Jeżeli katalog jest chaotyczny, każdy kolejny etap będzie droższy: import, SEO, feed do Merchant Center, integracja z ERP, filtracja, kampanie Ads i obsługa klienta. Skalę problemu najszybciej pokazuje audyt sklepu internetowego, który oddziela błąd katalogu od błędu frontu.
Pola do sprawdzenia
Identyfikatory i warianty
SKU, EAN/GTIN, nazwy, warianty i relacje parent-child
Atrybuty i kategorie
atrybuty globalne, filtry, kategorie, kolekcje, sezon i marka
Oferta i treść
ceny, stany, zdjęcia, opisy, meta title i meta description
Kontrola
walidacja, raport błędów, dry-run i kontrola przed publikacją
Zacznij od SKU, EAN i stabilnych identyfikatorów
SKU i EAN/GTIN są podstawą łączenia produktów między sklepem, ERP, hurtownią, BaseLinkerem i feedami. Jeżeli identyfikatory są puste, zduplikowane albo zmieniają się między importami, automatyzacja zaczyna tworzyć duplikaty lub aktualizować niewłaściwe rekordy.
Najpierw trzeba ustalić, które pole identyfikuje produkt, które wariant, a które jest tylko informacją pomocniczą. Wariant rozmiaru, koloru lub sezonu powinien mieć własne SKU, ale musi być połączony z produktem nadrzędnym.
- wykryj duplikaty SKU i EAN — raport powinien powstać przed importem, nie po publikacji
- oddziel SKU produktu nadrzędnego od SKU wariantów
- ustal zasady dla produktów bez EAN
- nie zmieniaj identyfikatorów po pierwszym imporcie bez mapy migracji: zmiana SKU bez mapy przejścia niszczy historię zamówień, integracje i feedy
Relacja produkt nadrzędny – wariant w arkuszu
| SKU | SKU nadrzędne | EAN | Rozmiar | Wynik |
|---|---|---|---|---|
| MODEL-A | — | — | — | produkt nadrzędny |
| MODEL-A-M | MODEL-A | EAN wariantu M | M | wariant |
| MODEL-A-L | (puste) | EAN wariantu L | L | brak powiązania |
| MODEL-A-XL | MODEL-A | EAN wariantu L | XL | duplikat EAN |
Warianty muszą wynikać z atrybutów, nie z przypadkowych nazw
Warianty parent-child powinny opierać się na kontrolowanych atrybutach: rozmiar, kolor, pojemność, długość, konfiguracja. Jeżeli każdy import używa innych nazw wartości, filtracja, karta produktu i feed produktowy zaczynają się rozjeżdżać, choć w arkuszu wszystko wygląda poprawnie.
W sklepie WooCommerce szczególnie ważne są atrybuty globalne, w Magento zestawy atrybutów i produkty configurable/simple, a w Shoperze rekordy product-stocks z extended: 1 i flaga wariantu domyślnego (patrz poradnik o cenie po imporcie z BaseLinkera). Każda platforma ma inne ograniczenia, ale problem danych jest wspólny.
- normalizuj wartości rozmiarów, kolorów i kolekcji: XL, X-Large i xlarge powinny stać się jedną wartością atrybutu
- nie mieszaj cech marketingowych z technicznymi filtrami
- łącz warianty z produktem nadrzędnym przez stabilne reguły
- testuj kartę produktu i listing po imporcie wariantów
Wariant: poprawny rekord i błąd
- rozmiar jako kontrolowany atrybut: XL
- wariant połączony z produktem nadrzędnym przez stabilną regułę
- cechy marketingowe osobno od technicznych filtrów
- XL, X-Large i xlarge jako trzy różne wartości atrybutu
- każdy import używa innych nazw wartości
- filtracja, karta produktu i feed produktowy się rozjeżdżają
Kategorie powinny wynikać z reguł i danych, nie z jednorazowego zgadywania
Kategorie hurtowni, ERP i sklepu rzadko są identyczne. Dlatego potrzebne jest mapowanie: marka, płeć, typ produktu, sezon, kolekcja, materiał, aktywność i dostępność mogą wpływać na docelowe drzewo kategorii.
Dobre mapowanie pozwala przypisać produkt do kilku logicznych miejsc bez duplikowania produktu. Klient może znaleźć go przez kategorię, markę, aktywność i kolekcję, a SEO dostaje spójną strukturę linkowania. Ten proces rozwijamy osobno jako mapowanie kategorii produktów.
- oddziel kategorie sprzedażowe od technicznych grup w ERP
- twórz reguły dla marki, typu produktu, płci i kolekcji
- raportuj produkty z niską pewnością klasyfikacji: mapowanie może mieć poziom pewności (np. 0–100) i blokadę publikacji poniżej progu
- nie publikuj automatycznie kategorii, których mapper nie rozpoznaje
Kategoria: poprawny rekord i błąd
- kategoria sprzedażowa z reguły: marka, typ produktu, płeć
- produkt w kilku logicznych miejscach bez duplikowania produktu
- niska pewność klasyfikacji trafia do raportu
- techniczna grupa z ERP jako kategoria w sklepie
- kategoria, której mapper nie rozpoznaje, publikowana automatycznie
Walidacja danych przed publikacją chroni sklep przed kosztownymi błędami
Dane powinny przejść przez kontrolę jakości przed zapisem produkcyjnym. Walidacja sprawdza braki, duplikaty, ceny zerowe, ujemne stany, zdjęcia 404, zbyt długie nazwy, puste metadane i niespójne atrybuty.
Przy większych katalogach warto oddzielić rekordy gotowe do publikacji od rekordów wymagających poprawy. Błędne rekordy nie blokują wtedy całego importu. W przebiegu generowania opisów AI dla 21 000 rekordów 112 rekordów bez zdjęcia trafiło do raportu, 41 zatrzymały błędy API, a 20 847 opisów zostało wygenerowanych. Jeśli katalog ma wracać do sklepu automatycznie, potrzebny jest też osobny etap walidacji danych produktowych.
- dry-run importu i raport błędów
- walidacja obowiązkowych kolumn i typów danych
- kontrola zdjęć, URL-i, cen i stanów
- logi zmian oraz lista produktów pominiętych
Błędne rekordy nie blokują całego przebiegu
- rekordów w przebiegu
- 21 000
- rekordów bez zdjęcia trafiło do raportu
- 112
Jak zacząć porządkowanie katalogu?
Najpierw zrób eksport obecnych produktów i sprawdź identyfikatory, warianty, kategorie, atrybuty oraz braki w danych. Potem przygotuj reguły normalizacji i raport błędów.
- Eksport produktówidentyfikatory, warianty, kategorie, atrybuty, braki
- Reguły normalizacjii raport błędów
- Pola blokująceSKU, EAN, cena, stan, kategoria, warianty i zdjęcia
Nie poprawiaj ręcznie wszystkiego naraz. Zacznij od pól, które blokują sprzedaż i integracje: SKU, EAN, cena, stan, kategoria, warianty i zdjęcia.
Dalej w tym temacie: SKU czy EAN jako klucz produktu, walidacja wariantów przed importem oraz usługa audytu danych produktowych, gdy katalog trzeba najpierw zdiagnozować.