Optymalizacja feedów produktowych przy pomocy FeedGen oraz Vertex AI

Wstęp

W dzisiejszym świecie e-commerce, gdzie rywalizacja o uwagę klienta jest coraz bardziej zacięta, kluczowym elementem skutecznych kampanii reklamowych są zoptymalizowane feedy produktowe. Pomagają one nie tylko w promocji produktów, ale mają także ogromny wpływ na skuteczność reklam oraz ich zasięg. W niniejszym artykule przyjrzymy się bliżej procesowi optymalizacji feedów produktowych przy wykorzystaniu narzędzi takich jak FeedGen oraz platformy Vertex AI, które umożliwiają wykorzystanie narzędzi sztucznej inteligencji w celach ważnych dla każdego biznesu e-commerce.

Dlaczego feed produktowy należy optymalizować?

Feed produktowy (inaczej plik produktowy, product feed) – to ustrukturyzowany zbiór informacji o produktach, takich jak nazwa, cena, opis, link do produktu itp. Stanowi podstawowy element kampanii reklamowych dla e-commerce, a informacje o produkcie umieszczone w feedzie produktowym są wyświetlane potencjalnym klientom za pośrednictwem kanałów reklamowych.

Dobrze zoptymalizowane feedy produktowe mają kluczowe znaczenie dla skutecznych kampanii reklamowych.

Oto najważniejsze powody:

1. Większa szansa na wyświetlenie produktu, co przekłada się na większy zasięg kampanii.

2. Ułatwienie klientom porównania cen i znalezienia najlepszej oferty.

3. Poprawa efektywności kampanii i zwiększenie zwrotu z inwestycji (ROAS).

4. Nie tylko wzrost sprzedaży, ale także budowanie świadomości marki poprzez atrakcyjne zdjęcia i szczegółowe opisy produktów.

5. Wzmocnienie przewagi konkurencyjnej na rynku.

Dlatego istotne jest, aby plik produktowy uwzględniał:

1. Odpowiednie i aktualne informacje dotyczące produktu,

2. Wszelkie niezbędne dane produktowe wymagane przez daną platformę sprzedażową,

3.  Treść wysokiej jakości, np. opisy, tytuły,

4. Odpowiednie słowa kluczowe.

Zoptymalizowany plik produktowy znacznie zwiększa prawdopodobieństwo osiągnięcia bardzo dobrych rezultatów kampanii reklamowych. 

Czym jest Vertex AI?

Vertex AI to usługa oferowana przez Google Cloud, która zapewnia kompletny zestaw narzędzi i środowisk potrzebnych do projektowania, testowania i wdrażania modeli uczenia maszynowego (ML). Umożliwia proste budowanie, testowanie i implementację modeli ML, w tym modeli generatywnych (Generative AI), które potrafią tworzyć nowe treści: tekst, obrazy, dźwięk itp.

Vertex AI integruje funkcje takie jak automatyczne uczenie maszynowe (AutoML) oraz narzędzia do ręcznego projektowania modeli. Użytkownicy mają dostęp do zaawansowanych analiz oraz przetwarzania dużych zbiorów danych, a także do automatyzacji różnego rodzaju procesów. Platforma umożliwia także wizualizację i interpretację wyników, co ułatwia zrozumienie i doskonalenie modeli. Google zadbało o to, aby Vertex AI było łatwe w obsłudze dla początkujących oraz efektywne dla zaawansowanych użytkowników, zapewniając elastyczne i łatwo skalowalne rozwiązania dostosowane do różnych potrzeb. 

Czym jest FeedGen?

Wiemy już, że  optymalizacja plików produktowych to niezbędny etap na drodze do efektywnych kampanii reklamowych e-commerce. Celem optymalizacji pliku produktowego jest ulepszenie dopasowania do zapytań, rozszerzenie zasięgu i podniesienie efektywności mierzonej np. wskaźnikami CTR lub CR. Manualne rozwiązywanie problemów związanych z jakością, analiza odrzuconych produktów, poprawa tytułów lub opisów produktów mogą być czasochłonne. Z pomocą przychodzi FeedGen.

FeedGen to program o otwartym kodzie źródłowym, który wykorzystuje zaawansowane modele językowe (LLM) Google Cloud. Jego głównym celem jest dostosowywanie nazw produktów, tworzenie bardziej szczegółowych opisów oraz uzupełnianie brakujących lub tworzenie nowych atrybutów w plikach produktowych. Przydatny dla właścicieli sklepów e-commerce i marketerów FeedGen, umożliwia wykrywanie i poprawianie błędów w plikach produktowych za pomocą sztucznej inteligencji w sposób łatwy i dostosowany do indywidualnych potrzeb.

Narzędzie to wykorzystuje wspomniany interfejs API Vertex AI Google Cloud Platform (GCP), dzięki czemu przy generowaniu nowych tytułów lub opisów produktów możemy skorzystać z wnioskowania “zero-shot” oraz “few-shot”. 

Czym są te wnioskowania?

• Wnioskowanie “zero-shot”: Narzędzie może generować odpowiedzi lub podejmować decyzje na podstawie nowych danych, których nigdy wcześniej nie widziało, nie wymagając wcześniejszego "trenowania" na tych danych. Jest to sytuacja, w której nie podajemy przykładów docelowych tytułów, czy opisów produktów, a FeedGen generuje tytuły i/lub opisy produktów opierając się na dostępnych dla danego modelu językowego, ogólnych zasadach i wiedzy.

• Wnioskowanie “few-shot” (rekomendowane): W tym przypadku, narzędzie używa małej liczby przykładów (od trzech do dziesięciu), np. wzorcowych tytułów produktów lub opisów. Przykłady te pomagają narzędziu lepiej zrozumieć i dostosować się do naszych oczekiwań. Dzięki temu odpowiedzi modelu są lepiej dopasowane do naszych potrzeb.

Jak wygląda to w praktyce? Przyjmijmy, że tytuły naszych produktów nie są optymalnie zbudowane, np. nie zawierają nazwy marki oraz kluczowych informacji o produkcie.

Słabo skonstruowane tytuły produktów:

• Czarne buty do biegania – brak nazwy marki, materiału i szczegółowych informacji.

• Kurtka zimowa XL – brak marki, koloru i materiału.

• Spodnie jeansowe Levi’s – brak szczegółów, takich jak styl, rozmiar i kolor.

Dobrze zoptymalizowane tytuły produktów (za pomocą FeedGen):

• Nike Męskie Buty do Biegania Air Max – Czarne, Rozmiar 42, Skóra – zawiera markę, płeć, typ produktu oraz cechy (kolor, rozmiar, materiał).

• Calvin Klein Męska Kurtka Zimowa – Czerwona, Rozmiar XL, Wełna – zawiera wszystkie kluczowe elementy: markę, typ produktu, kolor, rozmiar i materiał.

• Levi’s Męskie Jeansy Slim Fit – Niebieskie, Rozmiar 32x34, Denim – jasno określa markę, typ produktu, styl, kolor i rozmiar.

Wyświetlanie reklamy w dużej mierze zależy od zgodności zapytania użytkownika z treścią reklamy. Celem jest prezentacja najbardziej dopasowanego produktu. Dobrze skonstruowane tytuły produktów zwiększają szansę na skuteczne dopasowanie.

FeedGen automatycznie tworzy precyzyjne tytuły produktów, wykorzystując sztuczną inteligencję. Na podstawie dostępnych atrybutów w feedzie oraz AI może on rozbudowywać istniejące tytuły lub generować nowe opisy produktów i niestandardowe atrybuty.

Podsumowanie

Optymalizacja feedów produktowych za pomocą narzędzi takich jak FeedGen i Vertex AI to kluczowy krok w tworzeniu skutecznych strategii reklamowych w branży e-commerce. Wykorzystanie zaawansowanych modeli językowych oraz automatyzacji procesów pozwala firmom na generowanie lepiej zoptymalizowanych tytułów i opisów produktów, co w efekcie poprawia wyniki kampanii oraz zwiększa konkurencyjność marki.

W SalesTube doskonale rozumiemy dynamiczny rozwój rynku cyfrowego oraz rosnące oczekiwania klientów. Wiemy, że innowacyjne podejście do optymalizacji feedów produktowych staje się kluczowym czynnikiem sukcesu w e-commerce. Dlatego zapraszamy do współpracy, aby wspólnie wyprzedzać konkurencję w tej wymagającej branży.