Catalog Intelligence

Catalog Intelligence ti aiuta a comprendere la qualità del tuo catalogo prodotti e come Verada AI può migliorarlo.

Un catalogo prodotti è la base per il merchandising, i consigli sui prodotti, la ricerca, i filtri, i feed, la personalizzazione e le esperienze di acquisto basate sull'IA. Catalog Intelligence analizza il tuo catalogo caricato, identifica i dati di prodotto mancanti o deboli, mostra ciò che Verada AI ha arricchito e segnala se il catalogo è pronto per l'uso a valle.

Usa Catalog Intelligence per:

• Diagnosticare la qualità dei dati del catalogo di origine
• Comprendere dove i dati di prodotto sono mancanti o incompleti
• Confrontare la qualità del catalogo caricato con i dati arricchiti da Verada AI
• Rivedere la copertura dell'intelligenza di categoria, attributo, ricerca e prodotto
• Ispezionare i singoli prodotti e i dati arricchiti generati per essi
• Identificare future opportunità di revisione, arricchimento testuale e attivazione

Prerequisiti

Catalog Intelligence richiede che un catalogo prodotti sia disponibile in Fanplayr Merchandising.

Per ottenere i migliori risultati, il tuo catalogo dovrebbe includere:

• ID Prodotto o SKU
• Titolo del prodotto
• URL del prodotto
• Brand
• Percorso della categoria
• Prezzo e valuta
• Disponibilità
• Immagini del prodotto
• Descrizioni del prodotto
• Relazioni tra varianti o prodotti padre, ove applicabile
• Campi attributo come colore, taglia, materiale, genere, fascia d'età, fantasia o altri fatti specifici della categoria

Catalog Intelligence può comunque analizzare cataloghi scarsi, ma i dati di origine mancanti potrebbero abbassare il punteggio del catalogo caricato.

Come funziona Catalog Intelligence

Catalog Intelligence separa l'analisi in due viste:

1. Diagnosi del catalogo caricato
   Misura solo i dati forniti nel tuo catalogo. Questo fornisce una visione rigorosa della qualità dei dati di origine prima dell'arricchimento.

2. Intelligenza del catalogo arricchita da Verada AI Misura il catalogo dopo che Verada AI ha assegnato categorie standardizzate, identificato fatti sui prodotti, generato linguaggio di ricerca, catturato segnali di pubblico e varianti e preparato l'intelligenza del prodotto per i sistemi a valle.

Questa separazione ti aiuta a vedere entrambi:

• Cosa era disponibile nel catalogo di origine
• Cosa Verada AI ha aggiunto o migliorato

Accesso a Catalog Intelligence

Apri il Portale Fanplayr e vai a:

Merchandising > Catalog Intelligence

Se il tuo account ha più cataloghi o progetti, usa il selettore di progetto nella parte superiore della pagina.

Se sono abilitate più lingue, usa il selettore della lingua per visualizzare il report nella lingua supportata.

Panoramica di Catalog Intelligence

La scheda Panoramica riassume la qualità attuale del catalogo e l'impatto dell'arricchimento di Verada AI.

Diagnosi del Catalogo

La scheda Diagnosi del Catalogo mostra il punteggio del catalogo caricato.

Questo punteggio si basa solo sui dati del catalogo caricato. Non include l'arricchimento di Verada AI.

Il punteggio del catalogo caricato valuta aree come:

• Copertura principale
• Copertura multimediale
• Copertura di classificazione
• Copertura degli identificatori
• Copertura degli attributi di categoria
• Copertura delle varianti
• Copertura del pubblico e della ricerca
• Prontezza per la sindacazione
• Qualità del contenuto

Un punteggio basso del catalogo caricato non significa che il catalogo non possa essere migliorato. Significa che i dati di origine caricati mancano di informazioni che potrebbero essere necessarie per una migliore ricerca, scoperta, feed, raccomandazioni o esperienze basate sull'IA.

Stato di Arricchimento

La scheda Stato di Arricchimento mostra il punteggio arricchito dopo l'elaborazione di Verada AI.

Questo punteggio riflette il catalogo dopo che Verada AI ha generato o normalizzato l'intelligenza del prodotto, inclusi:

• Assegnazioni di categorie standardizzate
• Attributi specifici del prodotto
• Valori degli attributi
• Termini e tag di ricerca
• Segnali di pubblico
• Segnali di variante e opzione
• Embeddings, ove disponibili

L'aumento del punteggio mostra la differenza tra il punteggio del catalogo caricato e il punteggio arricchito.

Riepilogo Verada AI

Il Riepilogo Verada AI evidenzia il miglioramento complessivo e le maggiori opportunità rimanenti.

Usa questa sezione per capire rapidamente:

• Quanto è migliorato il catalogo dopo l'arricchimento.
• Quali aree dati limitano ancora la prontezza del catalogo.
• Se le lacune rimanenti richiedono dati di origine migliori, maggiore arricchimento o revisione.

Dettaglio del Punteggio Grezzo

Il Dettaglio del Punteggio Grezzo spiega ogni componente del punteggio del catalogo di origine.

Ogni riga include:

• L'area dati sottoposta a punteggio
• Il punteggio
• Una breve spiegazione di cosa viene controllato
• Perché i dati sono importanti

Le aree dati comuni includono:

Area Dati	Cosa Misura
Copertura principale	Identità base del prodotto, come titolo, URL, brand, prezzo e valuta.
Copertura multimediale	Presenza di immagini e profondità delle immagini.
Copertura di classificazione	Specificità della categoria e del tipo di prodotto.
Copertura degli identificatori	GTIN, codice a barre, MPN, SKU del venditore o codice del produttore.
Copertura degli attributi di categoria	Fatti attesi sul prodotto per la categoria di prodotto assegnata.
Copertura delle varianti	Raggruppamento padre-prodotto e SKU, valori delle opzioni e segnali di variante.
Copertura pubblico/ricerca	Genere, fascia d'età, termini di ricerca, tag, occasioni o segnali di caso d'uso.
Prontezza per la sindacazione	Dati strutturati utili per motori di ricerca, marketplace, feed e crawler AI.

Cosa Verada AI ha Aggiunto

Questa sezione mostra i dati arricchiti ora disponibili dopo l'elaborazione di Verada AI.

Gli esempi includono:

• Punteggio di intelligenza del prodotto
• Fatti principali del prodotto
• Prodotti pronti per la ricerca
• Attributi supportati da evidenze
• Attributi di filtro
• Profondità del profilo
• Prontezza per il grafo di conoscenza del prodotto
• Linguaggio di scoperta
• Prontezza per il recupero tramite IA
• Comprensione delle scelte e delle opzioni

Usa questa sezione per spiegare come l'arricchimento trasforma i dati del catalogo di origine in intelligenza strutturata del prodotto.

Fattori di Problema a più Alto Impatto

Questa tabella classifica le lacune più importanti del catalogo rimanenti.

Ogni problema include:

• Rango di impatto
• Fattore determinante
• Punteggio
• Prodotti interessati
• Percorso di risoluzione
• Motivo
• Stato

Usa questa tabella per prioritizzare il lavoro di pulizia o miglioramento.

Scheda Catalogo Caricato

La scheda Catalogo Caricato mostra la qualità del catalogo di origine prima dell'arricchimento di Verada AI.

Usa questa scheda quando vuoi capire quali dati di prodotto sono stati forniti originariamente.

Metriche Principali

Le schede delle metriche riassumono la copertura dei dati di origine nelle aree chiave del catalogo.

Questi punteggi sono rigorosi. Si basano solo sui dati del catalogo caricato.

Esempi:

• Copertura principale
• Copertura multimediale
• Copertura di classificazione
• Identificatori
• Attributi
• Struttura delle varianti
• Segnali di pubblico/ricerca
• Prontezza per la sindacazione

Dettaglio della Copertura dei Dati Grezzi

Questa tabella spiega come è stata valutata ogni area di dati di origine.

Usala per capire perché un punteggio è alto o basso.

Ad esempio:

• La copertura degli identificatori potrebbe essere bassa se GTIN, MPN, codice a barre o codice del produttore sono mancanti.
• La copertura multimediale potrebbe essere parziale se i prodotti hanno immagini ma solo una immagine per prodotto.
• La copertura degli attributi di categoria potrebbe essere bassa se il catalogo di origine non fornisce i fatti attesi sul prodotto per la categoria di prodotto.

Lacune di Categoria e Attributi

Questa sezione mostra i fatti mancanti per categoria.

I profili di categoria determinano quali attributi sono attesi per una categoria. Ad esempio, un capo d'abbigliamento potrebbe richiedere taglia, materiale, colore, vestibilità o istruzioni per la cura, mentre i gioielli potrebbero richiedere materiale, colore, design o tipo di lunghezza.

Gli attributi di categoria mancanti possono influenzare:

• Filtri
• Confronto prodotti
• Richiamo della ricerca
• Raccomandazioni
• Qualità del feed
• Qualità della risposta AI

Diagnostica della Qualità del Contenuto

Diagnostica della Qualità del Contenuto è un'area futura per un'analisi più approfondita di titoli, descrizioni, elenchi puntati, metadati SEO, tono e affermazioni sui prodotti.

Scheda Verada AI

La scheda Verada AI mostra l'output di arricchimento e l'attuale intelligenza del prodotto.

Usa questa scheda per capire cosa Verada AI ha aggiunto al catalogo.

Metriche Principali

Le metriche principali riassumono l'impatto dell'arricchimento.

Le metriche comuni includono:

Metrica	Significato
Aumento del punteggio	Miglioramento tra il punteggio del catalogo caricato e il punteggio arricchito.
Intelligenza del Prodotto	Punteggio complessivo di intelligenza del catalogo arricchito.
Fatti principali	Prodotti con i fatti richiesti completati.
Pronto per la ricerca	Prodotti pronti per il linguaggio di ricerca e la scoperta.
Fatti per filtro	Prodotti con attributi utili per i filtri e il confronto.

Prontezza per l'Esperienza

Questa tabella traduce l'arricchimento in capacità aziendali.

Esempi:

• Ricerca e scoperta
• Grafo di conoscenza del prodotto
• Risposte e confronto tramite IA
• Raccomandazioni e personalizzazione
• Feed, crawler e scoperta esterna

Ogni riga mostra il punteggio di prontezza, le evidenze a supporto, perché è importante e lo stato.

Distribuzione dell'Intelligenza del Prodotto

Questa sezione raggruppa i prodotti per livello di prontezza.

Le bande di esempio possono includere:

• Eccellente
• Pronto
• Quasi pronto
• Richiede revisione

Usalo per capire se l'intelligenza arricchita è ampiamente disponibile in tutto il catalogo o limitata a un insieme più piccolo di prodotti.

Scheda di Valutazione dell'Intelligenza del Prodotto

La scorecard spiega come viene calcolato il punteggio arricchito.

I componenti comuni del punteggio includono:

Componente	Significato
Punteggio di Intelligenza del Prodotto	Prontezza complessiva a livello di prodotto dopo l'arricchimento.
Attributi principali	Fatti di categoria richiesti che sono presenti.
Prodotti pronti per la ricerca	Prodotti con sufficiente linguaggio di ricerca generato per la scoperta.
Attributi supportati da evidenze	Attributi basati su evidenze del prodotto.
Attributi di filtro	Attributi utili per il faceting, il confronto e i feed.
Profondità del profilo	Fatti opzionali che approfondiscono la comprensione del prodotto.

Segnali di Qualità dell'Arricchimento

Questa sezione mostra se l'arricchimento è utilizzabile su larga scala.

Esempi:

• Prontezza per la ricerca
• Linguaggio di ricerca generato
• Copertura degli attributi
• Segnali di opzione

Usa questa sezione per verificare che l'arricchimento non sia presente solo in pochi prodotti, ma ampiamente disponibile in tutto il catalogo.

Copertura dell'Arricchimento per Area

Questa tabella mostra quanti dati arricchiti esistono per area.

Esempi:

• Attributi principali
• Attributi di filtro
• Profondità del profilo
• Qualità dell'evidenza
• Linguaggio di ricerca generato

Capacità Commerciali Abilitate

Questa sezione spiega dove i dati arricchiti possono essere utilizzati.

Esempi:

• Ricerca e recupero sul sito
• Filtri e confronto
• Portabilità del feed e della tassonomia
• Personalizzazione e raccomandazioni
• Comprensione delle varianti e delle opzioni

Esempi di Categorie Identificate

Questa tabella mostra i percorsi di categoria standardizzati identificati da Verada AI.

Queste categorie supportano:

• Reporting
• Mappatura dei feed
• Ricerca
• Raccomandazioni
• Profili di arricchimento

Esempi di Famiglie di Attributi Identificate

Questa tabella mostra le famiglie di fatti sui prodotti identificate nel catalogo.

Esempi:

• Tipo di Prodotto
• Genere
• Colore
• Tessuto
• Taglia
• Fantasia
• Fascia d'età
• Istruzioni per la cura
• Materiale Gioiello
• Lunghezza Manica

Queste famiglie di attributi possono supportare filtri, confronto, ricerca, raccomandazioni e risposte tramite IA.

Scheda Prontezza

La scheda Prontezza mostra quali esperienze l'attuale intelligenza del catalogo può supportare.

Questa scheda valuta lo stato attuale del catalogo dopo l'arricchimento, laddove l'arricchimento è disponibile.

Metriche Principali

Le metriche di prontezza possono includere:

• Linguaggio di ricerca
• Prontezza per i facet
• Embeddings vettoriali
• Dati di canale
• Dati comportamentali e connettori di ricavo

Queste metriche ti aiutano a capire se il catalogo è pronto per la ricerca, le raccomandazioni, i feed, il confronto e le esperienze basate sull'IA.

Prontezza per l'Esperienza

Questa tabella elenca le esperienze supportate e la loro prontezza.

Esempi:

Esperienza	Cosa Significa
Ricerca e scoperta	I prodotti hanno linguaggio di ricerca, fatti e struttura per la scoperta.
Grafo di conoscenza del prodotto	I prodotti hanno fatti strutturati utili per il confronto e la comprensione tramite IA.
Risposte e confronto tramite IA	I fatti sui prodotti possono supportare esperienze di risposta e confronto.
Raccomandazioni e personalizzazione	Le caratteristiche del prodotto e il contesto del pubblico possono migliorare l'abbinamento.
Feed e scoperta esterna	I dati del prodotto possono essere utilizzati al di fuori del negozio online.

Copertura dell'Intento di Ricerca

Questa sezione mostra come l'intelligenza del catalogo può supportare l'intento dell'acquirente.

Quando i dati comportamentali sono collegati, la prioritizzazione può spostarsi dalla completezza dei dati ad aree di impatto come:

• Ricavo
• Ricerche a zero risultati
• Intenti di prodotto ad alta domanda
• Conversione da ricerca e navigazione

Scheda Categorie

La scheda Categorie raggruppa l'intelligenza del prodotto per categoria di ontologia assegnata.

Usa questa scheda per capire la prontezza del catalogo per famiglia di prodotti.

Metriche Principali

Le metriche principali riassumono la copertura a livello di categoria.

Esempi:

• Categorie assegnate
• Intelligenza media
• Prontezza principale
• Prontezza per la ricerca
• Qualità dell'evidenza
• Punti dati arricchiti

Tabella Intelligenza per Categoria

Ogni riga rappresenta una categoria o una famiglia di prodotti.

Le colonne comuni includono:

Colonna	Significato
Categoria	La categoria di ontologia assegnata.
Prodotti	Numero di prodotti nella categoria.
Punteggio di Intelligenza	Punteggio medio di intelligenza del prodotto per la categoria.
Prontezza Principale	Prodotti con i fatti di categoria richiesti completati.
Prontezza per la Ricerca	Prodotti pronti per la ricerca e la scoperta.
Media Punti Dati Arricchiti	Media di fatti, tag, termini, categorie e altri segnali arricchiti per prodotto.
Qualità dell'Evidenza	Se i fatti arricchiti sono supportati da evidenze del prodotto.
Stato	Stato di prontezza complessivo.

Usa questa vista per identificare le categorie forti, pronte o che necessitano di maggiore attenzione.

Scheda Prodotti

La scheda Prodotti mostra esempi rappresentativi a livello di prodotto.

Usa questa scheda per ispezionare come i singoli prodotti sono valutati e riassunti.

Ogni riga di prodotto può includere:

• Titolo del prodotto
• Categoria di ontologia
• Punteggio di intelligenza del prodotto
• Prontezza principale
• Prontezza per la ricerca
• Punti dati arricchiti
• Qualità dell'evidenza
• Stato

Questa scheda è utile per passare dalla reportistica a livello di catalogo all'investigazione a livello di prodotto.

Scheda Ricerca

La scheda Ricerca ti consente di ispezionare un prodotto o una variante specifica.

Inserisci un ID prodotto o un ID variante e seleziona Lookup.

La ricerca restituisce i dati di intelligenza del prodotto corrispondenti per il catalogo selezionato.

Riepilogo

La parte superiore del risultato mostra:

• Titolo del prodotto
• ID Prodotto
• ID Variante
• Categoria di ontologia
• Stato di arricchimento

Categoria Assegnata

Questa sezione mostra come è stato categorizzato il prodotto.

I campi possono includere:

• Categoria di Ontologia
• Profilo Attributo
• Assegnazione
• Fiducia

La categoria assegnata determina quali fatti sui prodotti sono attesi e come viene valutato l'arricchimento.

Fatti del Prodotto Arricchiti

Questa sezione mostra i fatti sui prodotti identificati da Verada AI.

I fatti sono separati in:

• Fatti Principali — fatti richiesti o primari per la categoria
• Fatti Aggiuntivi — fatti di supporto che migliorano il filtraggio, il confronto, la ricerca, le raccomandazioni e le risposte tramite IA

Ogni fatto include:

• Attributo
• Valore
• Valore normalizzato
• Fiducia

Linguaggio di Ricerca Generato

Questa sezione mostra il linguaggio di ricerca generato dalle evidenze del prodotto.

Può includere:

• Termini primari
• Termini a coda lunga
• Termini alternativi
• Termini localizzati
• Termini negativi
• Varianti di script
• Tag di ricerca
• Tag creativi

Per i cataloghi giapponesi, le varianti di script possono includere script originale, hiragana, katakana e romaji.

JSON di Origine

La sezione JSON di Origine è utilizzata principalmente per l'ispezione e la risoluzione dei problemi.

Può includere:

• Dati del Catalogo Caricato
• Dati di Esportazione Prodotto

La vista Esportazione Prodotto mostra come i dati di prodotto arricchiti possono essere preparati per sistemi a valle come ricerca, raccomandazioni, feed, risposte tramite IA e flussi di lavoro di esportazione del prodotto.

Scheda Testo

La scheda Testo è riservata a future capacità di arricchimento testuale.

L'arricchimento testuale si concentra sul miglioramento del linguaggio del prodotto preservando i fatti di origine e il tono del brand.

Le aree pianificate possono includere:

• Titoli
• Descrizioni
• Elenchi puntati
• Metadati SEO
• Affermazioni
• Tono e chiarezza

Scheda Revisione

La scheda Revisione è riservata a futuri flussi di lavoro di revisione e approvazione.

I flussi di lavoro di revisione possono includere:

• Suggerimenti a bassa fiducia
• Affermazioni sensibili
• Override manuali
• Code di approvazione
• Cronologia delle modifiche
• Controlli di scrittura

Questo aiuterà i team a decidere quali modifiche possono essere applicate automaticamente e quali dovrebbero essere prima revisionate da una persona.

Termini Comuni

Termine	Significato
Punteggio del catalogo caricato	Punteggio basato solo sui dati del catalogo di origine.
Punteggio arricchito	Punteggio dopo l'arricchimento di Verada AI.
Aumento del punteggio	Differenza tra il punteggio del catalogo caricato e il punteggio arricchito.
Categoria di ontologia	Categoria standardizzata assegnata da Verada AI.
Profilo attributo	Insieme di fatti sui prodotti attesi specifici per la categoria.
Fatti principali	Fatti importanti attesi per una categoria di prodotto.
Fatti per filtro	Fatti utili per filtri, confronto, feed e raccomandazioni.
Pronto per la ricerca	Il prodotto ha abbastanza linguaggio ed evidenze per supportare la scoperta.
Qualità dell'evidenza	Se i fatti arricchiti sono basati su evidenze del prodotto.
Intelligenza del prodotto	Comprensione strutturata e arricchita del prodotto disponibile per l'uso a valle.
Segnali di variante	Dati che aiutano a identificare le opzioni del prodotto come taglia, colore, tonalità, profumo o altre scelte supportate.

Migliori Pratiche

Per migliorare i risultati di Catalog Intelligence:

• Fornire percorsi di categoria completi, non solo nomi di categoria generici.
• Includere descrizioni del prodotto quando disponibili.
• Includere immagini di prodotto di alta qualità.
• Fornire identificatori di prodotto come GTIN, codice a barre, MPN, SKU del venditore o codice del produttore quando disponibili.
• Fornire relazioni tra varianti e valori di opzione laddove i prodotti hanno opzioni significative.
• Includere attributi specifici della categoria come materiale, colore, taglia, fantasia, vestibilità, cura, compatibilità, ingredienti o dimensioni ove pertinenti.
• Mantenere aggiornate le importazioni del catalogo in modo che prezzi, disponibilità e dettagli del prodotto rimangano accurati.