Existen diversos portales webs enfocados a la comparación de precios para obtener las mejores ofertas en un determinado producto como la contratación de seguros de coche. Estos comparadores de precios están enfocados al cliente pero… ¿y si somos una tienda online y queremos comparar los precios de los productos de la competencia con los nuestros? ¿Cómo podemos abordarlo?

[Tweet «Descubre cómo la #InteligenciaArtificial y #MachineLearning nos permiten resolver problemas de Product Matching»]

Antes de profundizar, un breve aspecto a tener en cuenta: el naming y descripción de los productos no poseen un formato estándar. Cada tienda online incluye estos datos (marca, titulo y descripción del producto) en su web de diferente forma para un mismo producto. Asimismo, las imágenes que se muestran del producto tampoco son estandarizadas y pueden aparecer con diferente perspectiva, color, claridad, etc. Evidentemente, sí existen identificadores generalizados para algunos productos como son las pulgadas de un televisor, pero es posible que según el portal de venta online no lo mencionen, lo incluyan en el titulo del producto o lo incluyan en la descripción.

Por tanto, una persona de forma manual puede visitar diferentes tiendas online y verificar que éstas coinciden con los mismos productos. No obstante,  el problema surge cuando no es viable realizar esta labor de forma manual porque el coste sería muy elevado. Es aquí donde entra en juego la Inteligencia Artificial y el Machine Learning para automatizar el proceso de Product Matching.

¡La Inteligencia Artificial y Machine Learning al rescate!

Inicialmente, en las soluciones de machine learning para la coincidencia de productos, el proveedor de soluciones tiene que construir primero una base de datos de miles de millones de productos. Esto se hace mediante la recopilación de información a través de rastreos web y feeds (crawlers).

[Tweet «¡La Inteligencia Artificial y Machine Learning al rescate! Cómo optimizar y automatizar el proceso de Product Martching»]

Una vez se tiene la base de datos, se realiza el proceso de Product Matching. Un producto puede identificarse utilizando su título, su descripción, imágenes y lista de atributos o especificaciones. En muchos casos, el título del producto en sí mismo proporcionará mucha información y el sistema tiene que aprender a ordenar el nombre del producto (por ejemplo, el modelo de marca) de los atributos (pulgadas, resolución, etc. Toda esta información debe extraerse, clasificarse y colocarse en las categorías apropiadas: modelo de televisor, versión, resolución, etc.

Para cada comparación, el sistema pasa por muchos pasos y verificaciones. Se busca un número de identificación único, una prueba de similitudes de palabras clave, normalización de marca y coincidencia (por ejemplo, LG es lo mismo que Life´s Good), normalización de atributo y coincidencia (32″es lo mismo que 32 pulgadas, 32 pulg. , 32 pulgadas), coincidencia de imágenes, etc.

Figura 1. Ejemplo de Televisor LG en dos portales webs diferentes y cuyo título y descripción no aparecen estandarizados.

Todo esto es un proceso complicado, y existen diferentes soluciones Product Matching que se pueden emplear con diferentes técnicas pero la ventaja es que las redes neuronales y los sistemas de Product Matching aprenden con el tiempo, incluso de sus errores, y así mejoran con cada uso.

Por otro lado, el procesamiento de las imágenes de productos puede proporcionarnos información relevante que no aparece reflejado en el titulo y/o descripción del producto. En la figura 2, podemos ver cómo detectar un mismo producto (ej. Nata Pascual) en dos supermercados diferentes (supermercado A, supermercado B). En el supermercado B tenemos dos productos de Nata Pascual y queremos ver cuál de los dos hace «match» con el supermercado A. Si atendemos únicamente a las taxonomías de la descripción, ambos productos del supermercado B coinciden, en parte, con la descripción del proudcto del supermercado A. Sin embargo, ayudándonos de la imagen en lugar de la descripción se detecta cual de los dos productos del supermercado B coincide con el del supermercado A. Detectar este tipo de “anomalías” es bastante complicado, sin embargo, la herramienta netPrecie de ITELLIGENT a través de técnicas de Deep Learning detecta este tipo de diferencias en imágenes para aportar una mayor optimización al sistema de Product Matching.

Figura 2. Ejemplo de Product Matching a través del procesamiento imágenes con técnica de Deep Learning (netPrice)

El sistema automatizado de Product Matching desarrollado por ITELLIGENT se llama netPrice. Esta herramienta de monitorización de precios permite enlazar tu catálogo de productos con los de tu competencia a través de técnicas de Inteligencia Artificial y Machine Learning para asegurar la correcta analítica de precios. ¿Quieres saber más sobre nuestra herramienta? ¿Deseas tener una demo de netPrice?

¡Escríbenos!

[contact-form-7 id=»7916″ title=»blog»]

La entrada Machine Learning & AI para optimizar y automatizar el proceso de Product Matching se publicó primero en ITELLIGENT.

Big Data e Inteligencia Artificial  al servicio de la Optimización y la Gestión de Precios. Así es Netprice de  ITELLIGENT,  una plataforma pionera en España para la monitorización, modelización y gestión de precios tanto propios como de la competencia. Se trata de una plataforma de Big Data para la gestión de millones de precios, desde catálogos de productos hasta buscadores complejos. Esta plataforma ha sido desarrollada en España por expertos en modelización de precios con analíticas avanzadas para que rentabilice tu esfuerzo.

[Tweet «#netPrice Plataforma Big Data para la gestión de millones de precios»]

NETPRICE se compone de los siguientes módulos:

1. Oportunidades vs Amenazas. Optimiza tu estrategia de precios gracias a la detección de oportunidades y alertas de amenazas en base a los de tu competencia.
2. Ajuste automático de precios. Ajuste automático de precios en sistemas ERP o ecommerce con posibilidad de supervisión previo o definición de reglas.
3. Alertas inteligentes. Nuestras Alertas Inteligentes permiten que solo recibas aquello que es relevante para ti. Evitando la saturación  de mensajes intrascendentes.
4. Optimización en buscadores. Basado en la ofuscación de precios y el posicionamiento en buscadores, detección de patrones de fijación de precios de la competencia para establecer estrategias.
5. SIG o Sistema de información geográfica. Visualización sobre mapas y posibilidad de representar distintas capas: recursos de interés, geodemografia, sociodemografia,…
6. Informes. Servicio de informes automáticos o realizado por expertos que analizarán aquello que necesites.
7. Revenue Management. Gestión de la estrategia de precios en base a la demanda de su catálogo de productos/servicios para rentabilizar sus ventas.
8. Mapping. Sistema automatizado de Product Matching, permite enlazar tu catálogo de productos con los de tu competencia para realizar una correcta analítica de precios.
9. Exportar datos. Servicio que permite exportar datos masivos en diversos formatos: CSV, Excel, …

[Tweet «La plataforma de monitorización de precios más avanzada que cubre todas tus necesidades»]

¿Qué te ofrece NETPRICE?

CENTRADO EN LO REALMENTE RELEVANTE. ¿Pierdes oportunidades porque te falta tiempo para analizar tus precios? NETPRICE permite detectar las oportunidades y las amenazas que te merecen la pena gestionar, centrando tu esfuerzo en lo realmente relevante.

ANALÍTICA AVANZADA PARA QUE RENTABILICES TU ESFUERZO. ¿Se te escapan oportunidades en la gestión de tus precios? Gracias  a la analítica avanzada de NETPRICE (Revenue Management, análisis predictivos…) podrás rentabilizar al máximo tu política de pricing.

DESARROLLOS A MEDIDA. ¿Necesitas algún desarrollo adicional sobre nuestra plataforma? Desarrollamos para ti aquello que necesites a precios muy razonables.

[Tweet «¿Se te escapan oportunidades en la gestión de tus precios? Aprovéchate de la analítica avanzada de #netPrice»]

ALTA VELOCIDAD DE CARGA. ¿Cansado de esperar que tu herramienta muestre los datos? Con NETPRICE obtendrás acceso a tus datos en un abrir y cerrar de ojos.

INTEGRACIÓN CON TU SISTEMA. ¿Te ves saltando de una herramienta a otra para finalizar tu trabajo? ¡No desesperes más! Utiliza NETPRICE, lo integra todo en una única plataforma permitiendo integrarla con tu ERP o plataforma de e-commerce.

EXCELENCIA EN LA ATENCIÓN AL CLIENTE. ¿Cansado de esperar a que te atiendan o de hablar con un chatbot? Con ITELLIGENT no tendrás que esperar, tendrás acceso directo a nuestro equipo y además estamos en España.

EXPERIENCIA EN EL SECTOR. No estas ante una start up, somos una empresa pionera en España con más de diez años de experiencia en el mercado con un equipo de profesionales a tu servicio.

La entrada Big Data e Inteligencia Artificial al servicio de la Optimización y la Gestión de Precios se publicó primero en ITELLIGENT.

Este evento, organizado por la Universidad de Málaga, Universidad de Granada, Universidad Politécnica de Catalunya, Universidad de Cádiz y IEEE Computational Intelligence Society se realiza cada dos años, y los próximos días 14, 15 y 16 de junio se celebrará por primera vez en la ciudad de Cádiz.

Coincidiendo con el estreno de la Universidad de Cádiz en la participación de este Congreso, nuestro compañero Mario Rivas, ingeniero I+D+i  de nuestro equipo técnico, asistirá al IWANN el primer día del congreso para hablar de  “Using deep learning for image similarity in Product Matching”. En esta ponencia colaboran también nuestro director técnico Jaime Martel junto a docentes de la Universidad de Cádiz como María De La Paz Guerrero, Elisa Guerrero, Guillermo Bárcena y Pedro L. Galindo.

Ésta ponencia tendrá lugar el primer día de IWANN 2017, el miércoles 14 de junio de 9 a 11 de la mañana en el Salón Lequerica del edificio Constitución 1812 (ver programación).  Será la primera ponencia de las que componen la sesión “Image and Signal Processing” moderada por el Dr. Joseph Constantin.

Asimismo,  a lo largo de estos tres días, en IWANN 2017 se darán cita docentes, investigadores y profesionales del sector donde compartirán experiencias y estudios relacionados con:

• Los métodos matemáticos y teóricos en la inteligencia computacional.
• Formulaciones neurocomputacional.
• Aprendizaje y adaptación.
• La emulación de las funciones cognitivas.
• Sistemas y neuro-ingeniería Bio-inspirado.
• Temas avanzados en inteligencia computacional.
• Aplicaciones

Además, IWANN 2017 contará con tres ponentes invitados de gran prestigio cómo son:

• Matthias Rauterberg, de la Universidad de Eindhoven, que hablará sobre “How to desig for tne unconscious”.
• Ulrich Rückert, de la Universidad de Bielefeld, cuya ponencia tratará acerca de “Cognitronics: Resource-efficient Architectures for Cognitive Systems”.
• Le Lu, del Instituto Nacional de Salud de Estados Unidos, cuyo tema será “Towards ´Big Data, Weak Label and True Clinical Impact´ on Medical Image Diagnosis: The Roles of Deep Label Discovery and Open-ended Recognition”.

La entrada IWANN 2017: International Work Conference on Artificial Neural Networks se publicó primero en ITELLIGENT.

[Tweet «Actualmente, el Product Matching está experimentando un auge debido al incremento de compras online»]

Actualmente, el Product Matching está experimentando un auge debido al incremento de compras online, lo cual ha propiciado la aparición de herramientas de comparación, monitorización y análisis de precios de los productos en venta. Desde el punto de vista de la implementación software, este proceso conlleva un arduo trabajo, ya que para un mismo producto, su descripción o nombre puede aparecer de distinta forma en páginas web diferentes, lo cual puede llevar a equívoco al motor de búsqueda obteniendo resultados incorrectos. Por tanto, se requiere de:

• Un minucioso, exhaustivo y preciso proceso de búsqueda de productos a través de la web
• Un filtrado de elementos candidatos, extracción de características, identificación y asociación de productos iguales y distintos
• Un análisis de los parámetros o características que se requieren investigar entre estas entidades

Aproximación al estado del arte

El Product Matching debido a su relación con el Data Matching o Record Linkage comparte muchas de sus características. El Record Linkage se ha centrado principalmente, desde su nacimiento, en la fusión de distintas bases de datos en una única en la que se identifiquen aquellos elementos relacionados en ambas bases de datos, bien eliminando esas duplicaciones  y/o registrando nuevos enlaces. En las investigaciones realizadas hasta la fecha en el campo del Product Matching se pueden distinguir dos enfoques distintos:

1. Uso de técnicas de similitud de textos (asociar a cada producto el título, descripción, características técnicas, etc.) para decidir si dos elementos de fuentes distintas hacen referencia a una misma entidad.
2. Aplicar técnicas de aprendizaje automático para generar modelos que realicen la correspondencia entre productos.

Estos dos enfoques no son independientes entre sí. Normalmente, para el uso de técnicas de aprendizaje automático es necesario el uso de técnicas englobadas en el primer enfoque (Ej. tokenizado de textos, medidas de similitud, etc.) para obtener las entradas a los modelos que serán generados con el segundo enfoque.

Una nueva aplicación conocida como Content Based Image Retrieval (CBIR) ha surgido en el ámito del procesamiento de imágenes con el objetivo de resumir la información de una imagen en varias de sus características tales como el color, textura, forma o la combinación de éstas.

[Tweet «Content Based Image Retrieval, permite extraer información de imágenes para su procesamiento»]

La forma de los objetos que se encuentran dentro de una imagen, es una de las características más usadas en las técnicas CBIR. Para obtenerla con necesarias técnicas de extracción morfológicas. Dentro de estas técnicas tiene una especial relevancia la basada en los Descriptores de Fourier. Dentro del campo de CBIR, también se deben destacar las técnicas de descomposición de imágenes en regiones locales de interés. Estas técnicas detectan, en una imagen, aquellos puntos más importantes y significativos pertenecientes a una región. Dichos puntos son denominados keypoints. En la literatura es posible encontrar una gran variedad de algoritmos para la obtención de keypoints dentro de una imagen.

Con el reciente auge del Deep Learning también han aparecido aplicaciones para CBIR. El Deep Learning consiste en un conjunto de algortimos de aprendizaje automático que generan modelos abstractos de alto nivel mediante el empleo de arquitecturas «profundas» -deep- compuestas de múltiples transformaciones no lineales, dispuestas de manera jerárquica. Ese enfoque es diferente a las técnicas convencionales de aprendizaje automático que se basan en arquitecturas «planas».

[Tweet «#DeepLearning, conjunto de algortimos de aprendizaje que generan modelos abstractos de alto nivel»]

Dentro de las múltiples técnicas englobadas dentro del Deep Learning, la técnica Convolutional Neuronal Network (CNN) es especialmente usada en el campo de CBIR. Esta técnica consiste en la utilización de múltiples capas de convolución situadas una encima de otra. Entre estas capas se comparten pesos así como la salia producida a la capa inferior. Mediante el entrenamiento de estos pesos y la disposición de las capas se consiguen modeles capaces de ser independientes a la rotación, traslación, contrastes, etc.

La importancia e imparable crecimiento del comercio electrónico –ecommerce- ha obligado a las organizaciones a disponer herramientas de monitorización de precios, que le permitan gestionar sus políticas de precios y conocer las estrategias de la competencia. Para estas herramientas es fundamental realizar una identificación adecuada de los productos entre las distintas fuentes que se monitorizan, ya que de no ser así no se podrán comparar los productos con sus verdaderos rivales, distorsionando toda la información obtenida.

La entrada Product Matching. Una aproximación al estado del arte. se publicó primero en ITELLIGENT.

Problema 1: BIG DATA.

Los proyectos de monitorización de precios implica mantener ciento de miles o millones de precios diarios. Es complicado sacar a flote la información relevante frente al océano de datos que este  tipo de proyectos posee. Cuando el volumen de datos es alto, no solo es complicada la extracción de los datos, sino además encontrar la  información relevante se convierte en un reto

Por lo que,  ¿cómo evitamos este problemas?¿cómo encontramos la información relevante? Lo mostramos con un ejemplo.

Ejemplo. Amenazas y Oportunidades.

En un proyecto de pricing para una empresa de medio de transporte, los precios recopilados para rutas, días, horarios y billetes de viaje, se empleó un sistema de oportunidades y amenazas.

• Amenazas. Es cuando el precio de la competencia está anormalmente bajo. Gracias a esta información, evitamos perder clientes y podemos actuar en consecuencia ante esta amenaza.
• Oportunidades. Si el precio de mi competencia es habitualmente alto pero en algunos días es aún más alto, podemos aprovechar para subir nuestros precios y no perderé clientes.

¿Qué debe aportar un sistema respecto al volumen de datos?

• Que extraiga datos de cualquier web.
• Que te permita analizar cualquier precio. A través de un modelo, el sistema debe ser de ayuda para ver lo realmente relevante y no demorarse en temas accesorios.
• Que posea un sistema de alertas: recibir alertas vía email.
• Facilidad en extraer un histórico de los datos.

Problema 2: ONE SIZE DOESN´T FIT ALL. 

Cada sector posee peculiaridades diferentes que requieren soluciones diferentes por lo que «one size doesn´t fit all». Es decir, no existe una única fórmula ni un software único y fijo para todo tipo de proyectos de pricing.

Por lo que, ¿qué debemos tener en cuenta a la hora de elegir un software de monitorización de precios?

Ejemplo. Establecer elementos de filtraje adaptado al proyecto. 

Para un proyecto de viajes, tener un sistema de filtros sencillos para visualizar los datos a través de una gráfica que nos permita analizar los precios.

 

¿Qué debe aportar un sistema respecto a las peculiaridades del proyecto?

• La herramienta debe adaptarse al sector y no el sector a la herramienta
• La visualización de los datos debe adaptarse a las necesidades del proyecto
• Debe poseer elementos de filtraje para facilitar la visualización de los datos.

Problema 3: PRODUCT MATCHING. 

Para la comparación de la competencia cada empresa nombra un mismo producto de forma diferente. Esto es un problema de product matching. 

El proceso de  Product Matching consiste en relacionar para distintas fuentes aquellos productos que son el mismo. Dependiendo del sector, el problema del Product Matching es más complejo o no.

Problema 3: Productos de Gran Consumo.

En los proyectos de productos de gran consumo (supermercado, zapatería, por ejemplo), determinar cuando un producto en dos webs diferentes es el mismo, puede ser trivial.

Existen dos enfoques para solventar el problema que conlleva el Product Matching: técnica de similitud de textos y técnicas de aprendizaje automático para generar modelos que realicen el matching entre productos.

¿Qué debe aportar un sistema respecto al Product Matching?

En muchos sectores como el retail, electrónica y productos de gran consumo, este problema es algo muy importante y habitualmente se pasa por alto (overlook) no se le da la importancia que realmente tiene. Es fundamental que un sistema de pricing tenga una herramienta sofisticada que ayude a realizar el Product Matching.

Estos tres problemas son requisitos mínimos que debe tener en cuenta cualquier proyecto de pricing, pero, también, cada proyecto posee necesidades específicas según el sector y tipo de empresa sea.

A continuación os especificamos cinco necesidades específicas en proyectos de monitorización de precios:

• OBTENER PRECIOS DESDE DISTINTOS PAÍSES SOBRE UNA MISMA WEB. Para una misma web y un mismo producto, poseen precios diferentes según desde que IP se entre en la misma.
• OFUSCACIÓN DE PRECIOS. A partir de un seguimiento del precio podemos hacer acciones que nos ayude a mejorar nuestra oferta. Si entendemos el patrón de fijación de precios de la competencia, podemos darle la vuelta a la situación y atacar con una estrategia de choque.
• POSICIONAMIENTO EN BUSCADORES. El objetivo aquí es saber qué precio poner para aparecer en las primeras posiciones dentro de un buscador de precios.
• MODELIZACIÓN DE PRECIOS. Generación de modelos predictivos para determinar la evolución del precio de la competencia. Modelización de precios y elasticidad a partir de datos internos para la fijación de precios óptimos. Es posible modelizar el efecto del precio en la demanda (elasticidad) con vista a incrementar los beneficios.
• CAMBIOS AUTOMÁTICOS DE PRECIOS. En algunos casos, tener acceso al sistema interno de una empresa permite automatizar con ciertas reglas el cambio de los precios propios. Si la competencia está por debajo de «equis» €uros, automáticamente el sistema puede bajar un tanto por ciento menos. Ejemplo: “Bajar 20€ más el precio” si la competencia baja los precios a 25€.
• INTELIGENCIA COMPETITIVA. Al extraer los datos de una web, no solo extraemos los precios de los productos de venta, sino además podemos saber si hay productos nuevos o productos que se han dejado de vender.

La entrada Problemas y soluciones en proyectos de monitorización de precios se publicó primero en ITELLIGENT.

El comercio electrónico (e-commerce) continúa creciendo a pasos agigantados gracias a los avances tecnológicos y a los consumidores que compran cada vez más a través de Internet. Éstos sólo necesitan conectarse a Internet, visitar un comparador de productos-precios y escoger el que más se adapte a su necesidad según sus propios criterios de compra. Las compras online se hacen con mayor criterio y el precio es uno de los factores que más influye a la hora de la decisión de compra.

Todos estos factores provocan que el mercado del comercio electrónico sea cada vez más global y complejo. En este sentido, rivalizar en precios con nuestros competidores será una tarea trabajosa.

Necesitamos  saber qué están haciendo nuestros competidores y en qué sentido se mueve el mercado para poder tomar decisiones en nuestra estrategia de precios. Parte de esta información se puede obtener mediante la monitorización de precios utilizando herramientas de pricing especializadas para ello.

[Tweet «#Pricing Es importante hacer un seguimiento de los precios de la competencia»]

Es importante saber llevar a cabo un seguimiento de los precios propios y de la competencia. Por ello, os explicamos de forma resumida cómo llevarla a cabo:

1. Monitorizar sólo los productos más importantes. No tiene demasiado sentido monitorizar absolutamente todas las referencias de un comercio. Lo más recomendable es elegir aproximadamente el 20% de productos que más contribuyen a tu cuenta de resultados.
2. Filtraje de productos y principales competidores. No es recomendable monitorizar todos los precios de todos los productos que tienes a la venta online, sobre todo si son grandes volúmenes. Lo más aconsejable es elegir aproximadamente el 20% de productos que más contribuyen a tu cuenta de resultados. Igual que ocurre con los productos, también debemos hacer un filtro de competidores. Para ello, fíjate qué empresas suelen aparecer junto a la tuya o mejor, por delante de la tuya, en los resultados de buscadores como google, bing, etc. Estos son tus competidores principales.
3. Desarrollar una política de precios eficiente y rentable. Monitorizar los precios de la competencia te permitirá desarrollar una política de precios para tu negocio que resulte atractiva a los consumidores y por tanto contribuya a convertir, pero que a la vez te resulte rentable.
4. Identificacar patrones. Otra funcionalidad interesante de la monitorización de precios es que puedes identificar patrones cíclicos en la variación de los mismos y adelantarte a las estrategias de los competidores.

FUNCIONALIDADES BÁSICAS DE UN SOFTWARE DE MONITORIZACIÓN DE PRECIOS

En una publicación anterior ya comentábamos las ventajas que ofrece el uso de herramientas de monitorización de precios. En esta ocasión, os dejamos algunas funciones a valorar para elegir un software adecuado que aseguren la calidad de la información extraída:

• Extracción de datos de cualquier web. El resultado suelen ser millones de datos que deben ser procesados y la herramienta debe poseer aforo suficiente para ello.
• Que te permita analizar cualquier precio. A través de un modelo, el sistema de pricing debe ser de ayuda para ver lo realmente relevante y no demorarse en temas accesorios.
• Sistema de alertas. Es muy ventajoso que la herramienta posea un sistema para recibir alertas de precios vía email.
• Facilidad en extraer un histórico de los datos.
• ONE SIZE DOESN´T FIT ALL. Cada sector tiene necesidades diferentes que requiere elementos de filtraje y un “look and feel” diferente.
• Información inmediata y actualizada. Trabajar con datos actualizados diariamente.
• Datos reales. El precio mostrado por la herramienta debe coincidir con el precio publicado en la web.
• En muchos sectores el problema del Product Matching es algo muy importante y habitualmente se pasa por alto (overlook) no se le da la importancia que realmente tiene. Es fundamental que un sistema de pricing tenga una herramienta sofisticada que ayude a realizar el Product Matching correcto. De nada sirve monitorizar dos productos si se trata de productos diferentes. La herramienta ha de relacionar los productos del cliente con los respectivos del competidor.

[Tweet «Toma el control de los precios y adelántate a tus competidores»]

En ITELLIGENT poseemos una herramienta propia de monitorización de precios, Netprice. Somos especialistas en optimización y fijación de precios con técnicas de Revenue/Yield Management para comercio online. Desarrollamos técnicas encaminadas a incrementar los ingresos cuando gran parte de la demanda proviene de sistemas de comparación de precios.

Si deseas información sobre nuestra herramienta Netprice, no dudes en solicitar más información a través de nuestra web.

La entrada ¿Para qué sirve una herramienta de monitorización de precios? se publicó primero en ITELLIGENT.

¿Cómo solucionar esta problemática?

Existen dos enfoques para solventar el problema que conlleva el Product Matching:

1. Técnica de similitud de textos: medir la similitud entre los textos de título y descripción de los productos para detectar aquellas ofertas que representan al mismo producto.
2. Técnicas de aprendizaje automático para generar modelos que realicen el matching entre productos.

¿Cómo funciona un sistema de Product Matching?

Se basa en un proceso con las siguientes etapas:

• Preprocesado, se establece la normalización de los datos.
• Filtrado, se generan los bloques de Matching.
• Clasificación, se determina el producto con el que enlaza.

 ¿Quieres conocer más sobre Product Matching? 

Te recomendamos las siguientes publicaciones:

Köpcke, H., Thor, A., Thomas, S., Rahm, E. Tailoring entity resolution for matching product offers.(2012) ACM International Conference Proceeding Series.

Köpcke, H., Thor, A., Rahm, E. Evaluation of entity resolution approaches on real-world match problems. (2010) Proceedings of the VLDB Endowment, 3 (1).

Thor, A. Toward an adaptive string similarity measure for matching product offers. (2010) INFORMATIK 2010 – Service Science – Neue Perspektiven fur die Informatik, Beitrage der 40. Jahrestagung der Gesellschaft fur Informatik e.V. (GI)

Kannan, A., Givoni, I.E., Agrawal, R., Fuxman, A. Matching unstructured product offers to structured product specifications. (2011) Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.

Kannan, A., Talukdar, P.P., Rasiwasia, N., Ke, Q. Improving product classification using images. (2011) Proceedings – IEEE International Conference on Data Mining, ICDM, art. no. 6137235.

La entrada ¿Qué es Product Matching? se publicó primero en ITELLIGENT.