[{"data":1,"prerenderedAt":737},["ShallowReactive",2],{"blog-pim-data-quality-llm-hu":3},{"slug":4,"published":5,"minutes":6,"category":7,"tags":8,"keywords":14,"about":25,"sources":35,"cover":72,"og":73,"expertise":74,"locales":75,"lang":78,"title":79,"description":80,"coverAlt":81,"metaTitle":82,"takeaways":83,"faq":89,"toc":105,"blocks":136,"others":464},"pim-data-quality-llm","2026-10-12",8,"web",[9,10,11,12,13],"PIM","Data quality","ETIM","ECLASS","Deduplication",[15,16,17,18,19,20,21,22,23,24],"PIM data quality","ETIM classification LLM","eCl@ss classification automation","product data normalization","duplicate detection product data","product data deduplication embeddings","product data stewardship queue","ETIM vs eCl@ss","attribute normalization units","golden set product data evaluation",[26,29,32],{"name":27,"url":28},"Product information management","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FProduct_information_management",{"name":30,"url":31},"Record linkage","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FRecord_linkage",{"name":33,"url":34},"ETIM classification","https:\u002F\u002Fwww.etim-international.com\u002F",[36,39,42,45,48,51,54,57,60,63,66,69],{"title":37,"url":38},"ETIM International: new release ETIM 10.0 (10 Dec 2024)","https:\u002F\u002Fwww.etim-international.com\u002Fnew-release-etim-10-0-available\u002F",{"title":40,"url":41},"ETIM International: model information","https:\u002F\u002Fwww.etim-international.com\u002Fclassification\u002Fmodel-information\u002F",{"title":43,"url":44},"ETIM International: licence information","https:\u002F\u002Fwww.etim-international.com\u002Fclassification\u002Flicense-info\u002F",{"title":46,"url":47},"Ketenstandaard: ETIM 11.0 is coming (3 Feb 2026)","https:\u002F\u002Fketenstandaard.nl\u002Fnieuws\u002Fetim-11-0-komt-eraan-tijd-om-voor-te-sorteren\u002F",{"title":49,"url":50},"ECLASS: releases (Release 16.0, 28 Nov 2025)","https:\u002F\u002Feclass.eu\u002Fen\u002Feclass-standard\u002Freleases",{"title":52,"url":53},"ECLASS: language versions","https:\u002F\u002Feclass.eu\u002Fen\u002Feclass-standard\u002Flicenses\u002Flanguage-versions",{"title":55,"url":56},"Peeters and Bizer: Using ChatGPT for entity matching (ADBIS 2023)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2305.03423",{"title":58,"url":59},"Peeters et al.: WDC Products, a multi-dimensional entity matching benchmark (EDBT 2024)","https:\u002F\u002Farxiv.org\u002Fhtml\u002F2301.09521v2",{"title":61,"url":62},"Splink: probabilistic record linkage","https:\u002F\u002Fmoj-analytical-services.github.io\u002Fsplink\u002F",{"title":64,"url":65},"Pimcore: Data Quality Management","https:\u002F\u002Fdocs.pimcore.com\u002Fplatform\u002FData_Quality_Management\u002F",{"title":67,"url":68},"Akeneo: understand data quality","https:\u002F\u002Fhelp.akeneo.com\u002Fserenity-understand-data-quality",{"title":70,"url":71},"SQLI: commerce search-first strategy (vendor case study)","https:\u002F\u002Fwww.sqli.com\u002Fint-en\u002Finsights\u002Fcommerce-search-first-strategy-impact","\u002Fimages\u002Fblog\u002Fpim-data-quality-llm\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fpim-data-quality-llm\u002Fog.jpg","b2b-ecommerce-developer",[76,77,78],"en","de","hu","PIM adatminőség LLM-mel: ETIM osztályozás, normalizálás és duplikátumszűrés","PIM adatminőség javítása LLM-mel: ETIM és ECLASS osztályozás, mértékegység- és nyelvi normalizálás, duplikátumkeresés és adatgondozási sor.","Sorokból álló táblázat, nagyító a hiányos sor fölött.","PIM adatminőség LLM-mel · Balázs Csorba",[84,85,86,87,88],"A PIM adatminőség négy géppel ellenőrizhető feladatra bontható: besorolás egy szabványba, attribútumértékek normalizálása, duplikátumok felismerése, és minden változás gondozása audit nyomvonallal.","Az LLM-ek legjobban az ETIM vagy ECLASS osztályok lekért szűkített listáján rangsorolóként működnek, egy bizalmi szinttel, amely a bizonytalan rekordokat emberi sorba irányítja.","Az értékeket importáláskor normalizálja kanonikus mértékegység–érték párra, és őrizze meg az eredeti szöveget és a leképezés verzióját az audithoz.","A duplikátumokat lépcsőzetesen keresse: blokkolási kulcsok, embedding-jelöltek és LLM-döntés; a WDC Products benchmarkon még az erős módszerek F1 értéke is csak 0,64 és 0,89 között van.","Minden prompt-, modell- és szabványverzió-változást két annotátor által ellenőrzött referenciakészleten engedjen át; az ETIM 11.0 2026. december 1-re várható.",[90,93,96,99,102],{"q":91,"a":92},"Mit jelent a gyakorlatban a PIM adatminőség?","Olyan rekordokat, amelyek a megfelelő szabványos osztályba vannak sorolva, kanonikus mértékegységben és formátumban hordozzák az attribútumértékeket, csak egyszer léteznek, és csak nyomon követhető folyamaton keresztül változnak. A szövegírás és a képek dúsítás, külön feladat. A négy minőségi feladat mindegyike pontossággal és teljességgel mérhető egy referenciakészleten.",{"q":94,"a":95},"Be tudja-e sorolni egy LLM a termékeket ETIM vagy ECLASS szerint?","Igen, rangsorolóként. Osztálynevekre és szinonimákra épülő kereséssel kérjen le egy jelöltlistát, adja át a modellnek az osztálydefiníciókat és jellemzőket, kérje, hogy válasszon egyet vagy egyiket sem, és mindent, ami egy bizalmi küszöb alatt van, küldjön emberhez. Ne várjon rögzített pontossági számot; mérje a saját referenciakészletén.",{"q":97,"a":98},"Hogyan találhatók meg a duplikált termékek egy PIM-ben?","Lépcsőzetesen. A blokkolási kulcsok, például a normalizált gyártói cikkszám, a GTIN-előtag vagy a márka és az első tokenek, csökkentik a párok számát; az embeddingek előválogatják a hasonló rekordokat; a maradék párokról LLM vagy olyan valószínűségi modell dönt, mint a Splink; az emberek pedig átnézik azokat az összevonásokat, amelyeket nem támaszt alá pontos azonosító.",{"q":100,"a":101},"ETIM vagy ECLASS: melyik osztályozást használja egy B2B webshop?","Ez az ágazattól és a kereskedelmi partnerektől függ. Az ETIM az elektromos, épületgépészeti és épülettechnikai nagykereskedelemben elterjedt; az ECLASS szélesebb körű, és 31 nyelven érhető el, köztük németül és magyarul. Sok PIM mindkettőt kezeli, egy belső taxonómiára leképezve.",{"q":103,"a":104},"Hogyan értékelhetők a termékadat-minőségi változtatások?","Állítson össze katalógusszeletenként néhány száz–ezer rekordos referenciakészletet, amelyet két annotátor címkéz, és akik az esetek többségében egyetértenek, majd minden prompt-, modell- vagy szabványverzió-változásnak teljesítenie kelljen rajta a pontossági és teljességi küszöböket, beleértve egy negatív ellenőrzést, hogy egy nyilvánvalóan hibás rekord elutasítva marad.",[106,109,112,115,118,121,124,127,130,133],{"id":107,"title":108},"what-good-product-data-looks-like","Milyenek a jó termékadatok?",{"id":110,"title":111},"classifying-into-etim-eclass-unspsc","Hogyan sorolhatók be a termékek LLM-mel ETIM vagy ECLASS szerint?",{"id":113,"title":114},"normalizing-attributes-units-and-languages","Hogyan normalizálhatók a mértékegységek és a nyelvek?",{"id":116,"title":117},"deduplicating-with-blocking-embeddings-llm","Hogyan ismerhetők fel a duplikált termékek?",{"id":119,"title":120},"stewardship-queue-and-audit-trail","Mi kerüljön az adatgondozási sorba?",{"id":122,"title":123},"golden-set-evaluation","Hogyan értékelhető referenciakészlettel?",{"id":125,"title":126},"what-it-is-worth","Mennyit érnek a jobb termékadatok?",{"id":128,"title":129},"when-not-to-use-llms","Mikor ne használjon LLM-et termékadatokhoz?",{"id":131,"title":132},"checklist","Ellenőrzőlista az LLM-támogatott PIM adatminőséghez",{"id":134,"title":135},"sources","Források",[137,146,149,152,155,161,164,165,168,171,182,185,241,258,259,262,278,281,282,285,289,300,307,308,311,321,323,326,327,334,346,347,350,388,391,392,399,400,418,425,426],{"type":138,"content":139},"paragraph",[140,141,145],"A ",{"tag":142,"children":143},"strong",[144],"PIM adatminőség"," azt jelenti, hogy minden termékrekord a megfelelő szabványos osztályba van sorolva, kanonikus mértékegységben hordozza az attribútumértékeket, csak egyszer létezik, és csak nyomon követhető folyamaton keresztül változik. A nagy nyelvi modellek éppen azokban a részekben segítenek, amelyek korábban elakadtak a hátralékban: osztályok rangsorolása, rendezetlen értékek értelmezése és majdnem-duplikátumok megítélése, feltéve, hogy előbb determinisztikus szabályok futnak, és ember hagyja jóvá, amit a modell javasol.",{"type":138,"content":147},[148],"Ez a cikk a négy minőségi feladatot, az ETIM, ECLASS és UNSPSC szerinti besorolást, a mértékegység- és nyelvi normalizálást, a duplikátumkeresést, az adatgondozási sort, a referenciakészlettel végzett értékelést és az üzleti indoklást tárgyalja. A termékszövegek generálása más feladat, itt nem foglalkozunk vele.",{"type":150,"level":151,"id":107,"text":108},"heading",2,{"type":138,"content":153},[154],"A jó termékadat négy géppel ellenőrizhető feladaton megy át: be van sorolva egy szabványba, az attribútumértékei normalizáltak, egyedi, és minden változását audit nyomvonallal gondozzák. Minden feladat saját pontossági és teljességi célt kap, mielőtt bármilyen modell szóba kerülne, mert a szám nélküli „jobb adat” sem elfogadni, sem elutasítani nem lehet.",{"type":156,"src":157,"alt":158,"wide":159,"caption":160},"image","\u002Fimages\u002Fblog\u002Fpim-data-quality-llm\u002Fdiagram-4.webp","PIM adatminőségi folyamat Öt szakasz balról jobbra az ERP-ből és a beszállítóktól érkező rekordokon: determinisztikus ellenőrzések a formátumra, a GTIN ellenőrző számjegyre és a referencialistákra; LLM-alapú besorolás egy szabványba bizalmi szinttel; mértékegységek és értékek normalizálása; duplikátumkeresés; végül adatgondozási sor, ahol emberek hagyják jóvá a változásokat a katalógus közzététele előtt. Egy referenciakészlet véd minden prompt-, modell- vagy szabványverzió-változást.",true,"Az adatminőségi folyamat: előbb determinisztikus szabályok, középen LLM-lépések, és emberi gondozási kapu, mielőtt bármi a közzétett katalógusba kerülne.",{"type":138,"content":162},[163],"A besorolás dönti el, mely szűrőkben és facettákban jelenik meg egy termék. A normalizálás dönti el, hogy a „230 V”, a „230V AC” és a „0,23 kV” egyenlőnek számít-e. A duplikátumszűrés dönti el, hogy egy cikk iránti kereslet szétoszlik-e három cikkszám között. Az adatgondozás dönti el, hogy egy év múlva meg tudja-e valaki magyarázni, miért változott egy rekord. Több mint tízévnyi Spryker és Pimcore munka során láttam, hogyan válik ez a négy feladat olyan hátralékká, amelyért senki nem felel; az LLM-ek az ellenőrzési sor költségét változtatják meg, nem a szükségességét.",{"type":150,"level":151,"id":110,"text":111},{"type":138,"content":166},[167],"A modellt egy szűkített lista rangsorolójaként kezelje, ne a teljes szabvány osztályozójaként. Osztálynevekre és szinonimákra épülő kereséssel kérjen le nagyjából tíz jelölt osztályt, adja meg a modellnek minden jelölt definícióját és jellemzőlistáját, hagyja, hogy bizalmi szinttel válasszon egyet vagy egyiket sem, és a bizonytalanokat irányítsa emberhez.",{"type":169,"code":170},"code","\u002F\u002F Classification (sketch): retrieve a shortlist, let the model rank, route by confidence\nconst shortlist = await classIndex.search(`${product.title} ${product.attributeText}`, { k: 10 })  \u002F\u002F BM25 + vectors\nconst ranked = await llm.rank({\n  product,\n  candidates: shortlist.map((c) => ({ code: c.code, name: c.name, definition: c.definition, features: c.features })),\n  schema: { classCode: 'one candidate code or NONE', confidence: 'low | medium | high', reason: 'string' },\n})\n\nif (ranked.classCode !== 'NONE' && !shortlist.some((c) => c.code === ranked.classCode))\n  return queue(product, 'model answered outside the shortlist')\nif (ranked.confidence !== 'high') return queue(product, 'needs review', ranked)\nreturn propose(product, ranked)          \u002F\u002F still a proposal; publishing follows stewardship rules",{"type":138,"content":172},[173,174,178,179,181],"A szabványokat éppen erre tervezték. Az ETIM-ben minden osztálynak, jellemzőnek, értéknek és mértékegységnek nyelvfüggetlen azonosítója van, a jellemzők típusa alfanumerikus, logikai, numerikus vagy tartomány, a numerikus és tartományjellemzőkhöz pedig mindig mértékegység kell (",{"tag":175,"href":41,"children":176},"a",[177],"ETIM modell","). Az ECLASS a generált szöveggel tovább ment: a 16.0-s kiadáshoz nagyjából 23 300 osztálydefiníciót készített GPT-4o minivel, és mindegyiket magában a szabványban jelöli géppel generáltként (",{"tag":175,"href":50,"children":180},[12],"). Ez hasznos jelzés a saját folyamatához is: a modell kimenetét tartósan jelölje annak.",{"type":138,"content":183},[184],"A bizalmi küszöböt osztálycsaládonként állítsa be, ne globálisan. Egy olyan családban, ahol az osztályok egyetlen jellemzőben térnek el, például a kábeltípusok keresztmetszet és szigetelés szerint, a modell gyakrabban téved magabiztosan, mint egy jól elkülönülő osztályokból álló családban. Mérje a pontosságot családonként a referenciakészleten, csak ott javasoljon automatikusan, ahol tartja magát, és a küszöb a bizonyítékkal együtt emelkedjen vagy csökkenjen. A szűkített lista is árulkodó: ha a helyes osztály gyakran hiányzik az első tízből, előbb a lekérést és a szinonimákat javítsa, csak utána a promptot.",{"type":186,"head":187,"rows":198},"table",[188,190,192,194,196],[189],"Szabvány",[191],"Aktuális kiadás",[193],"Tipikus terület",[195],"Német és magyar",[197],"Csere",[199,209,219,230],[200,201,203,205,207],[11],[202],"10.0 (2024. dec.); 11.0 várhatóan 2026. dec. 1.",[204],"villamosság, épületgépészet, épülettechnika",[206],"nemzeti tagság szükséges",[208],"ETIM xChange 1.1, BMEcat-leképezés",[210,211,213,215,217],[12],[212],"16.0 (2025. nov. 28.)",[214],"iparágakon átívelő, 31 nyelv",[216],"mindkettő 100%-ban fordított",[218],"CSV, XML, JSON, REST",[220,222,224,226,228],[221],"UNSPSC",[223],"2025 januárja óta az UNDP kezeli",[225],"beszerzés és költéselemzés",[227],"kódalapú",[229],"kódlisták",[231,233,235,237,239],[232],"BMEcat",[234],"2005.2",[236],"katalóguscsere a DACH B2B-ben",[238],"bármely osztályozást hordoz",[240],"XML",{"type":138,"content":242},[243,244,247,248,247,251,247,254,257],"A táblázat forrásai: ",{"tag":175,"href":38,"children":245},[246],"ETIM 10.0",", ",{"tag":175,"href":47,"children":249},[250],"az ETIM 11.0 ütemezése",{"tag":175,"href":44,"children":252},[253],"ETIM licencek",{"tag":175,"href":53,"children":255},[256],"ECLASS nyelvi változatok",", 2026 októberi állapot. Egy új szabványkiadás saját referenciakészlettel rendelkező leképezési projekt, nem promptváltozás.",{"type":150,"level":151,"id":113,"text":114},{"type":138,"content":260},[261],"Importáláskor normalizáljon kanonikus mértékegység–érték párra, és mellette őrizze meg az eredeti szöveget és a leképezés verzióját. Előbb jönnek a mértékegységek: az ETIM minden numerikus és tartományjellemzőhöz mértékegységet ír elő, így a „2,5 mm²”, a „2.5mm2” és a „2,5 qmm” mind ugyanazzá az értékké kell váljon ugyanabban a mértékegységben, mielőtt bármi összehasonlíthatná őket.",{"type":138,"content":263},[264,265,267,268,271,272,277],"A nyelv a második lépés, és itt a licenc is számít. Az ETIM angol mesterváltozata mindenki számára elérhető, a német, az osztrák-német és a magyar nyelvi változathoz viszont nemzeti tagság kell (",{"tag":175,"href":44,"children":266},[253],"); az ECLASS a németet és a magyart teljesen lefordítva szállítja. Az eszközök lefedettsége is egyenetlen: az Akeneo helyesírás-ellenőrzése tud németül, magyarul nem (",{"tag":175,"href":68,"children":269},[270],"Akeneo","). A minta ugyanaz, amelyet a saját oldalam LLM-folyamattal történő fordításánál használtam, és amelyet az ",{"tag":273,"to":274,"children":275},"link","\u002Fblog\u002Fllm-translation-pipeline-i18n",[276],"LLM fordítási folyamat i18n-hez"," című cikk ír le: a modell javasol, egy glosszárium és egy ellenőrzési lépés dönt.",{"type":138,"content":279},[280],"A nem leképezhető értékeknek kijelölt helyre van szükségük. Ahelyett, hogy a modell kitalálná a legközelebbi megengedett értéket, tárolja a nyers szöveget, jelölje az attribútumot leképezetlennek, és küldje a sorba a modell által mérlegelt jelölt értékekkel együtt. Idővel a leképezetlen szövegekből kiderül, mely beszállítói formátumok vagy szinonimák hiányoznak a szabályokból, és egy szabály javítása egyszerre egy egész kategóriát tüntet el a sorból.",{"type":150,"level":151,"id":116,"text":117},{"type":138,"content":283},[284],"Használjon olyan lépcsőt, amely a párok többségét olcsón kiszűri, mielőtt bármelyik modell látná őket. Minden rekord összevetése minden másikkal nem skálázódik: 100 000 rekord már nagyjából 5 milliárd párt alkot. A normalizált kulcsokra épülő blokkolás, az embedding-előszűrés és a nehéz maradékra alkalmazott LLM-döntés ezt olyan mennyiségre csökkenti, amelyet emberek át tudnak nézni.",{"type":156,"src":286,"alt":287,"wide":159,"caption":288},"\u002Fimages\u002Fblog\u002Fpim-data-quality-llm\u002Fdiagram-19.webp","Duplikátumkeresési lépcső Négy szűkülő szakasz fentről lefelé: minden pár, ahol 100 000 rekord már nagyjából 5 milliárd párt alkot; blokkolás normalizált gyártói cikkszám, GTIN-előtag vagy márka és első tokenek alapján; embedding-alapú előszűrés a leghasonlóbb rekordokra; végül LLM-döntés szigorú sémával: azonos, eltérő vagy bizonytalan. A kimenet kettéválik: automatikus összevonás csak ott, ahol pontos azonosító és a modell egyezik, ez a pontosságot részesíti előnyben, és adatgondozási sor minden másra, ez a teljességet.","A duplikátumlépcső: minden szakasz olcsón kiszűri a párok többségét, az LLM csak a nehéz maradékot látja, és csak az azonosítóval alátámasztott egyezések vonódnak össze ember nélkül.",{"type":138,"content":290},[291,292,295,296,299],"Az elvárásokat publikált eredményekhez igazítsa. A valósághű WDC Products benchmarkon, 3259 webáruház 11 715 ajánlatán 2162 termékre, a legkorszerűbb módszerek F1 értéke 0,64 és 0,89 közé esik, és a pontosság összeomlik a határeseteken és az ismeretlen termékeken (",{"tag":175,"href":59,"children":293},[294],"Peeters és társai, EDBT 2024","). Egy korábbi tanulmány szerint a ChatGPT zero-shot 82,35%-os F1-et ért el egy termékpárosítási feladaton, ahol egy finomhangolt RoBERTa-nak 2000 tanítópélda kellett hasonló minőséghez (",{"tag":175,"href":56,"children":297},[298],"Peeters és Bizer, 2023","). Jó, de nem elég jó a felügyelet nélküli összevonáshoz.",{"type":138,"content":301},[302,303,306],"A döntési lépésben egy valószínűségi modell komoly alternatívája az LLM-nek. A Splink a Fellegi–Sunter modellt valósítja meg felügyelet nélküli tanítással és gyakoriság-korrekcióval, laptopon percenként nagyjából egymillió rekordot kapcsol össze, Sparkon vagy DuckDB-n 100 milliót vagy többet, és többek között a brit Office for National Statistics és az Európai Gyógyszerügynökség is használja; a dokumentációja kifejezetten kimondja, hogy a rekordokat előbb szabványosítani kell (",{"tag":175,"href":62,"children":304},[305],"Splink","). Ez ismét a normalizálási lépés.",{"type":150,"level":151,"id":119,"text":120},{"type":138,"content":309},[310],"Minden, amiben a folyamat nem biztos: alacsony bizalmú besorolások, pontos azonosító nélküli összevonási és szétválasztási döntések, valamint mértékegység-ütközések. A sorban válik az LLM sebessége közzétett adattá, ezért ugyanolyan gondosságot igényel, mint bármely felhasználói képernyő.",{"type":138,"content":312},[313,314,317,318,320],"A PIM-ek ennek egy részét biztosítják. A Pimcore Data Quality Management konfigurálható szabályokból adatobjektumonként minőségi pontszámot számol, és megjeleníti a szerkesztőben, a rácsnézetben és a fában (",{"tag":175,"href":65,"children":315},[316],"Pimcore","), a Pimcore Copilot pedig többlépéses háttérfeladatokat futtat feladat-áttekintéssel. Az Akeneo Data Quality Insights A-tól E-ig osztályozza a termékeket dúsítottság és konzisztencia szerint (",{"tag":175,"href":68,"children":319},[270],"). Egyik sem helyettesíti a döntésenkénti audit rekordot:",{"type":169,"code":322},"{\n  \"record\": \"SKU-118274\",\n  \"job\": \"classify\",\n  \"proposal\": { \"standard\": \"ETIM\", \"release\": \"10.0\", \"classCode\": \"…\", \"confidence\": \"high\" },\n  \"model\": \"provider\u002Fmodel-id@2026-10-01\",\n  \"promptVersion\": \"classify-v14\",\n  \"inputHash\": \"sha256:9f2c…\",\n  \"decision\": \"approved\",\n  \"decidedBy\": \"steward:k.mayer\",\n  \"decidedAt\": \"2026-10-12T09:41:07Z\"\n}",{"type":138,"content":324},[325],"A sort áteresztőképességre tervezze. Csoportosítsa a tételeket típus és osztálycsalád szerint, hogy az adatgondozó egymás után húsz hasonló kábelrekordot nézzen át, ne ugráljon témák között, mutassa a bizonyítékot minden javaslat mellett, és legyen az elfogadás, javítás és elutasítás egy-egy billentyű. Minden javítás tananyag a következő körhöz: szinonimává, leképezési szabállyá vagy referenciapéldává válik. A csak növekvő sor arra utal, hogy a küszöbök vagy a szabályok rosszak, nem arra, hogy az emberek lassúak.",{"type":150,"level":151,"id":122,"text":123},{"type":138,"content":328},[329,330,333],"Állítson össze katalógusszeletenként 300–1000 rekordos referenciakészletet, amelyet két ember egymástól függetlenül címkéz, és minden prompt-, modell- vagy szabványverzió-változásnak teljesítenie kelljen rajta a pontossági és teljességi küszöböt. Két gondos annotátor megközelítheti a publikált benchmarkok minőségét: a WDC Products csapata a kézi ellenőrzés során 4,00% és 4,17% címkezajt becsült 0,91-es Cohen-féle kappával (",{"tag":175,"href":59,"children":331},[332],"WDC Products",").",{"type":335,"variant":336,"title":337,"body":338},"callout","tip","Legyen negatív ellenőrzés",[339],[340,341,345],"Vegyen fel olyan rekordokat, amelyeknek elutasítva kell maradniuk: egy nyilvánvalóan rossz osztályt, egy hasonlónak látszó, de egy kritikus jellemzőben eltérő párt, egy rossz mértékegységű értéket. Az a változás, amely javítja az átlagos pontosságot, de ezek egyikét átengedi, ne menjen át a kapun. Ugyanez az elv áll a ",{"tag":273,"to":342,"children":343},"\u002Fblog\u002Fllm-evals-for-product-features",[344],"termékfunkciók LLM-értékeléséről"," szóló cikk megközelítése mögött.",{"type":150,"level":151,"id":125,"text":126},{"type":138,"content":348},[349],"A keresés és a szűrők a bevételi emelő, a duplikátumok a költségemelő. Mindkét oldalra vannak publikált számok, többnyire szállítóktól és szomszédos piacokról, ezért irányként mutassa be őket, ne ígéretként.",{"type":351,"ordered":352,"items":353},"list",false,[354,373,383],[355,358,359,362,363,367,368,372],{"tag":142,"children":356},[357],"Megtalálhatóság:"," egy SQLI által publikált esetben egy 45 000 cikkes, 18%-os nulltalálatos aránnyal küzdő ipari kereskedő adatminőségi audit és AI-keresés után a keresést használók konverzióját 23%-ról 47%-ra, az átlagos kosárméretet 23%-kal növelte (",{"tag":175,"href":71,"children":360},[361],"SQLI","). A tiszta attribútumokon múlik a ",{"tag":273,"to":364,"children":365},"\u002Fblog\u002Fsemantic-product-search-b2b",[366],"szemantikus termékkeresés B2B-ben",", és azok az ágensek is, amelyek a katalógusát olvassák, lásd ",{"tag":273,"to":369,"children":370},"\u002Fblog\u002Fprocurement-agent-buyer-side",[371],"agentic commerce felkészültség",".",[374,377,378,382],{"tag":142,"children":375},[376],"Visszaküldések:"," a GS1 India és a Kanvic 2026 márciusában közzétett tanulmánya szerint a rossz termékadat évente nagyjából 5000 crore rúpiába kerül az indiai e-kereskedelemnek, ebből mintegy 1900 crore a visszaküldésekhez kapcsolódó költség (",{"tag":175,"href":379,"children":380},"https:\u002F\u002Fbwretailworld.com\u002Fsector\u002Fe-commerce-marketplaces\u002Fpoor-product-data-costs-indian-ecommerce-rs-5000-cr-every-year-study",[381],"BW Retail World","). A B2B-ben a rossz alkatrész rendelése ugyanez a hiba: nem egyező specifikáció.",[384,387],{"tag":142,"children":385},[386],"Duplikátumok:"," a duplikált cikkszámok költségére nincs hiteles nyilvános szám. A mechanika viszont világos: a duplikátumok felfújják a katalógust, megosztják a keresleti jeleket és a rendelési pontokat, és torzítják a választéki jelentéseket. Számolja meg őket előtte és utána.",{"type":138,"content":389},[390],"Egy e-kereskedelmi vezető vagy PIM-felelős számára a mérhető alapérték a nulltalálatos arány, az osztályonkénti attribútum-kitöltöttség és a duplikátumok száma. Egy rögzített hatókörű adatminőségi sprint, audit, referenciakészlet, besorolási és duplikátumfeladatok bizalmi küszöbökkel, gondozási nézet és CI-kapu, pontosan ezeken a számokon tudja megmutatni az előtte-utána különbséget.",{"type":150,"level":151,"id":128,"text":129},{"type":138,"content":393},[394,395,372],"Soha semmire, amiről egy szabály dönthet. A formátumok, a GTIN ellenőrző számjegye és a referencialistába tartozás determinisztikus ellenőrzések, és minden modell előtt le kell futniuk. Az LLM-ek a kétértelmű rangsorolásra és értelmezésre valók, nem számjegyek ellenőrzésére. Egy új szabványkiadásra, például a 2026 decemberi ETIM 11.0-ra való átállás pedig saját tesztekkel rendelkező leképezési projekt, nem egy prompt, amelyet átírunk. Ha a törzsadatok következetlenül érkeznek az ERP-ből, előbb az importot javítsa; ennek helye a ",{"tag":273,"to":396,"children":397},"\u002Fblog\u002Fpimcore-erp-delta-sync",[398],"Pimcore ERP delta szinkron",{"type":150,"level":151,"id":131,"text":132},{"type":351,"ordered":159,"items":401},[402,404,406,408,410,412,414,416],[403],"Külön határozzon meg pontossági és teljességi célt a besorolásra, a normalizálásra és a duplikátumszűrésre.",[405],"Előbb a determinisztikus ellenőrzések: formátumok, GTIN ellenőrző számjegy, referencialisták.",[407],"Lekért szűkített listával soroljon be, és utasítsa el a listán kívüli válaszokat.",[409],"Tárolja a kanonikus mértékegységet és értéket, valamint az eredeti szöveget és a leképezés verzióját.",[411],"Automatikusan csak ott vonjon össze, ahol pontos azonosító és a párosító egyezik; a többit tegye sorba.",[413],"Minden döntésről írjon audit rekordot a modellel, a prompt verziójával és a bemenet hash-ével.",[415],"A változásokat a CI-ban két annotátoros referenciakészlettel engedje át, negatív ellenőrzésekkel együtt.",[417],"A szabványkiadás-váltásokat saját leképezési tesztekkel rendelkező projektként tervezze.",{"type":138,"content":419},[420,421,372],"Ha alapértéket szeretne a katalógusához, vagy segítséget a folyamat kiépítéséhez Pimcore-ban vagy Akeneóban, nézze meg a ",{"tag":273,"to":422,"children":423},"\u002Fexpertise\u002Fb2b-ecommerce-developer",[424],"B2B e-kereskedelmi munkámat",{"type":150,"level":151,"id":134,"text":135},{"type":351,"ordered":159,"items":427},[428,431,434,437,440,443,446,449,452,455,458,461],[429],{"tag":175,"href":38,"children":430},[37],[432],{"tag":175,"href":41,"children":433},[40],[435],{"tag":175,"href":44,"children":436},[43],[438],{"tag":175,"href":47,"children":439},[46],[441],{"tag":175,"href":50,"children":442},[49],[444],{"tag":175,"href":53,"children":445},[52],[447],{"tag":175,"href":56,"children":448},[55],[450],{"tag":175,"href":59,"children":451},[58],[453],{"tag":175,"href":62,"children":454},[61],[456],{"tag":175,"href":65,"children":457},[64],[459],{"tag":175,"href":68,"children":460},[67],[462],{"tag":175,"href":71,"children":463},[70],[465,539,595,669],{"slug":466,"published":467,"minutes":468,"category":7,"tags":469,"keywords":475,"about":487,"sources":496,"cover":533,"og":534,"expertise":74,"locales":535,"lang":78,"title":536,"description":537,"coverAlt":538},"schema-org-structured-data-b2b-shop","2026-10-17",10,[470,471,472,473,474],"Schema.org","Structured data","B2B e-commerce","Technical SEO","Nuxt",[476,477,478,479,480,481,482,483,484,485,486],"schema.org b2b shop","product structured data b2b","merchant listing structured data","product snippet vs merchant listing","unitpricespecification referencequantity","productgroup variants structured data","organization schema vatid","b2b prices behind login seo","json-ld nuxt schema org","merchant return policy structured data","mpn gtin structured data",[488,490,493],{"name":470,"url":489},"https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FSchema.org",{"name":491,"url":492},"JSON-LD","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FJSON-LD",{"name":494,"url":495},"Business-to-business","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FBusiness-to-business",[497,500,503,506,509,512,515,518,521,524,527,530],{"title":498,"url":499},"Google Search Central: Introduction to Product structured data","https:\u002F\u002Fdevelopers.google.com\u002Fsearch\u002Fdocs\u002Fappearance\u002Fstructured-data\u002Fproduct",{"title":501,"url":502},"Google Search Central: Merchant listing (Product, Offer) structured data","https:\u002F\u002Fdevelopers.google.com\u002Fsearch\u002Fdocs\u002Fappearance\u002Fstructured-data\u002Fmerchant-listing",{"title":504,"url":505},"Google Search Central: Product snippet structured data","https:\u002F\u002Fdevelopers.google.com\u002Fsearch\u002Fdocs\u002Fappearance\u002Fstructured-data\u002Fproduct-snippet",{"title":507,"url":508},"Google Search Central: Product variant structured data","https:\u002F\u002Fdevelopers.google.com\u002Fsearch\u002Fdocs\u002Fappearance\u002Fstructured-data\u002Fproduct-variants",{"title":510,"url":511},"Google Search Central: Organization structured data","https:\u002F\u002Fdevelopers.google.com\u002Fsearch\u002Fdocs\u002Fappearance\u002Fstructured-data\u002Forganization",{"title":513,"url":514},"Google Search Central: Merchant return policy structured data","https:\u002F\u002Fdevelopers.google.com\u002Fsearch\u002Fdocs\u002Fappearance\u002Fstructured-data\u002Freturn-policy",{"title":516,"url":517},"Google Search Central: General structured data guidelines","https:\u002F\u002Fdevelopers.google.com\u002Fsearch\u002Fdocs\u002Fappearance\u002Fstructured-data\u002Fsd-policies",{"title":519,"url":520},"Google Search Central: Generate structured data with JavaScript","https:\u002F\u002Fdevelopers.google.com\u002Fsearch\u002Fdocs\u002Fappearance\u002Fstructured-data\u002Fgenerate-structured-data-with-javascript",{"title":522,"url":523},"Schema.org: Offer","https:\u002F\u002Fschema.org\u002FOffer",{"title":525,"url":526},"Schema.org: UnitPriceSpecification","https:\u002F\u002Fschema.org\u002FUnitPriceSpecification",{"title":528,"url":529},"Unhead: Product schema (defineProduct)","https:\u002F\u002Funhead.unjs.io\u002Fdocs\u002Fschema-org\u002Fapi\u002Fschema\u002Fproduct",{"title":531,"url":532},"Nuxt SEO: Schema.org identity setup","https:\u002F\u002Fnuxtseo.com\u002Fdocs\u002Fschema-org\u002Fguides\u002Fsetup-identity","\u002Fimages\u002Fblog\u002Fschema-org-structured-data-b2b-shop\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fschema-org-structured-data-b2b-shop\u002Fog.jpg",[76,77,78],"Schema.org strukturált adatok B2B webshopokhoz: bejelentkezés mögötti árak, egységek és változatok","Termék-markup B2B shopokhoz: snippet vagy kereskedői lista, melyik ár, cikkszámok, egységárak, változatok, Organization és SSR Nuxtban.","Terméktéglalap vékony kerettel, alsó kis mezőjét alacsony fal takarja el.",{"slug":540,"published":467,"minutes":541,"category":7,"tags":542,"keywords":547,"about":559,"sources":567,"cover":589,"og":590,"expertise":74,"locales":591,"lang":78,"title":592,"description":593,"coverAlt":594},"ai-assistant-b2b-shop-customer-support",9,[472,543,544,545,546],"AI assistant","Customer support","LLM agents","EU AI Act",[548,549,550,551,552,553,554,555,556,557,558],"ai assistant b2b shop","ai customer support b2b ecommerce","llm chatbot order status","ai agent customer service tools","chatbot liability air canada","klarna ai assistant results","human handoff chatbot design","eu ai act chatbot disclosure","owasp excessive agency","ai support resolution rate","b2b customer portal chatbot",[560,563,566],{"name":561,"url":562},"Customer service","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FCustomer_service",{"name":564,"url":565},"Chatbot","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FChatbot",{"name":494,"url":495},[568,571,574,577,580,583,586],{"title":569,"url":570},"Klarna: AI assistant handles two-thirds of customer service chats in its first month (press release, 2024)","https:\u002F\u002Fwww.klarna.com\u002Finternational\u002Fpress\u002Fklarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month\u002F",{"title":572,"url":573},"Entrepreneur: Klarna is hiring customer service agents again, according to its CEO (May 2025)","https:\u002F\u002Fwww.entrepreneur.com\u002Fbusiness-news\u002Fklarna-ceo-reverses-course-by-hiring-more-humans-not-ai\u002F491396",{"title":575,"url":576},"ABA Business Law Today: BC tribunal confirms companies remain liable for information provided by AI chatbot","https:\u002F\u002Fwww.americanbar.org\u002Fgroups\u002Fbusiness_law\u002Fresources\u002Fbusiness-law-today\u002F2024-february\u002Fbc-tribunal-confirms-companies-remain-liable-information-provided-ai-chatbot\u002F",{"title":578,"url":579},"OWASP GenAI Security Project: LLM06:2025 Excessive Agency","https:\u002F\u002Fgenai.owasp.org\u002Fllmrisk\u002Fllm062025-excessive-agency\u002F",{"title":581,"url":582},"OWASP GenAI Security Project: LLM05:2025 Improper Output Handling","https:\u002F\u002Fgenai.owasp.org\u002Fllmrisk\u002Fllm052025-improper-output-handling\u002F",{"title":584,"url":585},"EU AI Act, Article 50: Transparency obligations","https:\u002F\u002Fartificialintelligenceact.eu\u002Farticle\u002F50\u002F",{"title":587,"url":588},"Intercom: Fin pricing and billable outcomes","https:\u002F\u002Ffin.ai\u002Fpricing","\u002Fimages\u002Fblog\u002Fai-assistant-b2b-shop-customer-support\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fai-assistant-b2b-shop-customer-support\u002Fog.jpg",[76,77,78],"AI-asszisztens a B2B webshop ügyfélszolgálatához: eszközök, jogosultságok és átadás embernek","Hogyan építs AI ügyfélszolgálati asszisztenst B2B shophoz: mit automatizálj, eszközök ügyfélkontextusban, átadás embernek, AI Act és mérőszámok.","Magas fal keskeny réssel: nyíl halad át rajta a három négyzetből álló bekerített mezőbe, egy másik lefelé, egy tálca felé mutat.",{"slug":596,"published":467,"minutes":597,"category":7,"tags":598,"keywords":603,"about":615,"sources":625,"cover":662,"og":663,"expertise":664,"locales":665,"lang":78,"title":666,"description":667,"coverAlt":668},"vue-ai-chat-ui-streaming-accessibility",11,[599,474,600,601,602],"Vue","Accessibility","Streaming","AI chat",[604,605,606,607,608,609,610,611,612,613,614],"vue ai chat ui","nuxt llm streaming","sse vs fetch streaming","aria-live streaming text","accessible chat interface","abort fetch stream vue","dompurify markdown llm","role log chat","reduced motion chat ui","wcag 2.2 chat","screen reader streaming",[616,619,622],{"name":617,"url":618},"Web accessibility","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FWeb_accessibility",{"name":620,"url":621},"Server-sent events","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FServer-sent_events",{"name":623,"url":624},"Vue.js","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FVue.js",[626,629,632,635,638,641,644,647,650,653,656,659],{"title":627,"url":628},"MDN: Using server-sent events","https:\u002F\u002Fdeveloper.mozilla.org\u002Fen-US\u002Fdocs\u002FWeb\u002FAPI\u002FServer-sent_events\u002FUsing_server-sent_events",{"title":630,"url":631},"MDN: AbortController","https:\u002F\u002Fdeveloper.mozilla.org\u002Fen-US\u002Fdocs\u002FWeb\u002FAPI\u002FAbortController",{"title":633,"url":634},"MDN: ReadableStream","https:\u002F\u002Fdeveloper.mozilla.org\u002Fen-US\u002Fdocs\u002FWeb\u002FAPI\u002FReadableStream",{"title":636,"url":637},"MDN: TextDecoderStream","https:\u002F\u002Fdeveloper.mozilla.org\u002Fen-US\u002Fdocs\u002FWeb\u002FAPI\u002FTextDecoderStream",{"title":639,"url":640},"MDN: ARIA log role","https:\u002F\u002Fdeveloper.mozilla.org\u002Fen-US\u002Fdocs\u002FWeb\u002FAccessibility\u002FARIA\u002FReference\u002FRoles\u002Flog_role",{"title":642,"url":643},"W3C: Understanding SC 4.1.3 Status Messages","https:\u002F\u002Fwww.w3.org\u002FWAI\u002FWCAG22\u002FUnderstanding\u002Fstatus-messages.html",{"title":645,"url":646},"W3C WAI: What's new in WCAG 2.2","https:\u002F\u002Fwww.w3.org\u002FWAI\u002Fstandards-guidelines\u002Fwcag\u002Fnew-in-22\u002F",{"title":648,"url":649},"MDN: prefers-reduced-motion","https:\u002F\u002Fdeveloper.mozilla.org\u002Fen-US\u002Fdocs\u002FWeb\u002FCSS\u002F@media\u002Fprefers-reduced-motion",{"title":651,"url":652},"DOMPurify README","https:\u002F\u002Fgithub.com\u002Fcure53\u002FDOMPurify",{"title":654,"url":655},"markdown-it README","https:\u002F\u002Fgithub.com\u002Fmarkdown-it\u002Fmarkdown-it",{"title":657,"url":658},"AI SDK docs: useChat","https:\u002F\u002Fai-sdk.dev\u002Fdocs\u002Fai-sdk-ui\u002Fchatbot",{"title":660,"url":661},"Vue docs: nextTick","https:\u002F\u002Fvuejs.org\u002Fapi\u002Fgeneral.html#nexttick","\u002Fimages\u002Fblog\u002Fvue-ai-chat-ui-streaming-accessibility\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fvue-ai-chat-ui-streaming-accessibility\u002Fog.jpg","vue-nuxt-developer",[76,77,78],"AI-csevegő UI Vue-ban és Nuxtban: akadálymentes streaming","AI-csevegő Vue-ban vagy Nuxtban: fetch-stream, megszakítás és újrapróbálás, biztonságos markdown, aria-live bejelentések, billentyűzet és reduced motion.","Üzenetkártya villogó kurzorral, pontozott vonal hullámokká nyílik, mellette pipa.",{"slug":670,"published":467,"minutes":541,"category":7,"tags":671,"keywords":676,"about":688,"sources":698,"cover":731,"og":732,"expertise":664,"locales":733,"lang":78,"title":734,"description":735,"coverAlt":736},"llm-translation-pipeline-i18n",[672,673,674,599,675],"Translation","i18n","LLM","Localization",[677,678,679,680,681,682,683,684,685,686,687],"llm translation pipeline","icu messageformat placeholders","vue i18n llm translation","translation memory llm","glossary enforcement translation","german informal sie du","hungarian translation quality llm","structured output json translation","machine translation post-editing","locale file validation","cldr plural categories",[689,692,695],{"name":690,"url":691},"Internationalization and localization","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FInternationalization_and_localization",{"name":693,"url":694},"ICU MessageFormat","https:\u002F\u002Funicode-org.github.io\u002Ficu\u002Fuserguide\u002Fformat_parse\u002Fmessages\u002F",{"name":696,"url":697},"Vue I18n","https:\u002F\u002Fvue-i18n.intlify.dev\u002F",[699,701,704,707,710,713,716,719,722,725,728],{"title":700,"url":694},"Unicode ICU User Guide: Formatting Messages",{"title":702,"url":703},"Vue I18n: Message Format Syntax","https:\u002F\u002Fvue-i18n.intlify.dev\u002Fguide\u002Fessentials\u002Fsyntax",{"title":705,"url":706},"Nuxt i18n: Getting started","https:\u002F\u002Fi18n.nuxtjs.org\u002Fdocs\u002Fgetting-started",{"title":708,"url":709},"Unicode CLDR: Plural rules","https:\u002F\u002Fcldr.unicode.org\u002Findex\u002Fcldr-spec\u002Fplural-rules",{"title":711,"url":712},"OpenAI: Structured outputs","https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Fstructured-outputs",{"title":714,"url":715},"DeepL API: Glossaries","https:\u002F\u002Fdevelopers.deepl.com\u002Fdocs\u002Fapi-reference\u002Fglossaries",{"title":717,"url":718},"W3C: Localization vs. internationalization","https:\u002F\u002Fwww.w3.org\u002FInternational\u002Fquestions\u002Fqa-i18n",{"title":720,"url":721},"GNU gettext manual","https:\u002F\u002Fwww.gnu.org\u002Fsoftware\u002Fgettext\u002Fmanual\u002Fgettext.html",{"title":723,"url":724},"RFC 5646: Tags for Identifying Languages","https:\u002F\u002Fwww.rfc-editor.org\u002Frfc\u002Frfc5646",{"title":726,"url":727},"Rat für deutsche Rechtschreibung","https:\u002F\u002Fwww.rechtschreibrat.com\u002F",{"title":729,"url":730},"Microsoft Writing Style Guide","https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fstyle-guide\u002Fwelcome\u002F","\u002Fimages\u002Fblog\u002Fllm-translation-pipeline-i18n\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fllm-translation-pipeline-i18n\u002Fog.jpg",[76,77,78],"LLM-fordítási pipeline i18n-hez: glosszárium, helyőrzők és review","Termék- és weboldalszövegek fordítása LLM-mel úgy, hogy a helyőrzők, a többes szám és a hangnem épen maradjon: glosszárium, ICU üzenetek, QA-ellenőrzések.","Három forráskártya, egy lefordított kártya glosszárium-szalaggal, majd ellenőrzött tábla.",1792337025388]