Почему «найти дубли» опаснее, чем кажется
В каталоге интернет-магазина две карточки могут называться «кабель USB-C 1 м», но различаться током, производителем или типом разъёма. И наоборот: «удлинитель 100 см» и «кабель 1 метр» иногда описывают один и тот же товар. Если попросить модель объединить всё похожее, она испортит остатки и историю продаж. Поэтому задача первого этапа — не удаление, а список пар для проверки с объяснением признаков. Каждая исходная карточка должна сохранить свой ID, даже если позже решено перенести данные в общую позицию.
Создайте паспорт сравнения
Экспортируйте только нужные поля: SKU, поставщик, штрихкод, базовая единица, размер, цвет, модель, статус, дата изменения и число привязанных заказов. Для обработки вне защищённой системы удалите цены договора и персональные данные, если они не влияют на задачу. В таблице нормализуйте пробелы и очевидные вариации единиц, но сохраняйте исходное значение рядом. «0,5 л» и «500 мл» можно привести к одной величине, а «500 г» к ним приравнивать нельзя. Модель может предложить правила нормализации; бухгалтерски значимые преобразования нужно подтвердить человеку.
Отделите похожесть от тождества
Сделайте четыре группы: очевидный технический дубль, возможный дубль, разные варианты одного семейства, явно разные товары. Для «очевидного» совпадения недостаточно названия; желательно совпадение штрихкода или согласованного идентификатора поставщика и важных атрибутов. Если штрихкоды отличаются, это повод для проверки, а не автоматическое отрицание: переупаковка и изменение партии тоже возможны. Попросите ИИ показывать признаки «за» и «против» для каждой пары. Такой ответ дольше короткого «дубль», зато человек видит, что именно нужно уточнить.
Проверьте влияние на заказы
Перед объединением откройте последние заказы, возвраты и резервы обеих карточек. История должна остаться связанной с первоначальными SKU, чтобы отчёты за прошлые периоды не изменились задним числом. Если одна позиция продаётся в штуках, а вторая — комплектом, объединение без коэффициента создаст ложный остаток. Сделайте тест на копии данных: как изменятся доступное количество, себестоимость и выгрузка на маркетплейс? В практике по сигналам дефицита видно, почему ошибка единицы может превратить нормальный запас в срочный заказ.
Изображение помогает, но не решает
Одинаковая фотография может использоваться для всех размеров упаковки, а разные фотографии — для одной позиции после смены дизайна. Визуальная модель способна отметить похожий объект или прочитать этикетку, но не устанавливает коммерческое тождество. Не давайте ей менять карточку по одному кадру. Полезнее попросить выписать видимые отличия и связать их с текстовыми полями. Если на фото плохо читается объём, ставьте «не определено», а не угадывайте типовую фасовку. Сохраняйте оригинальные фото до редактирования каталога.
Как вести решение по паре
Для каждой пары назначьте ответственного и один из исходов: объединить, оставить отдельно, исправить атрибут, запросить данные у поставщика. Запишите дату, исходные SKU, основание и ссылку на подтверждающий документ. Если карточки действительно объединены, настроенный редирект или сопоставление старого ID с новым спасёт ссылки в закупках и аналитике. Никогда не удаляйте позицию просто потому, что модель поставила высокий процент похожести. Процент без известной методики — только подсказка для очереди проверки, не управленческое решение.
Малый пилот перед массовой чисткой
Возьмите двести карточек из одной категории и вручную разметьте двадцать подозрительных пар. Затем запустите выбранный метод и посмотрите, сколько настоящих дублей он нашёл и сколько разных товаров ошибочно предложил объединить. Для бизнеса ложное объединение часто дороже пропущенного дубля: оно влияет на остатки и обещания клиенту. Поэтому определите допустимую долю ошибок заранее. После пилота перенесите проверенные правила на другие категории, но не предполагайте, что логика обуви подойдёт бытовой химии.
После исправления
Обновите шаблон создания новых карточек: обязательные атрибуты, словарь единиц и проверка существующего SKU перед публикацией. Иначе каталог быстро вернётся к прежнему состоянию. Раз в месяц проверяйте новые подозрительные пары, а не запускайте большой болезненный проект раз в год. ИИ здесь эффективнее как регулярный сигнал к проверке, чем как инструмент разового удаления. Если сотрудников несколько, описанный порядок должен быть одинаковым для закупки, склада и контент-команды; иначе одна группа снова создаст вариант, который другая уже закрыла.
Вывод и FAQ
Ценность проекта — меньше путаницы в заказах при сохранённой истории. Может ли одинаковый штрихкод служить единственным доказательством? Обычно он сильный сигнал, но всё равно сверяйте упаковку и систему поставщика. Можно ли стирать старые SKU? Лучше сохранить соответствие и историю, особенно если с ними связаны заказы. Нужен ли ИИ для пятидесяти карточек? Не всегда: фильтр таблицы и ручная проверка могут быть быстрее. ИИ полезнее там, где описаний много и они написаны разными словами. Полезный контрольный вопрос для команды: сможет ли новый сотрудник объяснить, почему эти две карточки были соединены? Если ответ находится только в переписке с моделью, документации недостаточно. Зафиксируйте в карточке решения человеческое подтверждение, дату и исключения. Возвращайте спорные позиции в очередь проверки при новой упаковке или смене артикула поставщиком; однажды принятое решение не делает все будущие партии идентичными. В отчёте пилота отдельно укажите ложные объединения и цену их исправления для команды.