Los datos de productos de mala calidad tienen regularmente graves consecuencias para los minoristas. Si no se abordan, los datos incorrectos perjudican las operaciones comerciales eficientes, la búsqueda y el descubrimiento de productos, la satisfacción del cliente y las ventas.
Los datos incorrectos sobre los productos, a menudo ocultos a simple vista, pueden afectar de manera crítica los resultados de los minoristas. Según una empresa de tecnología de la información. GartnerLa mala calidad de los datos cuesta a las organizaciones un promedio de 12,9 millones de dólares al año. Esto agrava el impacto inmediato sobre los ingresos a largo plazo. Además de aumentar la complejidad de los ecosistemas de datos, los datos incorrectos conducen a una mala toma de decisiones.
Para hacer más visible el impacto de los datos incorrectos en los minoristas, se crea una plataforma de búsqueda y descubrimiento de productos de comercio electrónico basada en SaaS Agrupar por organizó un seminario web en septiembre con el socio Google Cloud sada y negocios de comercio electrónico Repensar el comercio minorista. Titulado «Datos incorrectos, grandes problemas: cómo superar los datos incorrectos de productos», el evento exploró cómo las empresas pueden utilizar la IA para enriquecer los datos, mejorar la relevancia de la búsqueda y el descubrimiento de productos, aumentar la satisfacción del cliente, reducir los gastos operativos y aumentar los ingresos.
La clave para este nivel de éxito radica en analizar la calidad de los datos del producto e identificar áreas de mejora. Las mejores prácticas incluyen establecer un modelo estándar de recopilación de datos, realizar revisiones periódicas e implementar soluciones basadas en inteligencia artificial para automatizar la limpieza, normalización y optimización de los datos comerciales a alta velocidad y a gran escala.
Por lo tanto, el enriquecimiento de datos con IA puede mejorar la eficiencia operativa, impulsar el crecimiento y mejorar la reputación de la marca. Según Arvin Natarajan, director de productos de GroupBy, los datos deficientes sobre los productos son un problema para casi todos los minoristas hoy en día, lo que afecta a todas las aplicaciones que dependen de los datos para funcionar.
«A largo plazo, la falta de datos afecta negativamente a la experiencia del cliente y, en última instancia, a sus resultados», afirmó.
Propuso que los sofisticados modelos de IA generativa entrenados en la biblioteca de taxonomía global patentada de GroupBy pueden identificar problemas de datos comunes y revolucionar la atribución y gestión de datos de productos.
Aprovechando la IA en el descubrimiento de productos basado en la nube
La plataforma de búsqueda de productos y comercio electrónico de GroupBy, impulsada por Google Cloud Vertex AI, brinda a minoristas y mayoristas acceso exclusivo al motor de búsqueda de próxima generación de Google Cloud. Creada para el comercio electrónico, la plataforma utiliza inteligencia artificial y aprendizaje automático para procesar 1,8 billones de eventos y recopilar 85 mil millones de eventos nuevos diariamente de todo el conjunto de productos de Google.
Al acceder a estos datos, GroupBy ofrece experiencias digitales con un profundo conocimiento de la intención del usuario. Natarajan señaló que su asociación con Google garantiza que los clientes se beneficien de todas las futuras innovaciones de IA desarrolladas por Google.
Los datos de productos incompletos, inexactos e inconsistentes pueden obstaculizar la búsqueda y el descubrimiento, lo que genera pérdida de ingresos y reducción de la lealtad del cliente. Natarajan destacó la importancia de la IA en el enriquecimiento de datos, citando un aumento del 20 % en las ventas en línea después de optimizar los datos del catálogo de productos para la búsqueda y el descubrimiento.
Exponer pérdidas de ingresos debido a datos defectuosos
La tecnología, o su mal uso, puede dificultar que los minoristas reconozcan la existencia de datos incorrectos. Vinny O’Brien, estratega de comercio electrónico de Rethink, relató un ejemplo de sus primeros días de trabajo en eBay y presentó un ejemplo de cómo una indexación defectuosa condujo a una pérdida continua de ingresos debido a listados de productos repentinamente invisibles.
Fue necesario trabajar con un socio para descubrir que eBay no había logrado estandarizar los datos de los productos. Entonces, si alguien buscaba un zapato Nike, por ejemplo, pero los datos del producto no tenían una N mayúscula en el formato cuando se descargó el producto, ese producto desaparecería después de la primera fase de la búsqueda.
Este fracaso no se limitó a esta única entrada de producto. Este fue un hallazgo sistémico recurrente para otros minoristas de la plataforma.
«Así que simplemente desapareciste». Ha perdido alrededor del 30% de su volumen de búsqueda. Cuando finalmente resolvimos el problema, que no era una tarea fácil para una empresa de este tamaño, estábamos recuperando ingresos a una tasa de alrededor del 20-25 % para las organizaciones, especialmente aquellas con catálogos grandes, porque estábamos obteniendo mucho tiempo, búsqueda de cola larga, etc. Pero es un área que tiene un impacto considerable”, explicó.
Los desafíos de lidiar con datos incorrectos de forma aislada
Según Joyce Mueller, directora de soluciones minoristas de Sada, el problema de los datos incorrectos es más una consecuencia no deseada que un esfuerzo deliberado por restar prioridad a los datos de los productos. Este siempre ha sido un problema de larga data.
Los datos incorrectos se deben a campos incompletos, inexactos o faltantes. Quizás se proporcionaron especificaciones de datos incorrectas o existe una inconsistencia entre los SKU, sugirió. Sin canales de datos limpios para reunirlos todos, terminamos con datos que no son necesariamente tan completos como nos gustaría, continuó Mueller.
“Esto plantea un problema principalmente para los sistemas back-end. Pero hoy en día, tener datos de productos que no sean completos, precisos, bien descritos o que no tengan el estilo y carácter correctos en realidad plantea problemas para los compradores digitales. Esto hace que su producto sea menos visible”, advirtió.
El objetivo esquivo de la estandarización de datos
Aplicar un método de estándares universales es una batalla perdida. Los esfuerzos anteriores no han logrado lograr un éxito universal.
O’Brien señaló que alrededor de 2010, todas las principales plataformas de comercio electrónico minorista obligaron a los especialistas en marketing a adherirse a un conjunto de datos estándar para cada producto con el fin de hacerlos visibles. Adoptar este principio fue sólo una buena estrategia hasta cierto punto.
«Creo que gestionar la escala de datos es el desafío cuando las grandes empresas asumen este tipo de mandato», ofreció. “Esto debe ser aceptado por todos y todos deben cumplirlo”.
La escala de esta gestión y gobernanza de datos es enorme, añadió. Entran en juego varias industrias, ya sea de empresa a empresa o de empresa a consumidor. En estas verticales, podrían ser aplicaciones de calidad alimentaria o productos de tipo médico, dijo, considerando otras complicaciones de cumplimiento.
“Los distintos tipos de industrias también tienen sus propios matices. Gestionar todo esto a gran escala es extremadamente difícil”, explicó O’Brien.
Cerrar la brecha en la gestión de datos
Natarajan añadió que cuando habla con minoristas o distribuidores en conferencias, ve una brecha entre fabricantes y minoristas. En última instancia, esta es una brecha que los minoristas también deben sortear, lo que requiere abordar muchos matices.
“Hay muchos desafíos para gestionar este tipo de datos a escala, lo que creo que es probablemente la razón por la que no hemos visto un nivel de estandarización de los datos de productos distribuidos en todas las diferentes industrias, en todos los diferentes verticales y minoristas de productos. todos los tamaños”, explicó.
Mueller de Sada dijo que no conocía ningún sector minorista que pudiera manejarlo bien. Pero ella cree que los nativos digitales lo manejan mejor simplemente porque es nuevo.
“Cuando piensas en los minoristas tradicionales, tienes sistemas heredados que no necesariamente se comunican entre sí. Es más difícil para alguien más establecido resolver este tipo de problemas y capacitarse y moldearse para adoptar la nueva tecnología. Tienen un legado mayor con una deuda técnica mayor”, observó.
Algunas industrias pueden tener más posibilidades de gestionar sus datos porque los productos son menos complejos. Según Natarajan, en algunas de estas categorías se tendría menos atribución de producto que en productos quizás más complejos técnicamente, como máquinas, motores y ese tipo de cosas.
«Existe una diferencia en los tipos de productos que conducirán a una mejor gobernanza de datos, simplemente porque es más fácil gestionar algunos de estos productos menos complejos», afirmó.
Soluciones de IA para el enriquecimiento de datos
El panel de expertos discutió los pasos que los distribuidores y minoristas pueden tomar para ser más conscientes de las acciones que pueden tomar para ayudar a superar el problema de los datos incorrectos.
- Realice una auditoría de datos de productos, comenzando por las categorías más críticas.
- Implemente soluciones de limpieza y enriquecimiento de datos impulsadas por IA para mejorar la calidad de los datos del producto.
- Mida el impacto de las mejoras en la calidad de los datos en métricas como ingresos, satisfacción del cliente y devoluciones.
- Establezca un proceso de gobernanza de datos para garantizar que los datos del producto sean consistentes y precisos en el futuro.
- Explore pruebas gratuitas de herramientas de enriquecimiento de datos basadas en IA para evaluar el impacto del catálogo de productos.
- Identifique un líder dentro de la organización, potencialmente del equipo de comercialización del producto, para impulsar la iniciativa de enriquecimiento de datos.
- Modernice los canales de datos y consolide los datos de productos en un sistema centralizado basado en la nube para permitir análisis y automatización más avanzados.
