Метаданные — это описательная информация, прикрепленная к товару, которая не является самим товаром, но описывает его — атрибуты, такие как бренд, материал, категория или пользовательские метки, которые помогают платформе правильно интерпретировать, классифицировать и ранжировать товар. Это тот слой товарного фида, который выходит за рамки простых данных о цене и наличии, предоставляя алгоритму покупок или поисковой системе контекст, необходимый для сопоставления объявления с правильным запросом или полкой. Товар с подробными и точными метаданными, как правило, отображается в результатах более релевантных поисковых запросов, чем идентичный товар с недостаточными метаданными.

Почему метаданные важны для видимости ленты новостей

Торговые платформы ранжируют и сопоставляют объявления в основном на основе того, насколько хорошо их метаданные соответствуют поисковому запросу покупателя. Это означает, что два товара, которые в остальном идентичны, могут показывать совершенно разные результаты в Google Shopping или Meta в зависимости от того, насколько полно заполнены их метаданные. Такие поля, как категория товара, пользовательские метки и атрибуты материала или рисунка, не являются декоративными — это входные данные, которые алгоритм сопоставления платформы фактически считывает, и пробелы в них отображаются непосредственно как потерянные показы. Именно здесь применяется автоматизация: заполнение недостающих метаданных вручную в большом каталоге — это медленный и чреватый ошибками процесс, поэтому многие рабочие процессы управления фидами теперь используют правила или обогащение с помощью ИИ для заполнения полей категории, атрибутов или меток в больших масштабах, вместо того чтобы оставлять их пустыми.

Как работают метаданные

Метаданные обычно поступают в исходную систему — PIM или ERP — и попадают в фид либо напрямую, если они были корректно собраны на этапе создания продукта, либо через этапы обогащения, которые определяют их на основе заголовка или описания, если это не так. После заполнения поля метаданных проходят нормализацию , чтобы соответствовать таксономии или перечислению, ожидаемому целевым каналом, так что внутренняя метка категории сопоставляется с таксономией продуктов Google, а пользовательские метки стандартизируются, чтобы обеспечить согласованную сегментацию на более поздних этапах кампании. Инструменты управления фидами часто позволяют ритейлерам настраивать резервные правила метаданных — например, определять цвет по заголовку, если поле пустое, — именно потому, что пробелы в метаданных являются одной из наиболее распространенных проблем качества в фиде данных.

Пример: Поля метаданных элемента ленты

<item>
  <g:id>SKU-63120</g:id>
  <title>Hand-Thrown Stoneware Mug - Speckled Blue</title>
  <g:brand>Kiln &amp; Co.</g:brand>
  <g:google_product_category>Home &amp; Garden &gt; Kitchen &amp; Dining &gt; Tableware</g:google_product_category>
  <g:product_type>Mugs &gt; 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>

Ни одно из этих полей не описывает цену или наличие кружки — каждое из них является метаданными, и каждое позволяет торговой платформе по-разному классифицировать, сопоставлять или сегментировать это конкретное объявление.

Связанные концепции

Метаданные полезны только после того, как они нормализованы до значений, которые фактически ожидает канал, и обычно они поступают в фид как часть более широкого конвейера товарных фидов , извлекаемых из PIM-системы, прежде чем попасть на полки канала. Для практического обзора способов заполнения пробелов в метаданных в больших масштабах см. статью « Как автоматизировать обогащение данных о продуктах с помощью ИИ для фидов».