基于AI的电子商务属性管理：我如何协调数百万产品数据

大多数电商平台都在谈论巨大的技术挑战：大规模搜索、实时库存、个性化推荐。但隐藏着一个几乎困扰每个零售商的问题：属性值的一致性。这些表面上看似无关紧要，但实际上是产品发现、筛选、比较和搜索相关性的基础。

在实际的产品目录中，状态非常混乱。尺寸信息如“XL”、“Small”、“12cm”、“Large”混杂在一起。颜色则以“RAL 3020”、“Crimson”、“Red”和“Dark Red”等多种方式记录。将这些不一致性乘以数百万个SKU和每个产品数十个属性，系统就会变得无法使用。筛选器表现得不可预测，搜索引擎的质量下降，客户在导航时感到沮丧。

大规模问题

作为Zoro的全栈工程师，我面临的正是这个任务：构建一个不仅管理这些属性，还能智能地结构化它们的系统。目标很简单，但实现复杂：提供超过300万SKU，具有一致、可追溯的属性值。

挑战在于：不能为每个类别都手动编写规则。需要一种既能“思考”，又能保持可控的方案。于是引入AI——不是作为黑箱解决方案，而是作为确定性逻辑的合作伙伴。

混合策略：AI与引导

我的方法截然不同：一种混合管道，将大型语言模型（LLM）智能与明确规则和交易控制结合起来。结果：可解释、可预测、可扩展且由人控制。

系统不在实时处理属性，而是在后台离线作业中处理。这听起来像妥协，但实际上是经过深思熟虑的架构决策，具有诸多优势：

• 高吞吐量：处理海量数据，不影响实时系统
• 可靠性：故障不会影响客户流量
• 成本效益：在低峰时段进行计算
• 隔离性：LLM延迟绝不影响产品页面
• 一致性：更新原子性强、可预测

实时处理会带来不可预知的延迟、更高的成本和脆弱的依赖关系。离线作业提供了批量效率、异步调用和人工审核点。

准备工作：清洗优先

在让LLM处理属性之前，我会进行一个清洗步骤：

• 去除空白字符
• 删除空值
• 去重
• 将类别上下文转化为结构化字符串

这样，LLM获得的是干净、清晰的输入。垃圾输入，垃圾输出——在这个规模下，小错误也可能引发大问题。清洗是后续一切的基础。

AI服务：带有上下文的思考

LLM服务不仅仅接受原始值，还会提供：

• 清洗后的属性
• 类别面包屑（Breadcrumbs）
• 属性元数据

借助这些上下文，模型能理解“Spannung”在电动工具中是数值型，“尺寸”在服装中遵循已知的递增关系，“颜色”可能符合RAL标准。模型返回：排序后的值、优化的属性名，以及是否需要确定性排序或上下文排序的决策。

这使得管道可以处理不同类型的属性，而无需为每个类别编写新规则。

智能回退：不是所有都用AI

并非所有属性都需要AI。数值范围、单位值和简单的数量更适合用确定性逻辑处理：

• 处理速度快
• 排序可预测
• 成本低
• 无歧义

管道会自动识别这些情况，优先使用规则，避免不必要的模型调用。这保证了系统的高效性。

商家控制

每个类别可以标记为：

• LLM_SORT：由模型决定排序
• MANUAL_SORT：由商家手动定义顺序

这种双重机制实现了真正的人为控制。AI完成大部分工作，最终决策由人做出。这增强了信任——商家可以覆盖模型，而不会中断整个流程。

持久化与同步

所有结果存入MongoDB的产品数据库——这是核心神经中枢，用于：

• 排序属性
• 优化的属性名
• 类别相关的排序标签
• 产品相关的sortOrder字段

然后，出站作业将数据同步到：

• Elasticsearch，实现关键词搜索
• Vespa，支持语义和向量搜索

筛选器按逻辑顺序出现，产品页面显示一致的属性，搜索引擎能更准确地排名产品。

从混乱到秩序：转变的过程

以下是系统在实际中的表现：

混乱的输入变成了逻辑清晰、一致的序列。

架构流程

整个管道遵循以下流程：

1. 产品数据从PIM系统流入
2. 提取作业收集属性和类别上下文
3. AI排序服务智能处理
4. MongoDB存储结果
5. 出站作业同步回PIM
6. Elasticsearch和Vespa同步任务将数据分发到搜索系统
7. API服务连接搜索与客户页面

确保每个属性值都被保存——无论是由AI排序还是手动设置，都能在各处反映。

为什么不用实时？

实时管道虽然吸引人，但会带来：

• 不可预知的延迟
• 更高的计算峰值
• 脆弱的依赖关系
• 运营复杂性

离线作业提供了吞吐效率、容错能力和可预见的成本。唯一的缺点是数据采集到展示之间会有轻微延迟，但带来的好处是规模化的一致性，客户真正看重。

影响

该系统带来了可衡量的成果：

• 超过300万SKU的排序一致性
• 规则驱动的数值属性可预测性
• 商家控制机制（手动标签）
• 更清晰的产品页面，更直观的筛选
• 改善的搜索相关性和转化率
• 增强的客户信任

这不仅是技术上的胜利，更提升了用户体验和销售额。

关键启示

• 混合优于纯AI：在大规模场景中，规则引导比单纯依赖智能更有效
• 上下文为王：正确的环境极大提升LLM的准确性
• 离线优于在线：追求吞吐和可靠性，而非实时
• 人类掌控：覆盖机制建立真正的信任
• 干净输入是基础：Garbage In，Garbage Out——先行清洗

结论

排序属性值看似简单，但在数百万产品中却是个真正的挑战。通过结合LLM智能、明确规则和交易控制，我将一个隐藏的问题转变为一个干净、可扩展的系统。

这就是混合方法的力量：结合人类与机器的优势。有时候，最大的成功来自解决那些最平凡的问题——那些容易被忽视，但在每个产品页面都存在的问题。