Price bot páruje produkty podle krátkého číselného kódu výrobce napříč značkami
import { Aside } from ‘@astrojs/starlight/components’;
Symptom
Sekce “Symptom”Modul porovnání cen hlásil u stovek produktů akci „blokuje marže“: nejnižší cena konkurence byla např. 15 Kč u produktu za 1 950 Kč. Při pohledu do páru šlo o úplně jiné zboží (plastová vidlička vs. detailní sada modelu). Zhruba 30 % automatických párů mělo poměr cen větší než 4×.
Root cause
Sekce “Root cause”Párování mělo tři stupně: EAN → kód výrobce (MPN) → podobnost názvu. Kód výrobce se u nás i u konkurence extrahoval z názvu nebo z vlastního kódu zboží (AIR2100 → 2100). Čtyřmístné číslo se ale v katalozích RC modelářství i plastikových modelů vyskytuje u desítek nesouvisejících položek různých značek. Kontrola značky nepomohla, protože u konkurenčního záznamu značka často chybí (a chybějící značka se brala jako „neodporuje“).
náš produkt: AIR2100 „1:32 F-8J Crusader detail set“ 1 950 Kč mpn=2100konkurent: „2100 Vidlička micro Bílá 2ks“ 15 Kč mpn=2100→ shoda MPN, značka u konkurenta chybí → AUTO pár (score 0,95)Fix
Sekce “Fix”- Síla kódu:
isStrongMpn(mpn)= obsahuje písmeno a má ≥ 4 znaky, nebo je čistě číselný a má ≥ 6 číslic. Slabý kód sám o sobě auto pár nezakládá – navíc musí projít podobnost názvu alespoň na práh „k revizi“. - Věrohodnost ceny: u každého páru podle kódu se spočítá poměr cen
max(a/b, b/a); nad tolerancí (2,5×) jde pár vždy k ruční revizi s důvodem „kód sedí, ale cena se liší Nד. - Totéž pro případ více kandidátů se stejným kódem: nejlepší kandidát musí projít i cenovým testem.
const strong = isStrongMpn(mpn)const ratio = priceRatio(cp.price, our.price_czk)if (ratio !== null && ratio > tol) return review('Kód výrobce, ale cena se liší ' + ratio + '×')if (strong || nameSimilarity >= reviewThreshold) return auto('mpn')return review('Krátký kód bez shody názvu')Po přepárování zmizely falešné páry a akce „blokuje marže“ klesla z 233 na jednotky.
Jak se tomu vyvarovat v jiných systémech
Sekce “Jak se tomu vyvarovat v jiných systémech”- Detection:
SELECT count(*) FROM pairs WHERE max(their/our, our/their) > 4– podíl nad pár procent znamená špatný klíč. - Anti-pattern: identifikátor extrahovaný regexem z názvu („3–7 číslic“) povýšený na primární klíč bez ověření unikátnosti.
- Lepší přístup: ke každému klíči přidej nezávislý sanity signál (cena, kategorie, měřítko, značka) a při jeho chybění párování degraduj na revizi, ne na auto.
Sister bugs / související
Sekce “Sister bugs / související”- Stejná past u EAN: dva katalogy mohou používat různé EAN systémy (výrobce vs. distributor) – EAN se pak neprotnou vůbec a je nutné párovat názvem.
- Obecně u scrapingu: stránky kategorií bez „product gate“ (JSON-LD Product / microdata) se chytají jako produkty s nesmyslnou cenou.