Jak dopasować produkty dostawcy do własnego katalogu?

Ten sam produkt, inne opakowanie

Załóżmy, że dostawca oferuje pakiet sześciu jednakowych markerów. W firmowym katalogu są dwie pozycje: pojedynczy marker i pakiet sześciu markerów tego samego producenta oraz modelu. Nazwy zaczynają się tak samo, ale informację o opakowaniu pracownik widzi dopiero po otwarciu każdej karty. Kod nadany przez dostawcę nie występuje w wewnętrznej kartotece.

Pomocna podpowiedź pokazałaby obie pozycje od razu, z wyraźną liczbą sztuk w opakowaniu i dostępnymi identyfikatorami. Pracownik mógłby odrzucić pojedynczy marker, a następnie sprawdzić, czy pakiet rzeczywiście odpowiada ofercie dostawcy. Samo podobieństwo nazw nie kończy tego sprawdzenia.

Znaczenie ma też to, czego dotyczy identyfikator. GTIN to numer identyfikujący jednostkę handlową. GS1 UK wyjaśnia, że każdy poziom opakowania powinien mieć własny GTIN. Numer pojedynczego produktu nie powinien więc służyć jako potwierdzenie tożsamości wielopaku. Źródło: GS1 UK.

Jeżeli dostawca pozostawił pole opakowania puste, lista podobnych produktów nadal może pomóc w poszukiwaniach. Nie daje jednak podstaw do wybrania pojedynczej sztuki ani pakietu. Trzeba sprawdzić dokument dostawcy lub poprosić go o uzupełnienie. System powinien pozostawić tę wątpliwość widoczną przy proponowanych pozycjach.

Kiedy zwykłe wyszukiwanie wystarczy

Jeśli obie strony mają ten sam, zweryfikowany identyfikator odpowiedniej jednostki handlowej, wyszukanie go w kartotece może rozwiązać sprawę bez modelu. Podobnie działa zapisana wcześniej relacja między kodem dostawcy a wewnętrznym indeksem. Przy kolejnej dostawie katalogu pracownik nie musi od nowa ustalać tego samego przypisania, o ile oznaczenia nadal dotyczą tych samych pozycji.

Warto więc najpierw przyjrzeć się powodom nieudanych wyszukiwań. Być może kod jest zapisany w innym polu, katalog zawiera duplikaty albo zatwierdzone dopasowania zostają wyłącznie w arkuszach poszczególnych kupców. Uporządkowanie tych informacji może usunąć znaczną część ręcznego szukania. Model nie jest warunkiem zbudowania wspólnej listy znanych powiązań.

Trudniejsze są pozycje bez wspólnego identyfikatora. Dostawca może używać skróconej nazwy, podczas gdy firma zapisuje pełny opis, albo podawać cechy w innej kolejności. Wtedy wyszukiwanie uwzględniające znaczenie tekstu może znaleźć propozycje, których pracownik nie zobaczy po wpisaniu dokładnej frazy.

Co model ma znaleźć

W takim zastosowaniu model pomaga odszukać istniejące pozycje w katalogu. Jego wynikiem jest krótka lista do sprawdzenia. W przykładzie z markerami wartość tej listy polega na tym, że pracownik szybko dociera do właściwego pakietu i widzi, czym różni się on od pojedynczej sztuki.

Model może pomóc odnaleźć opisy powiązane znaczeniowo mimo różnic w słowach. Dostawca i pracownik firmy mogą inaczej nazwać tę samą rzecz, a wyszukiwanie nadal pokaże odpowiednią pozycję do sprawdzenia.

Google rozróżnia zastosowania modeli do wyszukiwania informacji i do oceny podobieństwa tekstów. Dokumentacja opisuje też dostosowanie modeli na przykładach właściwych dla danego zadania. Nie dowodzi to jednak, że podobne opisy oznaczają identyczny towar. Dokumentacja Google: zastosowania embeddingów i dostosowanie modeli.

Kupujący nie musi wybierać techniki wyszukiwania przed pierwszą rozmową z wykonawcą. Powinien za to ustalić, jaką pomoc ma otrzymać pracownik. Przydatna propozycja prowadzi do konkretnej karty produktu i pokazuje informacje potrzebne do jej sprawdzenia. Sama lista podobnych nazw pozostawia dużą część pracy bez zmian.

Co uzasadnia własne dostosowanie

Najpierw warto sprawdzić gotowy model na tych poszukiwaniach, które dziś sprawiają zespołowi trudność. Jeśli znajduje odpowiednie pozycje, a pracownicy potrafią sprawnie wybrać właściwą, dalsze uczenie może nie być potrzebne.

Dostosowanie ma więcej sensu, gdy powracają określone pomyłki: model nie rozpoznaje używanych przez dostawców skrótów lub umieszcza pojedyncze sztuki na początku listy, a pasujące wielopaki dopiero znacznie dalej. Firma potrzebuje wtedy wiarygodnych przykładów poprawnych dopasowań, ocenionych przez osobę znającą katalog. Historycznie połączone rekordy również trzeba przejrzeć, bo dawne przypisanie mogło być pomyłką.

Przed rozszerzeniem rozwiązania pracownicy powinni porównać propozycje z normalnym wyszukiwaniem na kolejnych pozycjach, których nie użyto do dostosowania modelu. Ważne jest, czy właściwy produkt pojawia się na krótkiej liście i ile czasu zajmuje jego potwierdzenie. Trzeba też uwzględnić produkty, których firma jeszcze nie ma w katalogu. Dobra pomoc w wyszukiwaniu powinna pozwalać zakończyć sprawę bez dopasowania, zamiast skłaniać do wyboru najbliższej nazwy.

Zatwierdzenie powiązania przez pracownika może następnie oszczędzić szukania tej samej pozycji przy kolejnym pliku. Osoba odpowiedzialna za kartotekę nadal decyduje, czy połączyć rekordy, wyjaśnić dane z dostawcą czy utworzyć nową pozycję. Kontrola zmienionych warunków zakupu to dalszy etap, opisany osobno w artykule o automatyzacji kontroli cenników dostawców.

Projekt z Syntalith dla jednej części katalogu

Syntalith tworzy aplikacje i modele AI. Dla zespołu zajmującego się kartoteką proponujemy zacząć od jednej grupy produktów, w której pracownicy często szukają tych samych lub podobnych pozycji. Sprawdzamy, co rozwiązuje uporządkowanie identyfikatorów i zwykłe wyszukiwanie, a następnie porównujemy z nimi podpowiedzi modelu. Próba dostosowania modelu powinna pokazać, czy poprawa względem tych prostszych metod uzasadnia jego wdrożenie i utrzymanie.

Wynik projektu powinien trafić do miejsca, w którym pracownik przegląda ofertę dostawcy, tak aby mógł otworzyć proponowaną kartę i zatwierdzić powiązanie. Na pierwszą rozmowę wystarczy opowiedzieć, jak dziś szukacie produktu i na czym najczęściej się zatrzymujecie. Nie trzeba wcześniej przygotowywać specyfikacji ani wysyłać całego katalogu. Wycenę prywatnego modelu przygotowujemy po rozmowie o danych i sprzęcie, a aplikacja na nim zaczyna się od 12 500 zł netto (cennik).

Ile to kosztuje

Od czego zacząć

Na bezpłatnej analizie wybieramy jeden proces i 20 do 100 spraw, które zespół już obsłużył. Porównujemy prostszą zmianę z dostosowanym modelem na przypadkach, których model nie widział, a w 2 dni robocze dostajesz pisemne podsumowanie z ceną. Dostosowanie modeli prowadzimy w ramach prywatnych modeli LLM, a aplikację w ramach aplikacji AI.