AI správa katalogu v Dodalis

AI správa katalogu v Dodalis

V katalogu chybí rozměry a některé fotografie patří jiné variantě. Požádat AI o opravu všeho najednou je příliš neurčité. Při správě produktových dat pomůže oddělit vyhledání chyb, návrh úpravy a potvrzený zápis.

Vymezení úkolu

Při práci s katalogem je užitečné vybrat dodavatele, skupinu produktů a konkrétní údaj. Takové zadání umožní ověřit výsledek a případně upravit pravidla. Obecný požadavek na „opravu všech dat“ může zahrnovat několik rozdílných rozhodnutí, která je potřeba nejprve rozdělit.

Dodalis na svém webu představuje MCP jako propojení s AI asistentem a zdůrazňuje účty a udělená oprávnění. Konkrétní dostupné nástroje ověřte při přípravě napojení. Samotná existence propojení neznamená, že je vhodné přenechat asistentovi každou změnu.

Kontrolní přehled

První scénář může sestavit kontrolní seznam: chybějící údaje, různé zápisy parametru nebo položky k prověření. Na vzorku pak navrhněte, jak má vypadat cílový stav a které kroky vyžadují potvrzení.

  • Přístup pro konkrétní účet a vybrané schopnosti.
  • Přesně vymezená skupina produktů.
  • Možnost porovnat původní data s výsledkem.
  • Dohledání změn a návaznost na pravidla katalogu.

U pravidelné katalogové práce má cenu i seznam toho, na co se nesahá. Ručně doplněný název nebo vlastní popis potřebuje jiný postup než chybějící údaj od dodavatele. Bez tohoto rozlišení by automatická oprava mohla zničit už hotovou práci.

Pro správu katalogu v Dodalis připravíme přesně vymezené úkoly a kontrolu výsledků. AI zapojíme tam, kde pomůže se zadáním nebo posouzením podkladů; pravidelné převody ponecháme opakovatelným pravidlům. Součástí řešení bude i cesta změn do cílového e-shopu.

Opakovatelná pravidla

Pravidelnou úpravu známých hodnot je často vhodné uložit jako opakovatelné pravidlo. AI pak může pomoci s přípravou nebo kontrolou složitějšího zadání. Při každé aktualizaci dodavatele se nemusí znovu vymýšlet postup, který už má jasný výsledek.

Propojení navrhněte tak, aby zrychlilo konkrétní práci a současně zachovalo přehled nad katalogem. Data potom mohou pokračovat do exportu pro Shoptet a dalších domluvených návazností.

Ověřitelný výstup

Zadání omezte například na jednoho dodavatele a jeden údaj. U každé položky potřebujete původní hodnotu, navrženou změnu a podklad, ze kterého vychází. Pokud podklad chybí, ponechte údaj nevyplněný a označte jej k doplnění. Pravděpodobný rozměr není náhradou ověřeného parametru.