Empieza por los requisitos del destino
No limpies un catálogo de forma abstracta. Empieza por el esquema que espera el destino. Amazon, Google Merchant Center, Shopify, Rithum o ChannelAdvisor, así como otros canales, pueden requerir diferentes nombres de campos, formatos, valores permitidos, identificadores y lógica de variaciones.
Google Merchant Center, por ejemplo, distingue entre atributos obligatorios, obligatorios bajo ciertas condiciones y opcionales. La falta de datos obligatorios o un formato incorrecto de los mismos puede impedir que los productos se muestren, por lo que las reglas de destino deben marcar la pauta del plan de limpieza.
- Identificadores y títulos obligatorios
- Campos de variantes y de relación padre-hijo
- Valores permitidos para el atributo
- Unidades y formato
- Requisitos relativos a las imágenes y las URL
Analiza el catálogo antes de cambiar nada
En primer lugar, evalúa el problema. Cuenta las filas, los SKU únicos, los identificadores duplicados, los campos críticos en blanco, los valores no válidos, las categorías incoherentes, las variantes huérfanas y los productos con datos contradictorios sobre la marca o el GTIN.
Un perfil te indica si el problema es aislado o sistémico y te proporciona una referencia para comprobar que el archivo depurado ha mejorado realmente.
Proteger la identidad del producto
Los códigos SKUUPC, EAN, GTIN, MPN y los identificadores internos de producto deben considerarse identificadores controlados. No los modifiques sin más solo porque otra fuente parezca más completa.
Contrasta los registros utilizando varias señales cuando sea necesario, especialmente cuando los proveedores reutilizan descripciones o cuando productos similares solo se diferencian por el tamaño, el número de unidades por envase, el color, el sabor u otros atributos de variación.
Normalizar los valores sin perder el significado
La estandarización debe garantizar la coherencia de los valores, no convertirlos en algo genérico. Hay que normalizar el uso de mayúsculas y minúsculas, los espacios, la puntuación, las unidades de medida, las convenciones de marca, las etiquetas de categoría y los vocabularios controlados, al tiempo que se preserva la distinción del producto que necesita el canal.
Por ejemplo, 12 oz y 340 g pueden referirse a la misma cantidad, pero convertir todo a una sola unidad puede resultar erróneo si el mercado de destino espera la unidad del mercado de origen o si el texto del envase debe mantenerse exacto.
Revisa con cuidado las familias de variantes
Los errores de variación se encuentran entre los errores más costosos de un catálogo, ya que afectan tanto a la visibilidad como a la experiencia del comprador. Comprueba que los productos secundarios tengan el producto principal previsto, que los atributos de variación estén completos y que cada producto secundario siga siendo identificable de forma única.
No crees una relación padre-hijo simplemente porque los productos tengan un aspecto similar. La relación debe ajustarse a las normas de variación del canal y a la estructura real del producto.
Diferenciar la depuración de contenidos de la verificación de los hechos
Un error tipográfico en un título es un problema de contenido. Una discrepancia en el número de unidades del envase, la lista de ingredientes, el tamaño o el identificador es un problema de datos y debe verificarse con una fuente fiable antes de corregirlo.
Utiliza enlaces a fuentes, datos del fabricante, páginas actuales del producto, documentación del embalaje u otras referencias fidedignas para los campos de mayor importancia. Las incertidumbres deben señalarse, en lugar de deducirse sin indicarlo.
Realizar el control de calidad previo a la publicación
Antes de la carga, comprueba los campos obligatorios, los valores permitidos, las claves duplicadas, las relaciones entre variantes, los formatos de URL, la disponibilidad de las imágenes y las normas específicas de cada destino. A continuación, compara el número de filas y realiza una comprobación aleatoria de productos representativos de todas las categorías y casos extremos.
En el caso de catálogos más extensos, clasifica los errores en reglas que se pueden corregir y excepciones. Automatiza los patrones repetitivos y deriva los registros ambiguos para su revisión manual.
Common questions
¿En qué consiste la limpieza de datos de productos en el comercio electrónico?
Es el proceso de corregir, normalizar, validar, eliminar duplicados y organizar los datos de los catálogos de productos para que puedan utilizarse de forma fiable en todos los sistemas de comercio electrónico y mercados online.
¿Qué zonas del producto hay que limpiar primero?
Empieza por los campos esenciales para la identificación y la publicación, como el SKU, el GTIN o el UPC, la marca, el título, la categoría, los atributos de las variantes, el precio, la disponibilidad y los atributos de canal obligatorios.
¿Se puede automatizar la limpieza de datos de productos?
Muchas reglas de formato, validación y detección de duplicados pueden automatizarse, pero los datos contradictorios sobre los productos y las coincidencias ambiguas suelen seguir requiriendo una revisión.
¿Por qué los archivos de catálogo que están en buen estado siguen dando error tras la subida?
Un archivo puede ser coherente internamente y, aun así, incumplir el esquema de destino. La validación debe incluir siempre los requisitos de la plataforma que recibe los datos.
Final thoughts
Los errores del catálogo rara vez se quedan solo en una hoja de cálculo. Un identificador incorrecto puede generar una entrada duplicada, una variación mal formada puede dividir una familia de productos, y las unidades o atributos incoherentes pueden provocar que se oculten productos en etapas posteriores. La limpieza de datos de productos consiste en corregir esos problemas antes de que el catálogo llegue a un mercado, una tienda online, un feed o una integración.
Need help improving your business data?
DataDabble can research, clean, enrich, and maintain the records your team depends on.
