Метаданные — это описательная информация, привязанная к товару: она не является самим товаром, но описывает его. Это такие атрибуты, как бренд, материал, категория или пользовательские метки (custom labels), которые помогают платформе правильно интерпретировать, классифицировать и ранжировать товар. Это слой товарного фида, выходящий за рамки голых фактов о цене и наличии и дающий алгоритму шопинга или поисковой системе контекст, необходимый для сопоставления объявления с нужным запросом или «полкой». Товар с богатыми и точными метаданными, как правило, показывается по большему числу релевантных запросов, чем идентичный товар со скудными метаданными.
Почему метаданные важны для видимости фида
Торговые платформы ранжируют и сопоставляют объявления во многом исходя из того, насколько их метаданные соответствуют тому, что ищет покупатель. Это значит, что два во всём остальном одинаковых товара могут показывать совершенно разные результаты в Google Shopping или Meta только из-за того, насколько полно заполнены их метаданные. Такие поля, как категория товара, пользовательские метки, материал или узор, — не украшение: это входные данные, которые реально считывает алгоритм сопоставления платформы, и пробелы в них напрямую оборачиваются потерянными показами. Здесь же активно применяется автоматизация: заполнять недостающие метаданные вручную в большом каталоге медленно и чревато ошибками, поэтому во многих процессах управления фидами теперь используются правила или ИИ-обогащение, чтобы массово заполнять поля категорий, атрибутов или меток, а не оставлять их пустыми.
Как работают метаданные
Метаданные обычно появляются в исходной системе — PIM или ERP — и попадают в фид либо напрямую, если они были корректно внесены на этапе создания товара, либо через шаги обогащения, которые выводят их из названия или описания, если этого не произошло. После заполнения поля метаданных проходят нормализацию, чтобы соответствовать таксономии или перечню значений, которые ожидает целевой канал: внутренняя метка категории сопоставляется с таксономией товаров Google, а пользовательские метки стандартизируются, чтобы впоследствии поддерживать единообразную сегментацию в кампании. Инструменты управления фидами часто позволяют магазинам настраивать резервные правила для метаданных — например, определять цвет по названию, если поле пустое, — именно потому, что пробелы в метаданных относятся к самым распространённым проблемам качества в фиде данных.
Пример: поля метаданных в товаре фида
<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>Ни одно из этих полей не описывает цену или наличие кружки — каждое из них является метаданными и даёт торговой платформе отдельный способ классифицировать, сопоставить или сегментировать именно это объявление.
Связанные понятия
Метаданные полезны только после того, как они нормализованы до значений, которые реально ожидает канал, и обычно они попадают в фид как часть общего конвейера товарного фида, получающего данные из PIM, прежде чем они окажутся на «полках» канала. Практический взгляд на массовое заполнение пробелов в метаданных — в статье Как автоматизировать обогащение данных о товарах с помощью ИИ для фидов.
