Hoe u de catalogus van uw online winkel kunt voorbereiden op AI: structuur, attributen en datakwaliteit
Welke eisen stellen taalmodellen aan productkenmerken en voorraadniveaus? Zodat de AI-consultant niet in de war raakt en precies aanbeveelt wat klanten nodig hebben.
Kort samengevat, als u geen tijd heeft om alles te lezen
- ✓AI zal geen product aanbevelen als sleutelkenmerken verborgen zijn in vage advertentieteksten.
- ✓Kenmerken moeten gestructureerd zijn: naam van de eigenschap, waarde en consistente meeteenheden.
- ✓Het veld voor de voorraadstatus is verplicht. Anders zal de bot artikelen voorstellen die niet beschikbaar zijn.
- ✓Hoe minder junk-zoekwoorden in de beschrijving, hoe beter de semantische zoekfunctie werkt.
Een eigenaar van een webshop koppelt een moderne AI-consultant aan de site. En het eerste wat hij ziet: het model begrijpt er niets van. De bot haalt maten door elkaar, stelt damesjurken voor aan iemand die zocht naar kinder-overalls, of raadt modellen aan die al drie maanden niet meer op voorraad zijn.
En bijna altijd ligt de schuld niet bij het model. De echte boosdoener is de staat van de productcatalogus.
1. De grootste vijanden van AI in productdatabases
- Kenmerken verstopt in lopende tekst: in plaats van een apart veld ‘Materiaal: 100% katoen’ staat er een emotionele lap tekst van 1000 woorden.
- Verschillende meeteenheden: in sommige productkaarten staat de maat in millimeters, in andere in centimeters, en in weer andere in inches. AI kan cijfers omrekenen, maar bij duizenden zoekopdrachten zorgt dat voor willekeurige fouten.
- Verouderde of onvolledige voorraadstatussen: in het systeem staat een product als ‘op voorraad’, terwijl het in werkelijkheid al 2 weken op levering van de leverancier wacht.
- SEO-spam in productnamen: iets als ‘Sneakers kopen Amsterdam goedkoop actie 2026’ haalt de semantische vector overhoop en verslechtert de zoeknauwkeurigheid.
2. Checklist: is je catalogus klaar voor automatisering?
Voordat je een AI-consultant of slimme zoekfunctie lanceert, loop deze lijst even na:
- Unieke SKU / artikelcode: elke productvariant heeft een eigen duidelijke identifier.
- Tabel met eigenschappen (Key-Value): kritieke parameters (maat, kleur, vermogen, compatibiliteit) staan in aparte kolommen in de database.
- Consistente attribuutnamen: het kan niet zo zijn dat binnen één categorie tegelijk ‘Inhoud’, ‘Capaciteit’ en ‘Volume’ worden gebruikt.
- Duidelijke numerieke voorraad of binaire status:
in_stock: true/false. - Doel van het product (Use Case): voor complexe producten is het slim om een kort veld toe te voegen met ‘voor wie / voor welke omstandigheden’ (bijvoorbeeld: ‘voor droge huid’, ‘voor trailrunning’).
Meer over automatisering voor webshops vind je op de pagina AI voor webshops. Of bekijk de Demo-scenario van één assistent voor zoeken en catalogus.
- Google Merchant Center Product Data Specificatie
- Praktische ervaring in het voorbereiden van productdatabases voor semantisch zoeken
Marketing- en inhoudsautomatisering
Nog vragen over het onderwerp van dit artikel?
Laten we bekijken hoe deze aanpak aansluit op precies de processen van uw bedrijf.