Metadane to opisowe informacje dołączone do produktu, które nie są samym produktem, lecz go opisują – atrybuty takie jak marka, materiał, kategoria czy etykiety niestandardowe, które pomagają platformie prawidłowo zinterpretować, sklasyfikować i uszeregować produkt. To warstwa feedu produktowego wykraczająca poza podstawowe fakty, takie jak cena i dostępność, dająca algorytmowi zakupowemu lub wyszukiwarce kontekst potrzebny do dopasowania oferty do właściwego zapytania lub „półki”. Produkt z bogatymi, dokładnymi metadanymi zwykle pojawia się w większej liczbie trafnych wyszukiwań niż identyczny produkt z ubogimi metadanymi.
Dlaczego metadane mają znaczenie dla widoczności feedu
Platformy zakupowe szeregują i dopasowują oferty w dużej mierze na podstawie tego, jak dobrze ich metadane odpowiadają temu, czego szuka kupujący, co oznacza, że dwa poza tym identyczne produkty mogą działać zupełnie inaczej w Google Shopping lub Meta wyłącznie w zależności od tego, jak kompletnie uzupełniono ich metadane. Pola takie jak kategoria produktu, etykiety niestandardowe czy atrybuty materiału lub wzoru nie są ozdobnikami – to dane wejściowe, które algorytm dopasowujący platformy faktycznie odczytuje, a luki w nich przekładają się bezpośrednio na utracone wyświetlenia. To także obszar, w którym stosuje się dużo automatyzacji: ręczne uzupełnianie brakujących metadanych w dużym katalogu jest powolne i podatne na błędy, dlatego wiele procesów zarządzania feedem wykorzystuje dziś reguły lub wzbogacanie AI, aby uzupełniać pola kategorii, atrybutów lub etykiet na dużą skalę, zamiast zostawiać je puste.
Jak działają metadane
Metadane zwykle powstają w systemie źródłowym – PIM lub ERP – i trafiają do feedu albo bezpośrednio, jeśli zostały prawidłowo zapisane na etapie tworzenia produktu, albo przez etapy wzbogacania, które wnioskują je z tytułu lub opisu, jeśli tak się nie stało. Po uzupełnieniu pola metadanych przechodzą normalizację, aby odpowiadały taksonomii lub liście wartości oczekiwanej przez kanał docelowy – wewnętrzna etykieta kategorii jest mapowana na taksonomię produktów Google, a etykiety niestandardowe są standaryzowane, aby mogły później wspierać spójną segmentację w kampanii. Narzędzia do zarządzania feedem często pozwalają sprzedawcom konfigurować zastępcze reguły metadanych – np. wnioskowanie koloru z tytułu, gdy pole jest puste – właśnie dlatego, że luki w metadanych to jeden z najczęstszych problemów z jakością feedu danych.
Przykład: pola metadanych w pozycji feedu
<item>
<g:id>SKU-63120</g:id>
<title>Hand-Thrown Stoneware Mug - Speckled Blue</title>
<g:brand>Kiln & Co.</g:brand>
<g:google_product_category>Home & Garden > Kitchen & Dining > Tableware</g:google_product_category>
<g:product_type>Mugs > Ceramic</g:product_type>
<g:material>Stoneware</g:material>
<g:color>Speckled Blue</g:color>
<g:custom_label_0>Bestseller</g:custom_label_0>
</item>Żadne z tych pól nie opisuje ceny ani dostępności kubka – każde z nich to metadane i każde daje platformie zakupowej inny sposób klasyfikowania, dopasowywania lub segmentowania tej konkretnej oferty.
Powiązane pojęcia
Metadane są przydatne dopiero wtedy, gdy zostaną znormalizowane do wartości, których kanał faktycznie oczekuje, i zwykle trafiają do feedu jako część szerszego procesu feedu produktowego zasilanego z PIM, zanim w ogóle dotrą na „półki” kanału. Praktyczne spojrzenie na uzupełnianie luk w metadanych na dużą skalę znajdziesz w artykule Jak zautomatyzować wzbogacanie danych produktowych za pomocą AI w feedach.
