בניתי מערכת AI להעלאת מוצרים לחנויות איקומרס. לא כי זה טרנדי ‑ כי ראיתי בעיה שחוזרת על עצמה שוב ושוב ורציתי לפתור אותה נכון.
הבעיה שגרמה לי לבנות את המערכת
השאר כאן פרטים ונבדוק יחד מה האתר שלכם צריך כדי להיראות מקצועי, ברור ומוכן להביא לקוחות.
כל לקוח שמגיע אליי עם מוצרים להעלות מגיע עם בעיה קצת אחרת. אבל יש דבר אחד שחוזר על עצמו ברוב המקרים: המידע מגיע מבולגן. קטלוג PDF מהספק, אקסל עם עמודות שנקראות "עמודה A" ו"עמודה B", שמות מוצרים לא עקביים כמו "חולצה שחורה" בשורה אחת ו"חולצה, צבע שחור, XL" בשורה הבאה, תמונות בשמות כמו "IMG_0045.jpg" ו"FINAL_FINAL2.png" ותיאורים שמישהו כתב בחיפזון לפני שלוש שנים וצריך לשדרג.
למה זה קורה כמעט תמיד? כי החומרים האלה לא נולדו בשביל חנות אונליין. ספק שלח קטלוג כדי למכור סיטונאי, מישהו בעסק ריכז אקסל מהיר כדי לספור מלאי ומצלמים תמונות בשביל לזכור מה יש במחסן. אף אחד מהם לא תוכנן להיראות טוב באתר ולכן צריך מישהו שיודע לתרגם אותם לשפה שמתאימה לקונה שנוחת בדף המוצר. ראיתי את זה מקרוב אצל לקוחה עם 400 מוצרי אופנה, שהקובץ שלה הכיל שלושה פורמטים שונים לאותו סוג מידע, כי שלושה אנשים שונים עדכנו אותו לאורך השנים. העבודה האמיתית לא מתחילה בהעלאה, היא מתחילה בפענוח.
בניתי את המערכת שלי כי להעלות מוצרים ידנית מחומרים כאלה לוקח שלוש פעמים יותר זמן ממה שצריך ומידע לא מסודר שמגיע לאתר בלי טיפול נשאר מידע לא מסודר גם שם. הטעות הכי נפוצה שראיתי אצל בעלי חנויות היא לחשוב שהעלאה זה "להעתיק ולהדביק מהר" ולתקן אחר כך. בפועל, מה שעולה ככה נשאר ככה, כי אף אחד לא חוזר לתקן מאות מוצרים אחרי שהחנות כבר חיה. אם החנות שלך גדלה מהר, שווה לבדוק את זה כבר עכשיו: מידע לא עקבי לא פוגע רק במראה, הוא פוגע בסיכוי שגוגל יבין בכלל מה המוצר שלך.
מקור: Baymard Institute, 2023
מה המערכת עושה בפועל?
המערכת שלי מחברת כמה כלים:
- קריאת וסידור נתונים ‑ המערכת לוקחת קבצי אקסל, CSVים ומסמכים ומסדרת אותם לפורמט עבודה
- עיבוד שמות מוצרים ‑ יישור לפורמט עקבי שקבענו עבור החנות הספציפית
- הצעות לקטגוריות ‑ לפי המוצרים שנטענו, המערכת מציעה קטגוריות מתאימות
- כתיבת תיאורים בסיסיים ‑ בעזרת AI שיודע את ה"טון" של החנות
- ארגון תמונות ‑ שיוך תמונות למוצרים לפי זיהוי חכם של שמות
- הכנת קובץ ייבוא ‑ פלט שמוכן להעלאה לווקומרס
כל שלב עובר בדיקה ידנית שלי לפני שמתקדמים. הרעיון לא היה לבנות "כלי קסם" שמחליף אותי, אלא לבנות שרשרת עבודה שבה AI עושה את החלק החוזר והמתיש ואני שומרת לעצמי את החלק שדורש שיקול דעת. זה שינה לי את קצב העבודה בצורה שמורגשת: תהליך שפעם לקח לי שבועיים לחנות בינונית, היום לוקח כמה ימי עבודה כולל בדיקה כפולה.
הדוגמה שממחישה את זה הכי טוב היא לקוח עם חנות ציוד בית שהגיע עם אקסל של 250 מוצרים בלי תמונות בכלל, רק קישורים לתמונות באתר של הספק. המערכת עברה על כל השורות, שלפה את התמונות ובדקה שהן בגודל ובאיכות שמתאימים לחנות ונשאר לי רק לוודא שכל תמונה משויכת למוצר הנכון. הטעות הנפוצה שאני רואה אצל בעלי חנויות שמנסים לעשות זאת לבד עם כלי AI כללי היא לתת לו לעבוד בלי לבדוק תוצר ביניים וכך קטגוריה שגויה או תיאור עם תכונה שלא קיימת נתפסים רק אחרי שהמוצר כבר חי באתר.
מקור: McKinsey, 2023
שמות מוצרים וקטגוריות ‑ איך AI עוזר?
שמות מוצרים הם חשובים יותר ממה שרוב בעלי החנויות חושבים.
שם מוצר טוב צריך להיות:
- עקבי לאורך כל החנות ‑ אותו פורמט לכל המוצרים מאותה קטגוריה
- מכיל את מילות המפתח שאנשים מחפשים בגוגל
- ברור לקונה ‑ הוא מבין מה המוצר רק מהשם
- לא ארוך מדי ולא קצר מדי
כשמגיע אליי קובץ עם 300 מוצרים בשמות לא עקביים, הייתי פעם מסדרת כל אחד ידנית. היום המערכת עוברת על כל השמות, מזהה את הדפוסים הבעייתיים ומציעה גרסה מתוקנת ואני בודקת, מאשרת ומתקנת מה שצריך לפני שממשיכים הלאה. למה זה חשוב כל כך? כי שם מוצר לא עקבי לא רק מבלבל את הקונה, הוא גם מבלבל את מנוע החיפוש הפנימי של החנות ואת גוגל. חנות שבה חצי מהמוצרים נקראים "שלנג גינה" וחצי "צינור השקיה" בעצם מפצלת את עצמה לשני קהלי חיפוש שונים בלי סיבה.
קטגוריות זה עוד יותר מרתק. המערכת יכולה להסתכל על 300 מוצרים ולהציע מבנה קטגוריות הגיוני ואני לא תמיד מסכימה עם ההצעות, אבל זה נקודת התחלה מצוינת לשיחה עם הלקוח. תרחיש מהשטח: לקוח עם חנות תכשיטים חשב שהוא צריך שבע קטגוריות ראשיות. אחרי שהמערכת מיפתה את המוצרים לפי סוג ומחיר, התברר ששלוש מהקטגוריות היו כמעט ריקות ואילו קטגוריה אחת בלעה שליש מהמלאי. שינינו את המבנה לפני ההעלאה, לא אחריה וזה חסך חודשים של תיקונים.
הטעות הכי נפוצה שאני רואה בנושא הזה היא ניסיון "לחכות עד שיהיה מושלם" לפני ההעלאה. בפועל, מבנה קטגוריות טוב נבנה תוך כדי תנועה, אחרי שרואים איך אנשים באמת מחפשים. מה זה אומר בפועל לבעלי חנויות? שלא צריך לפחד להעלות עם מבנה סביר ולשפר, במקום לתקוע את כל הפרויקט בגלל החלטה אחת שאין לה תשובה מושלמת.
תיאורי מוצרים ‑ הרבה יותר מ"פשוט לכתוב"
זה החלק שהכי הרבה לקוחות מפספסים בחשיבותו.
תיאור מוצר טוב עושה כמה דברים בו זמנית:
- מסביר לקונה מה המוצר עושה ולמה הוא צריך אותו
- כולל את המידע הטכני הרלוונטי (מידות, חומר, תכולה)
- כתוב בשפה ובטון שתואמים את מותג החנות
- מכיל מילות מפתח רלוונטיות לקידום ב-SEO
- לא נשמע כמו תרגום מאנגלית
המערכת שלי כותבת תיאורים ראשוניים בהינתן הפרטים הבסיסיים של המוצר. וזה חשוב לי להדגיש תמיד: כל תיאור עובר ממני. לא שולחים תיאור AI גולמי לאתר של לקוח. הסיבה פשוטה: AI לא יודע שהלקוחות של החנות הזאת הם אמהות צעירות שמחפשות שפה חמה ולא מקצועית. AI לא יודע שהמותג הזה תמיד כותב "המוצר שלנו" ולא "המוצר". AI לא יודע שיש מוצר מתחרה שהלקוח לא רוצה להזכיר.
למה בכלל צריך את השלב הזה? כי תיאור מוצר הוא לא רק טקסט טכני, הוא חלק מהחוויה שהקונה קונה יחד עם המוצר. תרחיש מהשטח: לקוח עם חנות מוצרי טיפוח ביקש שכל תיאור יסתיים במשפט קליל בגוף ראשון, כמו שהחנות שלו נוהגת לדבר אל הלקוחות שלה. אחרי שהגדרתי את זה כחלק מהתבנית, כל תיאור יצא בטון הנכון וכל מה שנשאר לי זה לוודא שהעובדות במקום. הטעות הכי נפוצה שראיתי אצל לקוחות שמנסים לעשות את זה לבד היא להריץ את כל הקטלוג בפרומפט אחד גנרי ולקבל 300 תיאורים שנשמעים כמעט זהים וקונה שגולל בין כמה מוצרים כאלה מרגיש מיד שמשהו לא אמיתי.
ה-AI כותב טיוטה. אני ועין הלקוח גומרים את העבודה.
מקור: Google Think, 2023
תמונות ‑ החלק הכי מסובך
תמונות הן הדבר שהכי קשה להפוך לאוטומטי ובכנות, גם לא צריך להפוך הכל לאוטומטי. זה החלק שבו הכי הרבה כלי AI כלליים נכשלים, כי הם מתייחסים לתמונה כאל קובץ טכני, בזמן שבפועל תמונה היא הרושם הראשוני שהקונה מקבל מהמוצר. אם התמונה משויכת למוצר הלא נכון, או חתוכה בצורה מוזרה, זה נראה מיד, גם אם כל שאר הנתונים מושלמים.
למה זה כזה מסובך? כי שיוך תמונה למוצר לא תמיד ברור משם הקובץ. ראיתי קטלוגים שבהם אותו שם קובץ שימש לשתי גרסאות צבע שונות של אותו מוצר. המערכת מזהה את המקרים החשודים האלה ומעלה אותם לבדיקה, במקום להחליט לבד ולטעות בשקט.
מה המערכת עושה עם תמונות:
- שיוך אוטומטי ‑ מחבר תמונות למוצרים הנכונים לפי שמות קבצים
- זיהוי בעיות ‑ מדווחת על תמונות חסרות, כפולות או בפורמט לא מתאים
- שינוי גודל ‑ מכינה תמונות בגדלים הנכונים לחנות
- שם מסודר ‑ שומרת את התמונות עם שמות עקביים
מה המערכת לא עושה: היא לא יוצרת תמונות, לא מצלמת מוצרים ולא "מתקנת" תמונות לא איכותיות. אם התמונות שמגיעות אליה לא טובות, אני אומרת ללקוח שצריך לצלם מחדש, גם אם זה אומר לעצור את התהליך לכמה ימים. זה אומר בפועל שמראש כדאי לתכנן זמן לצילום איכותי ולא להשאיר אותו לרגע האחרון בתקווה ש"איכשהו יסתדר" בעריכה.
AI שכותב לבד מול מערכת עם עין אנושית
יש הרבה כלים שמבטיחים "להעלות מוצרים אוטומטית עם AI" ואני רוצה לדבר על ההבדל בין זה לבין מה שאני עושה. הפער הזה הוא בדיוק המקום שבו לקוחות נכווים הכי הרבה, כי ההבטחה של "מלא נתונים, קבל חנות מוכנה" נשמעת מפתה, אבל בפועל מי שמשלם על הטעויות זה הקונה שנוחת בדף מוצר לא מדויק.
AI שכותב לבד (ללא בקרה):
- מהיר מאוד
- זול יחסית
- יוצר תוכן עקבי בפורמט
- אבל ‑ לא בודק עובדות, לא מבין את הקהל, לא מזהה שגיאות בנתוני הקלט
- ולפעמים פשוט טועה ‑ ואם אין בדיקה, הטעויות מגיעות לאתר
המערכת שלי (AI + בקרה אנושית):
- AI מאיץ את כל שלבי העיבוד
- כל פלט עובר ממני ‑ בדיקה, תיקון ואישור
- שגיאות בנתוני הקלט מזוהות ומסומנות לפני שמגיעות לאתר
- תוכן שנוצר מותאם לטון הספציפי של החנות
- לקוח מקבל פיילוט לאישור לפני העלאה מלאה
זה לא שאני נגד אוטומציה, להפך: אני מאמינה באוטומציה של שלבים שניתן לאמת ובבדיקה אנושית של הדברים שחייבים עין. הטעות הנפוצה שאני רואה זה לחשוב שהבחירה היא בין "הכל ידני" לבין "הכל אוטומטי". בפועל הבחירה הנכונה היא לזהות בדיוק אילו שלבים אפשר לבדוק בקלות ולתת ל-AI להריץ אותם מהר ואילו שלבים דורשים שיקול דעת שרק בן אדם שמכיר את המותג יכול לתת. מה זה אומר בפועל? שהזמן שלי לא הולך על הקלדה חוזרת, אלא על ההחלטות שבאמת קובעות איך החנות תיראה.
מה הלקוח מקבל בסוף?
אחרי שהמערכת עשתה את שלה ואני עשיתי את שלי, הלקוח מקבל חנות שאפשר להפעיל בלי לחשוש שמישהו יגלה שגיאה מביכה בשבוע הראשון. זה נשמע כמו סטנדרט בסיסי, אבל לפי מה שאני רואה בשטח, זה בדיוק מה שהכי הרבה חנויות מפספסות כשהן ממהרות לעלות עם קטלוג לא גמור.
- מוצרים מועלים לחנות עם שמות עקביים, קטגוריות נכונות ותיאורים שנבדקו
- תמונות מוצמדות, בגדלים הנכונים, בסדר הנכון
- מוצרים עם וריאציות (מידות, צבעים) מוגדרות כהלכה
- פלט שמוכן לחנות פעילה ‑ לא לעריכה נוספת
- מסמך קצר עם הסבר על מה שנעשה ואיך נשמרה העקביות
מה הלקוח לא מקבל:
- תיאורים שנוצרו ב-AI ולא נבדקו
- שמות מוצרים שנוצרו אוטומטית ולא עברו עיניים אנושיות
- הבטחות ריקות על "הכי טוב ב-SEO" בלי עבודה אמיתית
המהירות שהמערכת נותנת לי אני מעבירה ללקוחות וה"חינוך" שלי על מה AI עושה ומה הוא לא עושה נשמר לאורך כל הפרויקט. מה זה אומר בפועל? שגם אחרי שהחנות עלתה, אני יכולה להסביר בדיוק איפה AI עזר ואיפה נדרשה בדיקה נוספת, כדי שהלקוח יידע להמשיך לתחזק את הקטלוג נכון גם בלעדיי.
רוצה לראות איך המערכת עובדת על המוצרים שלך?
אפשר לשלוח לי את החומרים הקיימים ולו הכי מבולגנים ואני אראה מה אפשר לעשות איתם ובאיזה זמן. מקבלים הערכה כנה: מה המערכת תעשה, מה חייב עין אנושית ומתי החנות תהיה מוכנה. בלי הבטחות ריקות, רק תוכנית עבודה ברורה.
שאלות שנשאלות הרבה
AI הוא כלי ‑ לא פתרון קסם ולא איום
בניתי את המערכת כי ראיתי שעבודה ידנית לבד לוקחת זמן שמגיע ללקוחות. אבל בקרה אנושית היא לא אופציה ‑ היא חלק בלתי נפרד מהתהליך. המהירות של AI עם הדיוק של עין מנוסה ‑ זה מה שמוצרים שלך מקבלים.
