Así funciona nuestro pipeline de clasificación: visión artificial, embeddings vectoriales y puntuación de similitud

En el mundo del e-commerce, en constante evolución, organizar y clasificar correctamente los productos es esencial, no solo para ofrecer una navegación y un descubrimiento fluidos, sino también para maximizar las tasas de conversión. Recientemente, atronous.ai implementó un avanzado pipeline de aprendizaje automático que aporta automatización, inteligencia y precisión a la asignación de productos dentro de la taxonomía, y reduce así el trabajo manual y las incoherencias.

¿Es la primera vez que aborda este problema? Taxonomía de productos: cómo clasificar cada producto en la categoría correcta es la guía introductoria. Este artículo recoge el detalle de ingeniería que hay detrás.

El desafío: del caos a la clasificación

Los minoristas suelen recibir datos de producto de una gran variedad de proveedores y en formatos diversos: imágenes, URL, hojas de cálculo o PDF. Estos artículos carecen de taxonomías estandarizadas o llegan con categorías desalineadas que no encajan en el sistema de clasificación existente del minorista. El resultado es una experiencia de compra fragmentada y oportunidades de ingresos perdidas.

Paso 1: identificar el objeto a partir de la URL de una imagen

Con modelos avanzados de visión artificial, la plataforma ingiere las URL de las imágenes de producto e identifica el tipo de objeto que aparece en la foto. Por ejemplo, en un proyecto reciente con un minorista líder, la plataforma procesó entradas como URL de imágenes de producto.

Mediante una combinación de redes neuronales convolucionales (CNN) y modelos preentrenados (como CLIP o BLIP), el sistema devuelve una clase de objeto probable, como Sillón, Sofá o Taburete de bar, sin ningún etiquetado manual.

Paso 2: entrenar con la taxonomía actual del minorista

Lo que hace a atronous verdaderamente adaptable es su capacidad de aprender de la propia estructura de clasificación de cada minorista. Al entrenarse con el árbol taxonómico existente, ya provenga de una tienda Shopify, de un sistema ERP o de una base de datos interna, el motor de ML entiende cómo se organizan las categorías y cómo suelen repartirse los productos entre ellas.

En el caso de uso de este minorista, atronous mapeó automáticamente los objetos detectados a categorías específicas, como las siguientes:

• Muebles → Asientos → Sillones
• Muebles → Sala de estar → Sofás
• Muebles → Comedor → Taburetes de bar

Paso 3: asignar la mejor coincidencia en la taxonomía

Una vez entrenado, el sistema calcula puntuaciones de similitud entre los embeddings vectoriales de las imágenes y los de la taxonomía para asignar cada producto a la categoría más adecuada.

Por ejemplo:

• Una imagen clasificada como Taburete de bar de estética mid-century se asignó a Muebles > Comedor > Taburetes de bar con una confianza superior al 95 %.
• Un taburete decorativo mal clasificado en los datos de origen se reclasificó automáticamente como Mueble auxiliar a partir de su similitud visual y semántica.

Esto no solo mejora la exactitud de la clasificación, sino que permite que la taxonomía se adapte sobre la marcha al estilo y a la estructura del minorista.

Paso adicional: auditoría de la taxonomía y sugerencias alternativas

En un potente cuarto paso, atronous auditó las asignaciones actuales de la taxonomía y señaló incoherencias o clasificaciones erróneas. También sugirió posibles mejoras.

Por ejemplo:

• Se resaltaron los productos clasificados en Sillas que, por su aspecto, corresponden a Sillones reclinables.
• Para los artículos repartidos entre Decoración de sala de estar y Sillones auxiliares, se recomendó consolidarlos o reclasificarlos.

Estas sugerencias se entregan en una hoja de cálculo fácil de revisar o se sincronizan directamente con los sistemas PIM.

El impacto

Este enfoque centrado en la IA ha cambiado la forma en que los minoristas gestionan la incorporación de productos:

• Una reducción drástica del tiempo dedicado a la asignación manual de categorías
• Mayor exactitud en la categorización, con las coincidencias dudosas señaladas para su revisión en lugar de adivinadas
• Una mejor experiencia de compra gracias a una navegación y una agrupación de productos más claras

A medida que los catálogos de productos crecen y se vuelven más complejos, una automatización como esta no solo resulta útil: pasa a ser crítica para el negocio.

¿Quiere simplificar su taxonomía?

atronous.ai lleva la inteligencia al núcleo mismo del merchandising digital. Si su equipo lidia con una categorización incoherente, ciclos de incorporación largos o feeds de productos deficientes, estaremos encantados de ayudarle. Véalo aplicado a sus propios datos con una Evaluación de Calidad de Datos gratuita.