Hva er en Product Data Audit – og når trenger nettbutikken din en?

En nettbutikk kan se ryddig og profesjonell ut, men fortsatt ha store problemer i produktdataene. Kanskje mangler mange varer GTIN, bilder eller tekniske spesifikasjoner. Kanskje det samme produktet ligger inne flere ganger med litt forskjellige navn. Når katalogen vokser, blir slike små feil fort til et større driftsproblem.

En Product Data Audit er en systematisk gjennomgang av produktinformasjonen. Målet er ikke bare å telle tomme felter, men å forstå om dataene faktisk er komplette, konsistente og brukbare i nettbutikken og i kanalene rundt den.

Hva regnes som produktdata?

Produktdata er all informasjon som beskriver, identifiserer og presenterer et produkt. Det kan være produktnavn, SKU, GTIN, MPN, merke, kategori, pris, lagerstatus, dimensjoner, materialer, tekniske spesifikasjoner, beskrivelser, bilder og varianter.

For en butikk med 30 produkter kan mye kontrolleres manuelt. Har du 5 000 eller 50 000 produkter fra flere leverandører, blir det raskt en helt annen oppgave.

Manglende informasjon og inkonsistente verdier

Et produkt kan ha navn og pris, men mangle identifikator, merke, dimensjoner eller viktige tekniske egenskaper. I andre tilfeller finnes informasjonen, men bare i enkelte kategorier eller fra enkelte leverandører.

Problemet er heller ikke alltid at informasjon mangler. Den kan være skrevet på mange forskjellige måter. Fargen svart kan for eksempel ligge som Black, black, Sort og BLK. For et menneske er betydningen åpenbar. For filtre, eksportfiler og automatisering kan dette bli fire forskjellige verdier.

Data normalization betyr å standardisere slike verdier slik at informasjon som betyr det samme også behandles likt av systemet.

Identifikatorer og duplikater

Pålitelige identifikatorer gjør det mulig å vite at to datasett faktisk beskriver det samme produktet.

GTIN er en global identifikator for handelsvarer. SKU er normalt et internt varenummer, mens MPN er produsentens eget delenummer eller produktnummer.

I en audit kan man blant annet kontrollere manglende GTIN, ugyldige identifikatorer, samme identifikator på flere varer og inkonsistent bruk av SKU eller MPN.

Store kataloger får også lett duplikater. Én leverandør kan kalle et produkt Bosch GSR 18V-55 Professional, mens en annen bruker GSR18V55 Bosch Drill. Hvis systemet bare sammenligner navn, kan de ende som to separate produkter.

Bedre matching kombinerer derfor flere signaler, for eksempel GTIN, SKU, merke og MPN.

Kategorier, filtre og varianter

En god katalog handler også om hvordan produktene organiseres.

Produkter uten kategori, nesten identiske kategorier, svært dype hierarkier og inkonsistente attributter gjør det vanskeligere å navigere og filtrere. Hvis filteret Bredde bruker millimeter i én kategori og centimeter i en annen, er det ikke bare et dataproblem. Det blir et brukerproblem.

Det samme gjelder hver produktvariant. Størrelse, farge eller kapasitet bør være knyttet til riktig hovedprodukt og samtidig ha korrekt pris, lagerstatus, identifikator og bilde.

Bilder og beskrivelser

Produktbilder og produkttekster er også produktdata.

En audit kan finne varer uten bilder, svært små bilder, samme bilde på flere produkter eller kategorier med helt ulik bildestandard.

Det samme gjelder beskrivelser. En tekst som bare sier Profesjonell kvalitetsdrill hjelper lite hvis kunden egentlig trenger å vite kapasitet, kompatibilitet, vekt og bruksområde.

Poenget er ikke å gjøre alle beskrivelser lengst mulig. Poenget er at informasjonen som er viktig for kjøpsbeslutningen faktisk finnes.

Hva skjer når dataene skal videre?

Produktinformasjonen brukes sjelden bare ett sted.

Den kan gå fra ERP eller leverandørfiler til et PIM, videre til nettbutikken, og derfra til et product feed for Google eller en markedsplass.

I tillegg kan nettsiden bruke structured data for å gjøre produktinformasjon maskinlesbar.

Hvis de forskjellige systemene viser ulike priser, navn, tilgjengelighet eller identifikatorer, får man et konsistensproblem. Google Merchant Center dokumenterer at unøyaktige, manglende eller motstridende produktdata kan føre til begrenset synlighet, feilvisning eller avvisning.

Hva bør resultatet av en audit være?

En god audit bør ikke ende med et dokument som bare sier at produktdataene kan forbedres. Den bør gi konkrete funn og prioriteringer.

Et resultat kan for eksempel vise hvor mange produkter som mangler GTIN, hvor stor andel som mangler merke eller tekniske spesifikasjoner, hvor mange mulige duplikater som finnes, og hvilke kategorier som har flest problemer.

Deretter bør funnene deles inn etter alvorlighetsgrad: hva som kan skape feil eller stoppe distribusjon, hva som påvirker søk og filtrering, og hva som først og fremst er en forbedringsmulighet.

Når er en Product Data Audit spesielt nyttig?

Det er særlig relevant når katalogen har vokst raskt, når mange leverandører sender Excel-filer, når ansatte bruker mye tid på manuelle rettelser, når filtrene fungerer dårlig, eller når butikken skal migreres til et nytt system.

Det er også nyttig før innføring av PIM, før større redesign eller når Merchant Center begynner å vise mange produktfeil.

Ikke alle nettbutikker trenger først et redesign. Noen har først og fremst et informasjonsproblem. En Product Data Audit gjør det enklere å skille mellom et designproblem, et dataproblem og et driftsproblem.