Correspondencias de productos: conserva los registros de origen de cada vínculo
Conserva los registros originales y las pruebas de cada correspondencia propuesta. Una referencia de Mars Petcare con un ejemplo práctico de datos.
El caso de Mars Petcare publicado por Harmonya describe dificultades para vincular los identificadores propios de los minoristas con información de productos a nivel de UPC en distintas tiendas en línea. El proveedor afirma haber vinculado identificadores antes desconectados con códigos UPC y haber enriquecido datos dispersos de categorías y fabricantes. La página incluye comentarios de un responsable identificado de habilitación de datos de Mars Petcare sobre la mejora de la cobertura. No publica pruebas de cada par vinculado, umbrales ni una política para eliminar duplicados. La propuesta de entrega de datos que sigue aplica estas distinciones a un ejemplo independiente.
Define qué objeto debe identificar la correspondencia
Para un conjunto de datos de marketplaces, PandaBuyNow propone acordar si una relación identifica la misma familia de productos, una variante seleccionada o una unidad de venta concreta. Conserva con cada registro original la plataforma de origen, el identificador del anuncio, el de la variante cuando exista, la URL de origen y el momento de observación. Asigna un campo propio a cualquier identificador interno de fila.
Entrega una tabla de relaciones independiente que contenga las referencias a los dos registros de origen, el nivel de correspondencia propuesto, los atributos de apoyo, los valores en conflicto y el estado de revisión. Un vínculo aceptado puede conectar registros sin perder los distintos anuncios y ofertas que describen. Conserva también un candidato rechazado y su motivo cuando ese historial sea útil para el destinatario.
Prueba las filas que parecen duplicadas con un ejemplo ficticio
Considera los registros inventados A-11 y B-22. Ambos nombran MUG-C, pero A-11 describe una taza y B-22 un paquete de dos. Si la tarea exige la misma unidad de venta, conserva ambos registros y marca el vínculo propuesto como rechazado por la diferencia en el número de piezas del paquete. Un título compartido no resuelve por sí solo esa distinción.
Un tercer registro, C-33, describe una taza, pero no especifica su color. Consérvalo como candidato con la evidencia de color pendiente. Estos identificadores y detalles inventados no describen registros de productos de Mars Petcare ni de PandaBuyNow.
Haz que la decisión de correspondencia se entienda en la exportación
Acuerda el vocabulario de estados y la evidencia necesaria para cada uno. Una fila de relaciones en CSV o un objeto JSON debe permitir al destinatario encontrar ambos registros de origen y entender por qué se aceptó, rechazó o dejó pendiente un candidato. Separa los valores observados de los valores normalizados para la comparación e incluye la regla de transformación cuando corresponda.
Antes de ampliar el conjunto de datos, revisa filas representativas con una correspondencia respaldada, una diferencia de unidad de venta y un atributo sin resolver. Para hablar con PandaBuyNow, facilita URL de productos, los identificadores disponibles, el nivel de correspondencia que necesita tu aplicación y la estructura JSON o CSV prevista. Acuerda en el alcance de entrega los campos viables, las referencias de origen y las notas de calidad de datos.