparación general a nivel de producto después del enriquecimiento.
Atributos principales	Hechos de categoría requeridos que están presentes.
Productos listos para búsqueda	Productos con suficiente lenguaje de búsqueda generado para el descubrimiento.
Atributos respaldados por evidencia	Atributos basados en evidencia del producto.
Atributos de filtro	Atributos útiles para facetas, comparación y feeds.
Profundidad del perfil	Hechos opcionales que profundizan la comprensión del producto.

Señales de Calidad del Enriquecimiento

Esta sección muestra si el enriquecimiento es utilizable a escala.

Ejemplos:

• Preparación para la búsqueda
• Lenguaje de búsqueda generado
• Cobertura de atributos
• Señales de opción

Utilice esta sección para verificar que el enriquecimiento no solo está presente en unos pocos productos, sino que está disponible de forma general en todo el catálogo.

Cobertura de Enriquecimiento por Área

Esta tabla muestra la cantidad de datos enriquecidos que existen por área.

Ejemplos:

• Atributos principales
• Atributos de filtro
• Profundidad del perfil
• Calidad de la evidencia
• Lenguaje de búsqueda generado

Capacidades de Comercio Habilitadas

Esta sección explica dónde se pueden usar los datos enriquecidos.

Ejemplos:

• Búsqueda y recuperación en el sitio
• Filtros y comparación
• Portabilidad de feeds y taxonomía
• Personalización y recomendaciones
• Comprensión de variantes y opciones

Muestra de Categorías Identificadas

Esta tabla muestra las rutas de categoría estandarizadas identificadas por Verada AI.

Estas categorías admiten:

• Informes
• Mapeo de feeds
• Búsqueda
• Recomendaciones
• Perfiles de enriquecimiento

Muestra de Familias de Atributos Identificadas

Esta tabla muestra las familias de datos de productos identificadas en todo el catálogo.

Ejemplos:

• Tipo de producto
• Género
• Color
• Tejido
• Talla
• Patrón
• Grupo de edad
• Instrucciones de cuidado
• Material de joyería
• Longitud de la manga

Estas familias de atributos pueden admitir filtros, comparación, búsqueda, recomendaciones y respuestas de IA.

Pestaña Preparación

La pestaña Readiness (Preparación) muestra qué experiencias puede admitir la inteligencia de catálogo actual.

Esta pestaña evalúa el estado actual del catálogo después del enriquecimiento, donde el enriquecimiento está disponible.

Métricas Principales

Las métricas de preparación pueden incluir:

• Lenguaje de búsqueda
• Preparación para facetas
• Incrustaciones vectoriales
• Datos del canal
• Datos de comportamiento y conectores de ingresos

Estas métricas le ayudan a comprender si el catálogo está listo para la búsqueda, recomendaciones, feeds, comparación y experiencias impulsadas por IA.

Preparación para la Experiencia

Esta tabla enumera las experiencias admitidas y su preparación.

Ejemplos:

Experiencia	Lo que significa
Búsqueda y descubrimiento	Los productos tienen lenguaje de búsqueda, hechos y estructura para el descubrimiento.
Grafo de conocimiento del producto	Los productos tienen hechos estructurados útiles para la comparación y la comprensión de IA.
Respuestas y comparación de IA	Los hechos del producto pueden admitir experiencias de respuesta y comparación.
Recomendaciones y personalización	Los rasgos del producto y el contexto de la audiencia pueden mejorar la coincidencia.
Feeds y descubrimiento externo	Los datos del producto se pueden utilizar fuera de la tienda.

Cobertura de Intención de Búsqueda

Esta sección muestra cómo la inteligencia del catálogo puede respaldar la intención del comprador.

Cuando se conectan datos de comportamiento, la priorización puede cambiar de la completitud de los datos a áreas de impacto como:

• Ingresos
• Búsquedas con cero resultados
• Intenciones de productos de alta demanda
• Conversión de búsqueda y navegación

Pestaña Categorías

La pestaña Categories (Categorías) agrupa la inteligencia del producto por categoría de ontología asignada.

Utilice esta pestaña para comprender la preparación del catálogo por familia de productos.

Métricas Principales

Las métricas principales resumen la cobertura a nivel de categoría.

Ejemplos:

• Categorías asignadas
• Inteligencia promedio
• Preparación principal
• Preparación para búsqueda
• Calidad de la evidencia
• Puntos de datos enriquecidos

Tabla de Inteligencia de Categorías

Cada fila representa una categoría o familia de productos.

Las columnas comunes incluyen:

Columna	Significado
Categoría	La categoría de ontología asignada.
Productos	Número de productos en la categoría.
Puntuación de Inteligencia	Puntuación promedio de inteligencia del producto para la categoría.
Preparación Principal	Productos con los hechos de categoría requeridos completados.
Preparación para Búsqueda	Productos listos para búsqueda y descubrimiento.
Prom. Puntos de Datos Enriquecidos	Promedio de hechos, etiquetas, términos, categorías y otras señales enriquecidas por producto.
Calidad de la Evidencia	Si los hechos enriquecidos están respaldados por evidencia del producto.
Estado	Estado general de preparación.

Utilice esta vista para identificar categorías que son sólidas, están listas o necesitan más atención.

Pestaña Productos

La pestaña Products (Productos) muestra ejemplos representativos a nivel de producto.

Utilice esta pestaña para inspeccionar cómo se puntúan y resumen los productos individuales.

Cada fila de producto puede incluir:

• Título del producto
• Categoría de ontología
• Puntuación de inteligencia del producto
• Preparación principal
• Preparación para búsqueda
• Puntos de datos enriquecidos
• Calidad de la evidencia
• Estado

Esta pestaña es útil para pasar de la creación de informes a nivel de catálogo a la investigación a nivel de producto.

Pestaña Búsqueda

La pestaña Lookup (Búsqueda) le permite inspeccionar un producto o variante específico.

Introduzca una ID de producto o ID de variante y seleccione Lookup.

La búsqueda devuelve los datos de inteligencia de producto coincidentes para el catálogo seleccionado.

Resumen

La parte superior del resultado muestra:

• Título del producto
• ID del producto
• ID de variante
• Categoría de ontología
• Estado de enriquecimiento

Categoría Asignada

Esta sección muestra cómo se categorizó el producto.

Los campos pueden incluir:

• Categoría de Ontología
• Perfil de Atributos
• Asignación
• Confianza

La categoría asignada determina qué hechos del producto se esperan y cómo se evalúa el enriquecimiento.

Datos Enriquecidos del Producto

Esta sección muestra los datos de productos identificados por Verada AI.

Los datos se separan en:

• Hechos Principales — hechos requeridos o primarios para la categoría
• Hechos Adicionales — hechos de apoyo que mejoran el filtrado, la comparación, la búsqueda, las recomendaciones y las respuestas de IA

Cada hecho incluye:

• Atributo
• Valor
• Valor normalizado
• Confianza

Lenguaje de Búsqueda Generado

Esta sección muestra el lenguaje de búsqueda generado a partir de la evidencia del producto.

Puede incluir:

• Términos principales
• Términos de cola larga
• Términos alternativos
• Términos localizados
• Términos negativos
• Variantes de escritura
• Etiquetas de búsqueda
• Etiquetas creativas

Para los catálogos japoneses, las variantes de escritura pueden incluir el script original, hiragana, katakana y romaji.

JSON Fuente

La sección Source JSON (JSON fuente) se utiliza principalmente para inspección y resolución de problemas.

Puede incluir:

• Datos del Catálogo Cargado
• Datos de Exportación del Producto

La vista Product Export (Exportación del producto) muestra cómo se pueden preparar los datos de productos enriquecidos para sistemas posteriores, como búsquedas, recomendaciones, feeds, respuestas de IA y flujos de trabajo de exportación de productos.

Pestaña Texto

La pestaña Text (Texto) está reservada para futuras capacidades de enriquecimiento de texto.

El enriquecimiento de texto se centra en mejorar el lenguaje del producto mientras se conservan los datos fuente y el tono de la marca.

Las áreas planificadas pueden incluir:

• Títulos
• Descripciones
• Viñetas
• Metadatos SEO
• Afirmaciones
• Tono y claridad

Pestaña Revisión

La pestaña Review (Revisión) está reservada para futuros flujos de trabajo de revisión y aprobación.

Los flujos de trabajo de revisión pueden incluir:

• Sugerencias de baja confianza
• Afirmaciones delicadas
• Anulaciones manuales
• Colas de aprobación
• Historial de cambios
• Controles de escritura

Esto ayudará a los equipos a decidir qué cambios se pueden aplicar automáticamente y cuáles deben ser revisados primero por una persona.

Términos Comunes

Término	Significado
Puntuación del catálogo cargado	Puntuación basada únicamente en los datos del catálogo fuente.
Puntuación enriquecida	Puntuación después del enriquecimiento de Verada AI.
Mejora de la puntuación	Diferencia entre la puntuación del catálogo cargado y la puntuación enriquecida.
Categoría de ontología	Categoría estandarizada asignada por Verada AI.
Perfil de atributos	Conjunto de datos de productos esperados específicos de la categoría.
Hechos principales	Datos importantes esperados para una categoría de producto.
Hechos de filtro	Datos útiles para filtros, comparación, feeds y recomendaciones.
Listos para búsqueda	El producto tiene suficiente lenguaje y evidencia para admitir el descubrimiento.
Calidad de la evidencia	Si los datos enriquecidos se basan en evidencia del producto.
Inteligencia del producto	Comprensión de producto enriquecida y estructurada disponible para uso posterior.
Señales de variante	Datos que ayudan a identificar opciones de producto como tamaño, color, tonalidad, aroma u otras opciones admitidas.

Mejores Prácticas

Para mejorar los resultados de la Inteligencia de Catálogo:

• Proporcione rutas de categoría completas, no solo nombres de categorías amplios.
• Incluya descripciones de productos cuando estén disponibles.
• Incluya imágenes de productos de alta calidad.
• Proporcione identificadores de productos como GTIN, código de barras, MPN, SKU de proveedor o número de pieza del fabricante cuando estén disponibles.
• Proporcione relaciones de variante y valores de opción donde los productos tengan opciones significativas.
• Incluya atributos específicos de la categoría como material, color, tamaño, patrón, ajuste, cuidado, compatibilidad, ingredientes o dimensiones cuando sea relevante.
• Mantenga las importaciones del catálogo actualizadas para que los precios, la disponibilidad y los detalles del producto se mantengan precisos.