Cómo preparó Yeppon sus 150.000 SKU para los anuncios en marketplaces, empezando por su propia tienda online
8x
Más rápido en salir al mercado que con el proceso manual
Resumen
Yeppon es uno de los principales ecommerce de electrónica de Italia: más de 150.000 SKU de electrónica, electrodomésticos, bricolaje y muebles para el hogar, que vende en su propia tienda online y en más de doce marketplaces europeos. Cada producto es un conjunto de variantes, distintas según el canal y el idioma.
El objetivo eran los dos frentes a la vez: dejar bien los datos de producto a escala de catálogo en su propia web y llevar el catálogo a los marketplaces, empezando por Leroy Merlin y Amazon.
El reto
Antes de nosotros, el catálogo era sobre todo trabajo manual. Una persona a media jornada daba de alta los nuevos SKU, el enriquecimiento dependía de un feed de terceros y de los proveedores que enviaran buenos datos, y filtros como el tamaño de pantalla, la RAM o el disco se montaban a mano. Se creaba o actualizaba alrededor del setenta por ciento de los anuncios, muchos sin foto, y sin una cadencia regular.
Durante quince años, la economía del negocio concentró el esfuerzo real en el veinte por ciento del catálogo: Apple, electrodomésticos y televisores. El resto llegaba a los marketplaces emparejado solo por precio y disponibilidad, sin enriquecer.
Un equipo que ya iba por delante en IA
Yeppon es uno de los equipos más avanzados en IA con los que trabajamos. Ya habían creado sus propios agentes en ChatGPT para escribir títulos, descripciones y viñetas. Ese instinto los llevó lejos, hasta que chocó con los límites de la herramienta: resultados que cambiaban de una ejecución a otra, huecos rellenados con lo que el modelo había aprendido en su entrenamiento y no con datos del producto, imágenes lentas y caras a escala de catálogo, y ninguna prueba de que un anuncio fuera a superar el listón de calidad del marketplace antes de publicarlo.
Un catálogo es un problema más difícil que una web. Decenas de miles de productos, un listón de calidad que no deja de moverse y resultados que hay que poder demostrar en cada ejecución. Eso exige diseñar un sistema a medida.
Cómo lo resolvimos: agentes y un Retail Engineer
Primero, su propia tienda
Yeppon tiene su tienda en Shopify, construida por su propio equipo. Los agentes completan cada producto (detalles, especificaciones e imágenes) y lo colocan en la categoría correcta, mediante una integración por API con los flujos de Yeppon. El sistema arrancó con la gama Apple, se validó con un lote y después se extendió a todo el catálogo; hoy funciona solo.
Después, los marketplaces
Cada marketplace es un sistema cerrado con sus propias reglas. Tres cosas lo hacían difícil. Leroy Merlin puntúa los anuncios y solo publica los que superan un listón, y Yeppon estaba muy por debajo: casi la mitad del catálogo no se podía publicar sin problemas. Nadie te da la fórmula, ni siquiera el propio equipo del marketplace. Y las cifras son grandes: unas 37.000 marcas que emparejar con sus códigos y 63.000 datos de producto que rellenar.
- Emparejar las marcas y los códigos de barras de Yeppon con los códigos de producto del marketplace.
- Crear anuncios para los productos que aún no están en el marketplace.
- Mejorar los anuncios existentes en lo que de verdad sube la puntuación: datos completos, imágenes, especificaciones, campos obligatorios.
- Comprobar que se supera el listón antes de publicar nada.
Los mismos agentes sirven para cualquier categoría. Los probamos primero en cuatro (taladros, jardineras, mangueras de jardín y portamangueras) y después los aplicamos al resto. Esta fase sigue en marcha: hasta ahora hay unos 24.000 productos activos en los canales, unos 19.000 en Leroy Merlin y 5.000 en Amazon.
El Retail Engineer
Los agentes no trabajan solos. Un Retail Engineer de CommerceClarity actúa como una extensión del equipo de Yeppon: la misma persona define el alcance, construye y pone en producción respetando la forma de trabajar de Yeppon. Además, dio al catálogo algo que no había tenido en quince años: un responsable dedicado. El equipo de marketing de Yeppon sigue al mando, y cada anuncio generado pasa una revisión humana antes de publicarse.
Antes y después
El enfoque casero frente al sistema que lo sustituyó.
En sus palabras
Un equipo que ya sabía dónde se queda corta la IA
“We had built our own agents on ChatGPT before this, so we knew where AI helps and where it stops. The agents handle the volume across the full catalog, but every listing still passes our team’s review before it goes live. We got the scale without giving up the final call on quality.”
“It connects straight into our flows through the API, so we shape content around what each product actually needs instead of running one template across the board. The same product can go out with a different angle on Amazon than on Leroy Merlin, and the speed holds even when we switch language.”
