Przejdź do treści

Audyt danych produktowych przed importem, SEO i automatyzacją

Sprawdzamy cały eksport katalogu: SKU, EAN, warianty, kategorie, atrybuty i feedy. Dostajesz raport z liczbą błędnych rekordów, przykładowymi SKU i kolejnością napraw, zanim błąd trafi do filtrów i Merchant Center albo powieli się przy imporcie w tysiącach produktów.

Realizacja10 018 nazw produktów w jednym schemacie przez API w ok. 65 minSportina · Shoper
sklep CMP Polska · karta produktu
Karta kurtki w sklepie CMP: zdjęcie, nazwa, warianty kolorów, cena i rozmiary
  1. Nazwa produktu
  2. Kolory: pozostałe warianty
  3. Cena
  4. Rozmiary
  5. Dostępność
Karta produktu w sklepie CMP Polska: kolory, cena, rozmiary i dostępność to dane z katalogu. Zrzut z 29.10.2026 (kadr na telefon: 21.11.2026).

Raport, który pokazuje, co blokuje sprzedaż, a co może poczekać

Po audycie wiesz, gdzie są braki, które błędy są krytyczne, które pola da się naprawić automatycznie i jakie dane trzeba ustandaryzować przed kolejnym importem lub integracją. Poniżej trzy warianty jednej kurtki z eksportu i trzy rodzaje błędu, każdy ze skutkiem na listingu albo w feedzie.

eksport-produktow.csv · warianty kurtki KS-210-REDdane przykładowe
SKUKolorRozmiarEANKategoriaWynik
KS-210-RED-SczerwonyS5901234123457Kurtki › Softshellpoprawny
KS-210-RED-MRedM590123412345Kurtki › Softshellwstrzymany
KS-210-RED-Lczerw.L5901234123457Odzieżdo decyzji
identyfikator

Pole EAN

KS-210-RED-M: EAN-13 bez ostatniej cyfry. KS-210-RED-L: EAN powtórzony z S.

  • W feedzie: kod nie przechodzi kontroli GTIN; ten sam kod opisuje dwa warianty
  • Działanie: wstrzymany EAN z kartoteki; do decyzji duplikat EAN do review
atrybut

Pole Kolor

„Red” i „czerw.” spoza słownika kolorów.

  • W sklepie: „Red” to osobna wartość w filtrze
  • Działanie: regułą kolor ze słownika
kategoria

Pole Kategoria

KS-210-RED-L: wariant w zbyt ogólnej kategorii „Odzież”.

  • W sklepie: wariant poza listingiem Softshell
  • Działanie: regułą kategoria wariantu zgodna z produktem nadrzędnym
Wstrzymany: kod, który nie przechodzi kontroli, nie trafia do feedu, a rekord zostaje w raporcie z powodem. Do decyzji: rekord zostaje na listingu, przypadek czeka w raporcie na ręczną decyzję. Regułą: słownik wartości atrybutu, kategoria wariantu zgodna z produktem nadrzędnym. Demonstracja na danych przykładowych, nie na katalogu klienta. W pełnym raporcie priorytet oddziela problemy blokujące sprzedaż, SEO i integracje od zadań kosmetycznych, które można wykonać później.

Czego potrzebujemy i jak liczymy błędne rekordy

Eksport ze sklepu, ERP, BaseLinkera, plik CSV/XLSX/XML albo dane pobrane przez REST API. Audyt robimy na eksporcie, nie na żywym sklepie. Na co dzień pracujemy na katalogu z ok. 22 tys. produktów i ok. 168 tys. wariantów — przy tej skali ręczne przeglądanie nie wchodzi w grę, więc katalog profilujemy i walidujemy regułami.

produktów w katalogu, na którym pracujemy na co dzień
ok. 22 tys.
wariantów w tym samym katalogu
ok. 168 tys.

Case study Sportina.pl

Raport może być checklistą dla administratora sklepu, integratora ERP albo osoby od SEO.

Typ błędunp. EAN o złej długości, duplikat SKU, wariant bez produktu nadrzędnego
Liczba rekordówpoliczona na całym eksporcie, nie na próbce
Przykładowe SKUkilka rekordów, na których błąd da się od razu sprawdzić, jak KS-210-RED-M w przykładzie wyżej
Priorytet i ryzykoproblemy blokujące sprzedaż, SEO i integracje oddzielone od zadań kosmetycznych, które można wykonać później
Akcjapoprawić dane, zablokować rekord, zmienić mapper albo przenieść przypadek do review
Model danychpola obowiązkowe, reguły walidacji i zasady publikacji, które powinny działać przed zapisem danych produkcyjnych

Jak prowadzimy audyt danych produktowych?

Audyt kończy się raportem i planem napraw. Poprawki w danych i reguły działające na stałe wdrażamy w kolejnym kroku, na podstawie tego samego raportu.

Audyt: jednorazowo, na eksporcie

  1. Eksport danychEksport ze sklepu, ERP, BaseLinkera, plik CSV/XLSX/XML albo dane pobrane przez REST API.
  2. Profilowanie kataloguLiczba produktów i wariantów, typy pól, rozkład kategorii, kompletność atrybutów i powtarzalność błędów.
  3. Walidacja technicznaBraki, konflikty, duplikaty, błędne relacje parent-child, niezgodne EAN, puste opisy i ryzyka importu. To jednorazowy przebieg reguł na eksporcie.
  4. Rekomendacje naprawBłędy dzielimy na ręczne, regułowe, możliwe do naprawy przez API i takie, które wymagają decyzji biznesowej.
  5. Plan automatyzacjiWskazujemy, które dane można bezpiecznie przetwarzać masowo, a które wymagają ręcznej akceptacji, i co jest kolejnym krokiem.
W planie: gdzie potrzebny jest dry-run, staging, import próbny i możliwość cofnięcia zmian oraz czy kolejnym krokiem ma być walidacja, mapowanie kategorii czy generowanie opisów AI.

Naprawa: osobno, po audycie

Wdrożenie reguł na stałe to osobna usługa: walidacja danych. Kolejne kroki wynikają z planu w raporcie:

Walidacja danych produktowych przed importem

Walidacja danych

Mapowanie kategorii produktów do struktury sklepu

Mapowanie kategorii

Import i eksport CSV/XML/API w e-commerce

Import i eksport

Porządkowanie danych produktowych: cztery moduły po audycie

Dane produktowe

Sprawdzamy katalog po rekordach, relacjach i skutkach błędów

Audyt danych produktowych jest szczególnie ważny przed dużym importem CSV/XML, migracją sklepu, uruchomieniem feedu do Merchant Center, integracją ERP albo automatycznym generowaniem opisów z pomocą AI.

Zakres audytu: sześć warstw katalogu

identyfikatory, warianty, kategorie i atrybuty, SEO i feed, import i integracje, gotowość do automatyzacji
Zakres audytu danych produktowych
WarstwaCo sprawdzamyCzego szukamy
IdentyfikatorySKU, EAN/GTIN, nazwy, marki, modelepuste identyfikatory, zduplikowane SKU, niepoprawne EAN/GTIN, ten sam kod dla różnych produktów lub wariantów
Wariantyrelacje parent-child, rozmiary, kolory, modelewarianty bez logicznej relacji z produktem nadrzędnym
Kategorie i atrybutykategorie, atrybuty, filtry, mapowanie do struktury sklepubłędne lub sprzeczne przypisania, wartości w różnych standardach i liczba rekordów do ujednolicenia
SEO i feedopisy, title, meta description, zdjęcia, brand, parametry, pola Merchant Centerbraki wymagane przez indeksację i kampanie produktowe
Import i integracjeCSV, XML, API, ERPryzyko importu, timeoutów, duplikacji i błędnej publikacji danych
Gotowość do automatyzacjipola do poprawy regułami, mapowaniem, przez API lub AIprzypadki wymagające ręcznej decyzji, żeby nie opublikować błędów masowo

Gdzie wychodzą błędy z katalogu

filtry i listing, karta produktu i zamówienia, SEO, Merchant Center i kampanie, import i integracje
Filtry i listingWartości zapisane w różnych standardach („czerwony”, „Red”, „czerw.”) tworzą w filtrach dziesiątki duplikatów. Produkty w zbyt ogólnych, błędnych lub sprzecznych kategoriach wypadają z właściwego listingu.
Karta produktu i zamówieniaRozmiary, kolory i modele bez relacji z produktem nadrzędnym funkcjonują jako osobne, niepowiązane produkty. Klient zamawia błędnie opisany wariant.
SEOProdukty bez opisów, title, meta description, zdjęć i parametrów oraz przypadkowe przypisania kategorii osłabiają indeksację kategorii i linkowanie wewnętrzne.
Merchant Center i kampanieBrak GTIN, brandu, zdjęć lub danych wymaganych przez kampanie produktowe; ten sam kod opisujący różne produkty lub warianty.
Import i integracjePuste lub zduplikowane SKU psują import CSV/XML, integracje ERP i BaseLinkera. Błędy zapisane bez kontroli wracają przy każdej synchronizacji, a duże pliki kończą się timeoutem.

Jeden rekord od błędu do kontroli: trzy warianty etap po etapie

co jest w pliku, co z tego wynika w sklepie, jaka reguła to poprawia i co zostaje w raporcie

Dane produktowe często psują sklep, zanim klient zobaczy produkt. Trzy warianty jednej kurtki z eksportu. Dwa mają błędy, których w panelu nie widać na pierwszy rzut oka. Poniżej ten sam fragment katalogu na czterech etapach: co jest w pliku, co z tego wynika w sklepie, jaka reguła to poprawia i co zostaje w raporcie.

Trzy warianty jednego produktu demo · dane przykładowe

Tak warianty wyglądają w pliku. Kolor zapisany na trzy sposoby, jeden EAN-13 ucięty o cyfrę, jeden powtórzony, jeden wariant w zbyt ogólnej kategorii.

SKUKolorRozmiarEANKategoria Stan
KS-210-RED-S czerwony S 5901234123457 Kurtki › Softshell do sprawdzenia
KS-210-RED-M Red M 590123412345 Kurtki › Softshell do sprawdzenia
KS-210-RED-L czerw. L 5901234123457 Odzież do sprawdzenia

Te same rekordy po walidacji. Każdy błąd ma skutek poza panelem: w filtrach, na listingu, w feedzie i przy kolejnym imporcie.

SKUKolorRozmiarEANKategoria Stan
KS-210-RED-S czerwony S 5901234123457 Kurtki › Softshell poprawny
KS-210-RED-M Red M 590123412345 Kurtki › Softshell EAN-13 bez ostatniej cyfry: kod nie przechodzi kontroli GTIN; „Red” to osobna wartość w filtrze
KS-210-RED-L czerw. L 5901234123457 Odzież EAN powtórzony z S; wariant poza listingiem Softshell

Słownik kolorów ujednolica zapis, kategoria wariantu jest dziedziczona z produktu nadrzędnego. Uciętego EAN reguła nie zgaduje: rekord czeka na pełny kod z kartoteki.

SKUKolorRozmiarEANKategoria Stan
KS-210-RED-S czerwony S 5901234123457 Kurtki › Softshell bez zmian
KS-210-RED-M czerwony M do uzupełnienia Kurtki › Softshell kolor ze słownika; EAN z kartoteki
KS-210-RED-L czerwony L do wyjaśnienia Kurtki › Softshell kolor i kategoria poprawione; duplikat EAN do decyzji

Przed zapisem rekordy przechodzą reguły jeszcze raz. Kod, który nie przechodzi kontroli, nie trafia do feedu, a rekord zostaje w raporcie z powodem. Produkt, który w ogóle nie ma nadanego GTIN, to inny przypadek: nie wymyślamy kodu, tylko opisujemy go marką i kodem producenta.

SKUKolorRozmiarEANKategoria Stan
KS-210-RED-S czerwony S 5901234123457 Kurtki › Softshell gotowy do publikacji
KS-210-RED-M czerwony M do uzupełnienia Kurtki › Softshell wstrzymany w feedzie do czasu wpisania pełnego EAN z kartoteki · w raporcie
KS-210-RED-L czerwony L do wyjaśnienia Kurtki › Softshell na listingu; EAN do review · w raporcie
Demonstracja na danych przykładowych, nie na katalogu klienta. Reguły: kod GTIN o długości 8, 12, 13 albo 14 cyfr z poprawną cyfrą kontrolną, jeden kod na jeden wariant, słownik wartości atrybutu, kategoria wariantu zgodna z produktem nadrzędnym.

Audyt danych — pytania

Nie ma tu Twojego pytania? Napisz

Nie zawsze. Często wystarczy eksport CSV/XLSX produktów, wariantów, kategorii i stanów. Dostęp do panelu, API lub BaseLinkera pomaga wtedy, gdy trzeba sprawdzić relacje, logi importu albo konfigurację platformy.
Porównujemy identyfikatory, relacje wariantów, przypisania kategorii i źródła danych. Jeżeli SKU jest zdublowane, EAN pusty, a kategoria wyliczana z nazwy, problem zwykle wymaga walidacji przed importem.
Tak. Sprawdzamy, czy warianty mają wspólny model, poprawne atrybuty różnicujące, spójne nazwy, zdjęcia, ceny, stany oraz relację z produktem nadrzędnym.
Tak. To często najlepszy moment, bo błędy można zatrzymać na etapie dry-run zamiast publikować je w produkcyjnym katalogu sklepu.
Tak. Sprawdzamy pola wymagane przez feed: GTIN, brand, availability, price, image_link, nazwy, opisy, kategorie Google i zgodność danych ze stanem w sklepie.
Tak, ale dopiero po ustaleniu reguł. Najpierw trzeba odróżnić produkty kompletne od ryzykownych, żeby AI lub mapper nie wygenerował opisów dla błędnie sklasyfikowanych pozycji.
Najpierw trzeba oczyścić dane, podzielić import na paczki, dodać walidację, logi, retry i kontrolę błędów. Sam większy limit czasu nie rozwiązuje problemu źle przygotowanych danych.
Tak. Raport układa błędy według typu i priorytetu, więc może być checklistą dla administratora sklepu, integratora ERP, osoby od SEO albo zespołu odpowiedzialnego za katalog produktów.

Masz eksport produktów, ale nie wiesz, czy dane są gotowe do importu?

Prześlij plik CSV/XLSX/XML albo opisz źródło danych. Sprawdzimy SKU, EAN, warianty, kategorie, atrybuty, SEO i ryzyka automatyzacji, i powiemy, co poprawić przed importem, żeby błędy nie trafiły do sklepu ani feedów.