Berika produktkatalog

LLM försöker knyta produktattribut till verkliga värden, användningsexempel och kundavsikter. När produktnamn och beskrivningar inte tydligt kan förmedla det värdet är det mindre troligt att dina produkter citeras, rekommenderas eller visas vid AI-styrd upptäckt. Det beror på att AI-agenter skapar orsaker genom relationer, inte rådatafält. En produktlista med ett namn som “Coffee Grinder X200” och en beskrivning med tekniska specifikationer (motorwattage, malningsinställningar osv.) ger ett LLM mycket lite att arbeta med när en kund ber om"den bästa espresso-påminnelsen för en hembarista".

Möjligheten att anrika produktkataloger identifierar produkter i din Commerce-katalog där namn och beskrivningar är för generiska, för tekniskt täta eller för tvetydiga för att LLM ska kunna tolka korrekt. Med Adobe Commerce genererar programmet berättande, intent-rich-berikning av produktnamn och beskrivningar och lägger in dem direkt i Commerce-katalogen med ett enda klick.

Här visas två viktiga mätvärden i korthet:

  • URL:er - En lista över produktinformationssidor (produkter i din katalog) som har utvärderats för att öka anrikningskvaliteten.
  • Agentisk trafik - Det totala antalet besök och interaktioner på en webbplats som initieras och styrs av självständiga AI-agenter (t.ex. assistenter som arbetar med LLM-innehåll) som agerar för användarnas räkning för att upptäcka, hämta eller interagera med innehåll.

Förbättra produktkataloginstrumentpanelen

NOTE
Den här möjligheten finns för närvarande i Beta och kan aktiveras av Adobe Commerce-kunder. Kontakta din Account Manager för att få tillgång till betaversionen.

Så här fungerar det

Adobe Commerce Catalog Agent läser produktkatalogdata och analyserar varje produkts SKU - inklusive alla dess tekniska attribut, kategorisammanhang, varianter samt befintligt namn och beskrivning. Den identifierar produkter där det aktuella namnet eller beskrivningen inte förmedlar något kundrelevant värde och genererar ett berikat alternativ som översätter teknisk information till ett tydligt, intent-justerat språk.

Exempelvis kan en produkt med namnet “Kaffe Grinder X200” med en beskrivning av “18 malningsinställningar, 450W-motor” berikas för att förklara att “X200 ger en espresso-konsekvens på cafénivå eftersom dess 18-stegsslipsystem parar med en kraftfull motor för repeterbara resultat hemma” . Attribut som pris och lager utesluts avsiktligt från berikning - Catalog Agent fokuserar på värdeskapande attribut som förklarar vad produkten är, hur den används och varför den är viktig för en kund.

Produkter med anrikningsförslag visas i URL:er med förslag-tabellen, som prioriteras av anrikningspåverkan. För varje identifierad produkt tillhandahåller LLM Optimizer

  • Aktuellt namn - Det befintliga produktnamnet så som det visas i din Adobe Commerce-katalog.
  • Uppdaterat namn - Det AI-genererade, värdestyrda produktnamn som förmedlar kundrelevant kontext och avsikter till LLM:er.
  • Aktuell beskrivning - Den befintliga produktbeskrivningen så som den visas i din Adobe Commerce-katalog.
  • Föreslagen beskrivning - Den AI-genererade beskrivningen som översätter produktens tekniska attribut till en berättarröst som hjälper LLM att förstå vad produkten är, det berättande värdet och varför den spelar någon roll.

Produkter med förslagstabell

Produkter med förslag

I tabellen URL:er med förslag visas alla produkter med berikande möjligheter. För varje produkt kan man

  • Expandera raden om du vill visa AI-analysen och den föreslagna anrikningen.
  • Redigera det föreslagna produktnamnet eller den föreslagna beskrivningen innan du tillämpar det, så att det passar varumärkesuttrycket och riktlinjerna för marknadsföring.
  • Distribuera optimeringen för de produkter du vill berika och publicera den direkt i din Adobe Commerce-katalog.
  • Markera som fast när anrikningen har granskats och tillämpats.
  • Ignorera förslag som inte är relevanta för katalogstrategin.

Förslag är ordnade i tre vyer: Aktuella förslag, Åtgärdade förslag och ignorerade förslag. När en anrikning används, flyttas den till fasta förslag med statusen Används och en Visa i katalog -åtgärd för att verifiera uppdateringen i Adobe Commerce. Tillämpad berikning kan återställas när som helst och det ursprungliga produktnamnet och beskrivningen återställs.

Optimering

När du har granskat och eventuellt redigerat förslagen för de valda produkterna klickar du på Distribuera optimeringar för att publicera det uppdaterade produktnamnet och beskrivningen i din Adobe Commerce-katalog. En bekräftelsedialogruta visar de valda produkterna och de ändringar som tillämpas. Efter bekräftelsen visas en resultatruta som bekräftar vilka produkter som har uppdaterats.

Eftersom berikningar tillämpas direkt på Adobe Commerce-katalogen är de uppdaterade produktnamnen och beskrivningarna omedelbart tillgängliga i alla kanaler som använder din katalog, inklusive dina butiker, annonsflöden och alla direkta produktintegreringar för LLM. På så sätt säkerställer du att alla ytor där produkten visas förmedlar enhetlig och högkvalitativ information.

NOTE
Katalogberikning kräver att LLM Optimizer är anslutet till Adobe Commerce. Om din Commerce-instans ännu inte är ansluten till LLM Optimizer dirigeras du till anslutningsinställningarna innan berikning kan tillämpas.

Dialogrutan Använd berikning

Prova i filmen

Se hur möjligheten att utöka produktkatalogen fungerar i praktiken med hjälp av demomiljön Frescopa.

Visa produktkatalogen i Frescopa-demo

Frågor och svar

Varför skadar generiska produktnamn och beskrivningar AI-identifieringen?

Hanterare av livslångt lärande matchar inte produkter till kundfrågor genom att leta efter nyckelordsöverlappning. De skapar relationer, kopplar ihop det en kund vill hitta med vad en produkt faktiskt gör, vem den är till för och hur den jämför med alternativ. Ett produktnamn eller en beskrivning som innehåller tekniska specifikationer utan att förmedla verkliga värden ger ett LLM-sammanhang som inte fungerar så bra. Resultatet är att det är mindre troligt att produkten anges när en kund ställer en relevant fråga, även om produkten är den bästa matchningen för deras behov.

Vilka produktattribut använder katalogagenten för att generera anrikningar?

Katalogagenten använder värdeskapande attribut i din Commerce-katalog som hjälper de livslånga lärarna att förstå vad en produkt är, hur den används och varför den är viktig. Värdeskapande attribut som produktfunktioner, användningsfall, materialegenskaper, kategorisammanhang och kompatibilitetsinformation. Attribut som pris- och lagernivåer exkluderas avsiktligt, eftersom de inte bidrar till semantisk produktförståelse och kan göra beskrivningar mindre varaktiga när villkoren ändras.

Kan jag redigera den AI-genererade anrikningen innan jag använder den?

Ja. Alla förslag innehåller en redigerbar förhandsgranskning av det föreslagna produktnamnet och beskrivningen. Du kan ändra anrikningen för att anpassa den efter varumärkesuttrycket, korrigera eventuella felaktigheter eller lägga till ytterligare kontext innan du använder den i din katalog.

Kommer berikningen att ändra vad besökarna ser på min butik?

Ja, besökarna ser det uppdaterade produktnamnet och beskrivningen i butiken tillsammans med alla andra kanaler som kommer från din Commerce-katalog. Detta är avsiktligt: målet är att förbättra förståelsen av produkten överallt, inte bara av AI-agenter, utan även att undvika insvepande risker.

Vad händer i mina andra försäljningskanaler när jag tillämpar en anrikning?

Eftersom anrikningen skrivs direkt till din Adobe Commerce-katalog sprids den automatiskt till alla kanaler som använder din e-handelskatalog som källa till sanningen. inklusive flera butiker, reklamrörledningar och alla direkta flöden för LLM-produkter. Detta säkerställer ett enhetligt varumärke och enhetlig produktinformation för LLM:er som crawlar internet för era produkter.

Kan jag återställa en anrikning om jag inte är nöjd med resultatet?

Ja. Tillämpad berikning kan återställas när som helst från vyn Fast förslag, vilket återställer det ursprungliga produktnamnet och beskrivningen i Adobe Commerce-katalogen.

recommendation-more-help
llm-optimizer-help-main-toc