Qualidade de dados de produto: sete erros que custam vendas

Por Manuel Mattar3 min de leitura

Em resumo

A qualidade de dados de produto mede quão completos, corretos e consistentes estão os dados do catálogo. Os erros mais caros são poucos e se repetem: SKUs duplicados, valores sem normalizar, medidas sem unidade, especificações perdidas no texto e fichas diferentes em cada canal. Eles são evitados com regras no sistema, não com revisões manuais.

A qualidade aparece nas vendas

Um catálogo com dados de má qualidade não parece ruim em um painel: aparece na operação. Produtos que um canal rejeita, filtros que não encontram nada, devoluções porque a medida era outra, perguntas ao atendimento ao cliente que a ficha deveria ter respondido. Cada erro parece pequeno; juntos, custam vendas todos os dias.

Estes são os sete erros que mais se repetem em catálogos de qualquer segmento.

1. SKUs duplicados ou que mudam

Dois produtos com o mesmo SKU sobrescrevem um ao outro; um produto que muda de SKU entre uma importação e outra aparece duas vezes. Como o SKU é a chave que une todos os sistemas, um erro aqui se propaga para a loja, para o ERP e para cada marketplace.

2. Valores sem normalizar

«Azul-marinho», «Marinho», «Navy» e «AZUL-MARINHO» como quatro cores diferentes. O filtro da loja mostra quatro opções e cada uma encontra só uma parte dos produtos. Isso se evita com atributos de lista e valores permitidos.

3. Medidas sem unidade

«250» não diz se são mililitros ou gramas; «12» não diz se são polegadas ou centímetros. Sem a unidade, o dado não pode ser comparado, filtrado nem convertido para outro mercado.

4. Especificações perdidas no texto

«Fabricado em aço inoxidável de 2 mm com cabo antiderrapante» dentro de um parágrafo é informação que a loja não consegue filtrar nem enviar a um canal. As especificações vão em atributos; a descrição as menciona.

5. Fichas diferentes em cada canal

Quando cada canal é editado separadamente, a informação se desvia: um preço, uma medida ou uma foto diferente em cada lugar. O comprador que compara desconfia, e o que compra recebe algo que não esperava.

6. Imagens sem revisar

Fotos que não correspondem à variante, imagens sem texto alternativo, a mesma foto para três cores diferentes. A imagem é a primeira coisa que o comprador olha e a última que se revisa.

7. Dados sem dono

Quando ninguém é responsável por um dado, ninguém o corrige. Um atributo que um fornecedor preencheu há dois anos continua ali, embora o produto tenha mudado. Sem um dono e sem um histórico de alterações, não se sabe nem quem o mudou nem quando.

Como detectá-los

Não é preciso uma auditoria enorme para encontrar esses erros. Algumas verificações simples bastam para começar:

  • SKUs repetidos: ordene o catálogo por SKU e procure os que aparecem duas vezes.
  • Valores sem normalizar: revise a lista de valores distintos de cada atributo de lista; as variantes de escrita saltam aos olhos.
  • Medidas sem unidade: procure valores que sejam só um número em atributos de medida.
  • Diferenças entre canais: compare a ficha dos seus dez produtos mais vendidos em cada canal onde eles são publicados.
  • O que o cliente pergunta: as perguntas que chegam repetidamente ao atendimento ao cliente apontam o dado que falta ou que está errado.

Como evitar que voltem

Corrigir à mão funciona uma vez; as regras funcionam sempre:

  • Atributos tipados com valores permitidos e unidades.
  • Campos obrigatórios por família e por canal.
  • Revisão antes de publicar, com uma etapa clara de aprovação.
  • Um histórico de alterações que diga o que mudou, quem mudou e quando, e que permita voltar atrás.
  • Uma única fonte da ficha, que é exportada para cada canal em vez de ser editada em cada um.

Como o Bruxel resolve isso

No Bruxel, os atributos são tipados, com listas de valores e medidas com unidade, e as famílias dizem o que é obrigatório. Cada ficha guarda um histórico com o que mudou em cada versão e permite voltar a uma anterior, e os relatórios de qualidade do catálogo mostram o que falta e onde. Tudo é exportado de um só lugar para cada canal, como mostra o guia para exportar. Se você quer medir o que falta, continue com completude do catálogo.

O tutorial em vídeo

Este tutorial tem vídeo em outros idiomas: em espanhol · em inglês

Perguntas frequentes

Quem deve ser responsável pela qualidade dos dados?

Cada dado deve ter um dono claro: a área que o cadastra e o corrige. A qualidade geral é de todos, mas, se ninguém é dono de um dado, ninguém o corrige.

Com que frequência vale a pena revisar o catálogo?

As regras devem revisar cada alteração no momento em que ela entra. Além disso, uma revisão semanal dos produtos que mais vendem e uma mensal do restante detectam o que escapa.

A IA ajuda ou piora a qualidade dos dados?

Ajuda se partir de dados reais e alguém revisar o que ela propõe; piora se o resultado for publicado sem revisão, porque ela pode preencher uma lacuna com um dado que parece certo, mas não é verdadeiro.

Fontes

  1. Calidad de datos (Wikipedia, em espanhol)
  2. Data quality (Wikipedia, em inglês)

Sobre o autor

Manuel Mattar

Fundador da Bruxel.AI

Fundou em 2014 a Wolf Sellers, agência de comércio eletrônico na Cidade do México, e depois a Bruxel.AI, o PIM com IA.

Ver todos os artigos de Manuel Mattar

Experimente com o seu catálogo

Crie sua conta grátis e experimente a Bruxel com seus próprios produtos usando os créditos de boas-vindas.

Continue lendo

Qualidade de dados de produto: sete erros que custam vendas