Jak Strix uporządkował 21 tys. opisów produktowych dla apteki Melisa dzięki AI

Melisa to jedna z największych sieci aptek i drogerii w Polsce. Wraz z rozrastającym się asortymentem i rosnącą popularnością sprzedaży online, firma stanęła przed wyzwaniem uporządkowania ogromnej bazy opisów produktowych. Dane były rozproszone, niejednolite i zapisane w nieczytelnej formie (m.in. stare znaczniki HTML, chaotyczny układ sekcji, brak spójności między produktami, spora ilość zakodowanych w opisach mediów).

Melisa potrzebowała partnera, który pomoże ustrukturyzować informacje i wydobyć pełnię potencjału z narzędzia PIM Ergonode. Strix podjął się tego zadania, a kluczową rolę w całym projekcie odegrało praktyczne wykorzystanie AI.

Wyzwanie

• 21 000 opisów produktów, stworzonych w różnym czasie przez różne osoby i systemy.
• Dane zawierały nadmiarowy HTML, fragmenty z Worda, obrazki osadzone w tekście.
• Brak spójnej struktury - trudno było odróżnić np. sekcję działanie od składu w suplementach czy lekach.
• Manualne czyszczenie danych zajęłoby miesiące i wymagało dużego zespołu
  

Melisa oczekiwała:

• Automatycznego oczyszczenia treści z kodów i formatowania.
• Podziału na sekcje (np. opis działania, skład, dawkowanie) w zależności od typu produktu.
• Przygotowania danych do wdrożenia w PIM (Ergonode), który następnie zasila nowy sklep.

Zespół Strix opracował autorskie podejście, łącząc możliwości AI z dedykowanym narzędziem stworzonym specjalnie pod potrzeby projektu. Dzięki temu zamiast prostego „oczyszczania wszystkiego na raz”, proces został rozbity na inteligentne etapy - tak, aby AI mogło pracować precyzyjniej i bardziej przewidywalnie.

Kluczowe było odpowiednie przygotowanie danych i wyznaczenie AI bardzo konkretnych zadań. To sprawiło, że model nie działał jak nieprzewidywalny automat, ale jak dobrze zarządzany asystent, który krok po kroku porządkował treści w spójną strukturę.

Aby dodatkowo podnieść jakość i bezpieczeństwo rezultatów, w proces wprowadzono mechanizmy kontrolne, które eliminowały ryzyko pomyłek i braków w danych.

Efekt? Dzięki temu hybrydowemu podejściu udało się uporządkować dane szybciej, taniej i bez kompromisów na jakości, a Melisa zyskała bazę produktową gotową do wykorzystania w PIM i różnych kanałach sprzedaży

• 21 000 opisów produktowych zostało wyczyszczonych i podzielonych na sekcje w spójnej strukturze.
• Koszt jednostkowy opracowania opisu był minimalny - rzędu kilku–kilkunastu groszy + czas deweloperski.
• Całość udało się zrealizować w krótkim czasie, co umożliwiło przygotowanie bazy dla Melisa w ustalonym terminie.
• Melisa zyskała gotowy, spójny katalog produktowy, który można łatwo rozwijać i publikować w e-commerce, na Allegro i innych kanałach.
  

Dlaczego to ważne dla rynku?

• Praktyczne wykorzystanie AI - Strix pokazuje, że sztuczna inteligencja w e-commerce to nie teoria, ale realne narzędzie do rozwiązywania problemów biznesowych.
  
• Rozwiązanie problemu „legacy danych” - większość firm przed wdrożeniem PIM ma ogromny chaos w danych. AI może być kluczem do ich uporządkowania.
  
• Elastyczność i time-to-market - dzięki lekkim aplikacjom i hybrydzie AI + development Strix dostarcza rozwiązania w tygodnie, a nie miesiące.
  
• Bezpieczeństwo i jakość - zastosowano model weryfikacji AI przez kontroling uzupełnionych sekcji oraz odrębny model AI, co zwiększa przewidywalność i ogranicza ryzyko błędów.
  
• PIM jako odbiorca danych - choć główną rolę odegrało AI, integracja z Ergonode pozwoliła klientowi łatwo zarządzać nowymi opisami i publikować je w różnych kanałach.

Wnioski

Case study Melisa pokazuje, że:

• AI świetnie sprawdza się w pracy punktowej - czyszczeniu, segmentacji, ekstrakcji danych.
• Strix potrafi wykorzystać AI z głową - nie jako “magiczny przycisk”, ale jako element większej sekwencji działań.
• Klienci zyskują realną wartość biznesową - uporządkowane dane produktowe, szybciej i taniej niż metodami tradycyjnymi.

Dzięki temu Strix umacnia swoją pozycję jako partner, który nie tylko wdraża e-commerce i PIM, ale też potrafi praktycznie wykorzystać AI w transformacji danych i procesów.

Ten projekt jest stworzony we współpracy z naszymi partnerami technologicznymi: