Automatitzar el catàleg del teu e-commerce amb IA: fitxes de producte, ERP i traduccions
Jessica Santiago
El teu ERP té la informació d’un producte. La botiga en línia en té la referència i el preu, però no la descripció. La versió en francès continua pendent i algú de l’equip està buscant la fitxa tècnica per completar les mides.
Amb deu productes, es resol en una estona. Amb mil, ocupa dies. I quan el catàleg canvia contínuament, no n’hi ha prou d’acabar-ho una vegada: cal tornar a revisar les dades, actualitzar els textos i comprovar que cada idioma continua al dia.
És un dels problemes que més veiem en els e-commerce amb catàlegs grans. No sol faltar gent disposada a fer la feina. El que falla és la connexió entre els sistemes i la quantitat de tasques manuals que apareixen pel mig.
La IA pot generar fitxes, adaptar textos i traduir. Però automatitzar un catàleg no és demanar-li que escrigui milers de descripcions i publicar-les sense mirar. També cal connectar les fonts, validar les dades i decidir què s’actualitza sol i què necessita revisió.
Vegem on es perd el temps, quines parts del catàleg pots automatitzar i com ho hem aplicat en tres projectes reals.
On es perd el temps en un catàleg en línia
Abans de triar eines, identifica què fa el teu equip a mà. Aquests són els quatre problemes que més es repeteixen.
1. L’ERP no envia totes les dades que necessita la botiga
L’ERP sol ser la referència per a la informació comercial i operativa, però la botiga en necessita més: mides, material, compatibilitats, imatges o els atributs que fa servir el cercador. Algú les ha de localitzar i completar el que falta.
I no és només temps. Si les dades vénen de diverses fonts, cal comprovar que corresponen al producte correcte i que no contradiuen el que ja existeix.
2. Les fitxes es redacten una a una
Amb un catàleg petit, redactar a mà permet tenir cura de cada producte. Amb milers de referències, mantenir el nivell i la coherència és una altra història: unes fitxes ho expliquen tot, d’altres tenen dues línies i d’altres copien el text del fabricant tal qual.
La IA accelera la redacció, però necessita dades fiables i instruccions clares. Si totes les fitxes surten de la mateixa plantilla sense tenir en compte les diferències entre productes, el resultat és un catàleg de textos que sonen iguals.
3. Els idiomes es queden enrere
Una botiga multiidioma no es tradueix una vegada i ja està. Cada canvi torna a obrir la feina. S’actualitza la descripció en castellà i la francesa conserva el text anterior. S’afegeix una característica tècnica i només arriba a alguns idiomes. Al final, clients de països diferents llegeixen coses diferents sobre el mateix producte.
4. Els errors arriben a la botiga
Un producte sense imatge principal, amb un atribut obligatori buit o amb una descripció que no correspon a la referència. Passa desapercebut fins que un client intenta comprar-lo.
Revisar a mà cada camp de cada producte no és viable. Publicar sense comprovacions, tampoc. Aquí les regles de validació són tan importants com la IA.
Quines parts del catàleg pots automatitzar
La millor solució sol combinar peces: unes tasques es resolen amb regles, d’altres requereixen IA i d’altres necessiten que una persona validi el resultat.
1. Completar i validar les dades de producte
És un bon punt de partida perquè no requereix generar textos. El sistema consulta les dades disponibles, detecta els camps que falten i els completa si hi ha una font autoritzada. Si no la troba, deixa el producte pendent i avisa.
Per exemple, pots definir regles com aquestes:
- Si falta la imatge principal, el producte no es publica.
- Si el preu no és vàlid, s’atura l’actualització.
- Si falta un atribut obligatori per a aquella categoria, s’obre una incidència.
- Si la referència ja existeix, s’actualitza en lloc de duplicar-la.
Són senzilles, però eviten que molts errors es propaguin. I un matís important: completar un camp no vol dir inventar-lo. Si no hi ha informació fiable sobre el material o les mides, l’automatització ha d’indicar que falta, no omplir-lo amb una suposició.
2. Generar fitxes de producte a partir de dades tècniques
Aquí és on la IA estalvia feina de redacció. En lloc que una persona consulti la fitxa tècnica i escrigui des de zero, el sistema reuneix les dades i demana a la IA que les converteixi en un text clar, amb l’estil de la botiga.
Imagina que la font conté: material, acer inoxidable; acabat, mat; diàmetre, 12 cm; ús, interior; compatibilitat, amb els models indicats a la fitxa tècnica. Amb això, la IA pot redactar una descripció llegible i destacar el que ajuda a decidir la compra.
La condició: el text respecta les dades d’origen. Si la fitxa no diu que el producte és resistent a l’aigua, la descripció no ho ha d’afirmar. Si falta una mida, no l’ha de deduir.
Per controlar-ho, defineix una estructura per categoria, limita les afirmacions a la informació disponible, valida els camps tècnics per separat del text comercial i revisa les primeres tandes abans d’ampliar.
3. Traduir les fitxes i mantenir-les sincronitzades
La traducció automàtica aporta poc si només serveix per al llançament i després ningú no manté les versions.
Un flux ben dissenyat parteix d’una fitxa de referència i registra quina traducció correspon a cada versió. Quan canvia l’original, el sistema marca com a pendents els idiomes afectats, la IA genera les noves traduccions amb el vocabulari de cada idioma, es comprova que els camps obligatoris són complets i es publiquen o passen a revisió segons les regles.
No tots els textos necessiten la mateixa revisió. Una descripció senzilla pot seguir un flux diferent del d’una fitxa amb advertiments de seguretat o especificacions sensibles. El que importa és saber sempre quina versió està al dia i quina no.
4. Revisar el catàleg periòdicament
Encara que la importació inicial funcioni, els errors apareixen després: canvia un camp a l’ERP, desapareix una imatge o una actualització deixa d’executar-se.
Per això, a més d’automatitzar l’entrada de dades, convé programar revisions periòdiques que busquin atributs incomplets, descripcions buides, dades contradictòries o referències que haurien d’estar despublicades. Segons el cas, el sistema corregeix un format, actualitza un camp des de la font de referència o obre una incidència. En el projecte de Tiko Doco, per exemple, el catàleg es revisa cada 30 minuts.
5. Millorar la cerca interna de la botiga
Si un producte té els atributs complets i coherents amb els de la seva categoria, és més fàcil filtrar-lo i trobar-lo. Si la botiga fa servir noms diferents per al mateix material o deixa camps buits, el cercador perd precisió.
L’automatització ajuda a normalitzar atributs i detectar incoherències, i la IA pot interpretar cerques en llenguatge natural si la botiga disposa d’una solució que ho permeti. Però no s’han de confondre les dues coses: un catàleg ben completat millora la base del cercador, però no garanteix per si sol millors resultats. També hi influeixen el motor, la seva configuració i com interpreta les consultes.
Com funciona una automatització de catàleg de principi a fi
Vegem-ne un exemple: un producte nou entra a l’ERP i ha d’arribar a una botiga Shopify amb tota la informació.
- Detectar el producte. La integració identifica la nova referència o el canvi en una d’existent.
- Recollir les dades. Consulta l’ERP i les fonts addicionals: fitxes tècniques, fitxers del proveïdor.
- Validar la informació. Comprova els camps obligatoris i les regles de la categoria. Si falta alguna cosa essencial, el producte queda pendent.
- Generar els continguts. Si les dades són suficients, la IA prepara la descripció i les traduccions.
- Revisar el resultat. Els continguts sensibles o els que no superen les validacions passen a revisió humana.
- Actualitzar la botiga. La integració envia a Shopify els camps autoritzats i registra el resultat.
- Comprovar que tot ha acabat bé. Si falla una connexió o un camp no s’actualitza, es registra la incidència i es pot tornar a intentar de manera controlada.
Una plataforma com n8n pot coordinar els passos i connectar els sistemes. L’arquitectura exacta depèn de les API disponibles i dels permisos de cada eina. I aquest últim punt importa: una automatització no acaba quan envia la informació; acaba quan sap que ha arribat bé.
Tres casos reals d’automatització de catàleg
No hi ha una solució única per a tots els e-commerce. Aquests tres projectes partien de necessitats molt diferents.
Tiko Doco: completar les dades que l’ERP no sincronitza
Tiko Doco necessitava completar a Shopify informació de producte que no arribava des del seu ERP.
Per resoldre-ho, es va desenvolupar una aplicació a mida integrada a Shopify. La solució completa les dades i revisa el catàleg cada 30 minuts. Segons la informació del projecte, permet processar més de 20.000 productes complets a cada importació i evita que es publiquin productes incorrectes.
El punt interessant és que el problema no es va resoldre simplement generant descripcions amb IA. Primer calia assegurar que les dades necessàries arribessin a la botiga i que el catàleg es revisés de manera recurrent.
Fesmés: convertir dades de SAP en fitxes de producte
Fesmés treballava amb dades tècniques emmagatzemades a SAP que calia transformar en fitxes comprensibles per a la botiga en línia.
La solució connecta la IA amb SAP per generar fitxes de producte i millorar la informació disponible per a la cerca dins de l’e-commerce. D’aquesta manera, l’equip pot treballar amb un catàleg més homogeni i actualitzar les referències més ràpidament.
Aquí la clau és aprofitar la informació que ja existeix al sistema de gestió i convertir-la en contingut útil per al comprador, sense tractar cada referència com un encàrrec de redacció independent.
Establiments Andreu: mantenir el catàleg en créixer en idiomes
Establiments Andreu necessitava facilitar la internacionalització del seu e-commerce. Traduir i mantenir actualitzat el catàleg manualment dificultava ampliar els idiomes disponibles.
La solució automatitza la traducció i la sincronització de la botiga i redueix la feina necessària per mantenir les diferents versions lingüístiques.
En aquest tipus de projecte, el repte no és només produir traduccions. També cal saber quin text és l’original, quina versió correspon a cada idioma i com propagar els canvis sense deixar pàgines desactualitzades.
Coneix el cas d’Establiments Andreu.
Els tres projectes comparteixen una idea: l’automatització parteix d’un problema concret de catàleg. La IA és una de les peces de la solució, no un substitut del disseny del procés.
Quines tasques pots automatitzar i quines convé revisar
No totes les dades tenen el mateix risc. Homogeneïtzar el format d’un atribut no és el mateix que modificar una especificació tècnica o un preu.
Aquesta taula serveix com a punt de partida; el nivell de control s’ha d’ajustar a la informació i a les conseqüències de cada error.
| Tasca | Enfocament recomanat | Control |
|---|---|---|
| Homogeneïtzar formats i atributs | Automatització per regles | Revisions periòdiques i registre de canvis |
| Completar camps des d’una font fiable | Automatització per regles | Comprovar la font i detectar valors incoherents |
| Generar descripcions comercials | IA amb validacions | Revisar les primeres tandes i fer mostrejos dels resultats |
| Traduir fitxes estàndard | IA amb validacions | Revisar els textos rellevants i comprovar la coherència terminològica |
| Publicar informació de seguretat o normativa | Flux amb aprovació | Revisió humana abans de publicar |
| Actualitzar preus i estoc | Sincronització des de la font definida | Regles explícites, control d’errors i límits d’actualització |
El criteri és senzill: automatitza el que puguis comprovar i defineix qui ha d’intervenir quan el sistema no té prou informació.
Si un producte necessita un advertiment tècnic que no apareix a les dades disponibles, no s’hauria de publicar només perquè la IA hagi aconseguit redactar un text convincent. I si una actualització de preu no compleix les regles del negoci, el flux s’ha d’aturar en lloc d’improvisar.
Com començar sense automatitzar tot el catàleg
No cal que transformis milers de referències des del primer dia. De fet, començar amb una categoria concreta facilita trobar errors abans que afectin tota la botiga.
1. Tria una categoria pilot
Busca una família de productes que tingui prou volum perquè l’esforç manual sigui rellevant, però que puguis revisar de manera controlada.
Pot ser una categoria amb moltes fitxes incompletes, productes similars o traduccions pendents. L’important és triar un problema que puguis mesurar.
2. Comprova d’on surten les dades
Abans de construir l’automatització, identifica quin sistema conté cada dada i com es pot consultar.
Revisa les possibilitats d’integració de l’ERP i de la plataforma d’e-commerce. Comprova també si les fitxes tècniques i els fitxers del proveïdor tenen una estructura aprofitable.
Si no saps quina font ha de prevaler quan dos sistemes mostren valors diferents, resol aquesta qüestió abans d’automatitzar.
3. Defineix les regles de publicació
Fes una llista dels camps obligatoris, de les dades que han de procedir d’una font concreta i dels casos que necessiten aprovació.
Per exemple, pots permetre que una descripció estàndard es generi automàticament, però exigir una revisió quan falti una dada tècnica important o el producte inclogui advertiments específics.
4. Prova amb un lot petit
Comença amb unes quantes desenes de referències i revisa’n els resultats. Comprova les descripcions, les traduccions, els atributs, les imatges i la sincronització amb la botiga.
Inclou casos normals i casos problemàtics: productes sense prou dades, referències duplicades, textos llargs o canvis posteriors a l’ERP.
La prova serveix per comprovar tant la qualitat dels continguts com el funcionament de les integracions.
5. Mesura abans d’ampliar
Per saber si el projecte compensa, registra indicadors com ara:
- Temps mitjà dedicat a completar una fitxa.
- Percentatge de productes que compleixen els requisits de publicació.
- Nombre d’errors detectats abans de publicar.
- Temps necessari per actualitzar les traduccions.
- Incidències de sincronització entre l’ERP i la botiga.
Compara aquests resultats amb la situació anterior. Així podràs decidir si convé ampliar l’automatització a altres categories o corregir primer el flux existent.
Un catàleg que no depengui de copiar i enganxar
Quan el catàleg creix, la feina no acaba en publicar els productes. Cal completar dades, actualitzar fitxes, mantenir traduccions i comprovar que els sistemes continuen sincronitzats.
Automatitzar aquestes tasques pot alliberar l’equip de bona part de la feina repetitiva i reduir errors, sempre que el flux tingui fonts de dades clares, validacions i un sistema per gestionar les excepcions.
La millor manera de començar és revisar el catàleg actual: quantes referències té, quina informació falta, d’on procedeixen les dades i quines tasques es repeteixen cada vegada que s’actualitza un producte.
A La Teva IA treballem en automatitzacions que connecten eines, dades i processos empresarials. Si el teu equip dedica massa temps a mantenir el catàleg de la botiga, podem analitzar quines parts convé automatitzar i quines han de continuar sota supervisió.
