Как проверить обогащённые ИИ атрибуты товаров до того, как их отклонят Google или Meta

Сегодня большинство каталогов так или иначе обрабатывают данные о товарах с помощью ИИ: заполняют недостающий цвет, угадывают материал по названию, пишут описание для SKU, у которого его никогда не было. Это работает достаточно хорошо, чтобы команды перестали это проверять. В этом и проблема. Собственная документация Google Merchant Center подтверждает, что система автоматического обновления товаров, которая незаметно исправляет несовпадающие значения price, sale_price, availability и condition, сканируя вашу посадочную страницу, не распространяется на color, material, size и GTIN (Справка Google Merchant Center). Ошибётесь в этих атрибутах — и никто не исправит их за вас: неверное значение просто остаётся в фиде и работает, пока его не выявит ручной аудит или отклонение со стороны канала. Это руководство предназначено для всех, кто применяет обогащение с помощью ИИ или правил к каталогу размером от нескольких сотен до нескольких сотен тысяч SKU. В нём описан конкретный процесс контроля качества — пять типов сбоев, которые нужно проверять, шкала оценки и процесс выборочной проверки, — чтобы выявлять такие ошибки до того, как они попадут в Google, Meta или TikTok Shop.

Почему обогащённые ИИ атрибуты дают сбои незаметно

Исторически контроль качества фидов был сосредоточен на атрибутах, которые каналы сами активно проверяют за вас. Google автоматически исправит устаревшую цену или неверный статус наличия по вашей посадочной странице без каких-либо действий с вашей стороны (документация по автоматическому обновлению товаров). Такая страховка приучает команды думать, что та же защита распространяется на всё. Это не так. Цвет, материал, размер, узор и GTIN намеренно исключены из автоматизации, потому что Google не может надёжно определить их при сканировании страницы так, как определяет отображаемую цену.

Сегодня этот пробел важнее, чем два года назад, потому что именно эти атрибуты массово заполняют функции ИИ-обогащения — те, которые продавец изначально вообще не указывал в исходном фиде. ИИ-модель, угадывающая «натуральную кожу» по фотографии товара или сводящая три разных названия цвета к одному, работает в единственной зоне фида, где у неверного ответа нет автоматической страховки.

Пять типов сбоев, которые привносит ИИ-обогащение

Это не гипотетические ситуации. Каждый тип связан с задокументированным требованием Google или Meta, о котором у универсальной ИИ-обработки нет встроенных причин знать.

• Нарушения формата. Атрибут color в Google не принимает hex-коды, чисто числовые значения и названия цвета длиннее 40 символов, а модель, которую попросили «извлечь цвет» из изображения, охотно вернёт #3B2F2F (спецификация атрибута color).
• Несоответствие посадочной странице. Google требует, чтобы переданный цвет точно совпадал с формулировкой на посадочной странице: «если на посадочной странице вы используете 'Toasted Walnut', передавайте это значение в данных о товаре. Не передавайте 'Brown'» (спецификация атрибута color). Обогащение на основе универсального классификатора изображений не видит, что на самом деле написано на странице вашего товара.
• Излишне уверенная выдуманная конкретика. Модель часто превращает расплывчатое или пустое поле материала в нечто конкретно звучащее, но неверное, — например, «кожа» для товара, который на самом деле сделан из полиуретана. Спецификация material в Google требует, чтобы значение отражало «основную ткань или материал, из которого изготовлен товар», а не правдоподобную догадку (спецификация атрибута material).
• Перетекание атрибутов. Значение размера попадает в поле узора, а описание материала — в поле цвета; это происходит чаще, чем ожидают команды, когда обогащение без присмотра обрабатывает десятки тысяч строк с непоследовательными исходными названиями.
• Несогласованность между каналами. Если обогащение выполняется отдельно для экспорта в каждый канал, один и тот же товар может получить «Toasted Walnut» в фиде Google и «Brown» в фиде Meta — это реальный сигнал для покупателей и несоответствие посадочной странице как минимум с одной стороны.

Разбор «до и после»: пять реальных сценариев сбоев

В таблице ниже показано, как каждый тип сбоя выглядит в виде реального значения в фиде, почему оно не проходит и что должна содержать исправленная строка.

Шкала оценки качества для обогащённых ИИ атрибутов

Перед публикацией оценивайте каждую обогащённую строку по пяти критериям, от 0 до 2 баллов за каждый. Так субъективная проверка «вроде выглядит правильно» превращается в процедуру, которую младший сотрудник или подрядчик может применять единообразно.

Строку с оценкой 9–10 можно публиковать автоматически. Строка с оценкой 6–8 отправляется в очередь выборочной ручной проверки. Всё, что ниже 6, помещается в карантин — исключается из следующего экспорта, — пока человек не исправит значение. Это соответствует тому, как к этим атрибутам относится сама Google: не как к риску автоматизации, а как к риску, требующему ручной проверки, поскольку её собственная автоматизация на основе сканирования прямо их не затрагивает.

Как встроить чек-лист контроля качества в процесс обогащения

1. Перед публикацией прогоняйте каждую обогащённую строку через автоматические проверки по правилам. Лимиты символов, запрещённые символы (hex-шаблоны, чисто числовые значения цвета) и запрещённые общие термины («multicolor», «various», «assorted») можно выявлять простыми регулярными выражениями без участия человека — тот же слой логики на основе правил, на котором построено обогащение фида, может выполнять эти проверки как фильтр ещё до того, как значения попадут в экспорт.
2. Делайте выборку по уровню риска, а не равномерно. Приоритет ручной проверки — категориям, где GMC считает атрибут обязательным (одежда и аксессуары для цвета, согласно требованиям Google для отдельных категорий, — спецификация атрибута color), а также всем SKU, у которых оценка уверенности ИИ (если ваш инструмент обогащения её показывает) ниже вашего порога.
3. Сверяйте с исходными данными, а не с правдоподобием. Проблема не в том, что обогащённые значения выглядят неправильно, — проблема в том, что они выглядят правильно. Сверяйте каждую отметку по критерию «обоснованность конкретики» с реальной спецификацией поставщика или текстом страницы товара, а не с тем, звучит ли значение разумно.
4. Повторяйте проверку согласованности между каналами после каждого экспорта, а не только после обогащения. Если обогащение выполняется до разделения фида на экспорты для отдельных каналов, проблема в основном решается самой структурой процесса. Если же обогащение выполняется для каждого канала отдельно (что часто бывает, когда каналам нужно разное форматирование), для него нужен собственный этап сверки.
5. Ведите журнал всего, что отправляется в карантин. Растущая доля карантина для определённого атрибута или категории — сигнал исправить промпт или набор правил обогащения, а не только отдельные строки.

Если фид синхронизируется ежедневно, а не ежечасно, проскочившее неверное обогащённое значение может оставаться видимым покупателям в течение целого цикла синхронизации, прежде чем следующий экспорт даст возможность его исправить, — ещё одна причина проводить проверку до публикации, а не после.

Что не охватывает этот процесс и где он перестаёт работать

Этот процесс выявляет нарушения формата, несоответствия и непроверяемую конкретику, но не оценивает, насколько хорош текст названия или описания, написанного ИИ, — это отдельная, более субъективная проверка. Он также не заменяет юридическую проверку и проверку на соответствие требованиям в регулируемых категориях (БАДы, заявления о косметике, детские товары), где неверный или выдуманный атрибут — это вопрос соответствия законодательству, а не только качества фида.

В действительно большом масштабе — в каталогах из миллионов SKU с множеством участников и формальными цепочками согласования — очереди ручной выборочной проверки вроде описанной выше уже недостаточно. Именно вокруг такого процесса управления построены платформы вроде Productsup, где механизмы правил и журналы аудита встроены в саму платформу, а не добавлены поверх неё. А если ограничение — не инструменты, а ресурсы на проверку, модель управляемого сервиса Feedonomics, при которой ваш фид проверяет команда, а не настраиваемое вами ПО, — вполне законная альтернатива найму сотрудников. Ни один из этих подходов не нужен, чтобы применять описанный выше чек-лист, но о них стоит знать, прежде чем решать выстраивать такой процесс своими силами в большом масштабе.

Наконец, ничто из этого не заменяет чтения спецификации для нового атрибута или категории, которые вы собираетесь обогащать дальше. Google и Meta достаточно часто обновляют правила форматирования и требования к категориям, поэтому чек-лист, созданный сегодня, через полгода потребует повторного изучения исходной документации, а не останется навсегда неизменным. Если вас интересуют именно изображения и описания, созданные ИИ, а не структурированные атрибуты, прочитайте наше отдельное руководство по правилам для контента о товарах, созданного ИИ: там речь идёт о соблюдении правил каналов, а здесь — о контроле качества данных.

Часто задаваемые вопросы

Исправляет ли Google Merchant Center автоматически неверное значение цвета или материала?

Нет. Автоматическое обновление товаров в Google касается только цены, цены со скидкой, наличия и состояния. Цвет, материал, размер и GTIN исключены, поэтому неверное значение в этих полях остаётся активным, пока вы или ваш процесс обогащения его не исправите. О том, как настраивается экспорт фидов в GMC, читайте в руководстве по интеграции Feedance с Google Merchant Center.

Что произойдёт, если передать Google список цветов через запятую?

Google применяет только первый цвет из списка и незаметно отбрасывает остальные — строка через запятую не воспринимается как несколько значений (как исправить: недопустимое значение color). Вместо этого используйте косую черту — до трёх цветов на товар.

Требует ли Meta те же атрибуты цвета и материала, что и Google?

Нет. В спецификации полей каталога Meta для коммерции цвет и материал указаны как необязательные, а размер обязателен специально для категорий одежды и обуви. При этом Meta требует, чтобы цвет был указан словами, а не hex-кодом (поля каталога Meta для коммерции).

Неверный атрибут цвета несёт такой же риск, как нарушение правила о введении в заблуждение?

Обычно нет. Один неверный атрибут, как правило, отображается как проблема уровня товара на вкладке «needs attention» в Merchant Center, а не как блокировка аккаунта. Введение в заблуждение — отдельное, более серьёзное правило, направленное против намеренных или систематических ложных заявлений о компании или предложении, а не против единичной ошибки в атрибуте.

Какую часть каталога нужно проверять вручную после обогащения с помощью ИИ?

Формируйте выборку с учётом риска, а не равномерно: в первую очередь проверяйте категории, где атрибут обязателен (например, одежду и аксессуары для цвета), и все строки, которые ваш инструмент обогащения помечает как низкодостоверные, а оставшееся время на проверку распределяйте по остальному каталогу.

Может ли одно и то же обогащённое ИИ значение атрибута различаться в моих фидах для Google и Meta?

Не должно, если оба описывают один и тот же товар. Если обогащение выполняется отдельно для экспорта в каждый канал, добавьте после экспорта этап сверки, чтобы выявлять случаи, когда значения разошлись.

Что делать, если я обнаружил в работающем фиде выдуманные ИИ атрибуты?

Выделите затронутые SKU, исправьте значения по исходным данным (спецификациям поставщика или действующей странице товара, а не повторным запуском того же процесса обогащения) и отправьте их повторно. Затем проверьте, не встречается ли тот же тип сбоя в других частях каталога: «галлюцинация» редко бывает единичной.

Даёт ли ИИ-обогащение значения атрибутов, которые пропустил бы ручной процесс?

Да — оно действительно полезно для заполнения атрибутов в больших каталогах, где ручной ввод нереален, и для выявления закономерностей (например, непоследовательных названий), которые человек, проверяющий по одной строке, не заметит. Уровень контроля качества нужен для того, чтобы выявлять характерные для него сбои, а не для того, чтобы отказываться от его использования.

Прогоните свой фид через бесплатный инструмент аудита товарного фида Feedance, чтобы понять, в каком состоянии ваши данные атрибутов, перед следующим запуском обогащения.