Częściowo, i sami z jednego korzystamy. Przeredagowanie zbyt ubogiego tytułu to zadanie
językowe i model radzi sobie z nim dobrze, więc ten krok rzeczywiście do niego trafia.
Reszta nie jest zadaniem językowym. Cyfra kontrolna GS1 to arytmetyka, a model przepuści kod
kreskowy, który jej nie przechodzi. To, czy zdjęcie ma 480 na 480 pikseli, albo czy w ogóle
odpowiada, można sprawdzić tylko przez pobranie każdego URL-a z pliku. To, czy
AdsBot-Google jest zablokowany, siedzi w pliku na Twoim serwerze. Sama nasza
analiza w ogóle nie wywołuje modelu.
Większy problem polega na tym, że robi się z tego pętla. Model poprawia to, o co przyszło Ci
zapytać, a nietknięte zostawia dziewięćdziesiąt dziewięć błędów, o których istnieniu nie
wiesz, więc resztę znajdujesz tak, że przesyłasz feed i pozwalasz Google go odrzucać. Ten
werdykt przychodzi w rytmie Merchant Center, nie Twoim, a zanim nadejdzie, Twój sklep znów
wyeksportuje plik po wierzchu Twojej pracy. Każda runda czeka na Google. My przechodzimy
całą listę w jednym przebiegu, a potem sprawdzamy, czy poprawki nie popsuły się nawzajem.
Mieć rację też jest trudniej, niż się wydaje. Nasz model zaproponował kiedyś "Blue" dla
telewizora, bo kolumna koloru miała wartość Blue w większości katalogu. Oparte na danych
sprzedawcy, a mimo to błędne. Zatrzymał to filtr trafności i kontrola słowo po słowie
względem wiersza źródłowego, oba napisane po tym, jak zobaczyliśmy to na własne oczy.
A poprawne przeredagowanie i tak musi gdzieś trafić: jako structured_title
z oznaczoną treścią generowaną, ze świadomością, że Google używa title, gdy
obecne są oba atrybuty, w uzupełniającym źródle, które nie może dodawać produktów i wygasa
30 dni po ostatnim odświeżeniu. Analiza jest bezpłatna, więc najszybszy sposób, żeby to
wszystko rozstrzygnąć, to uruchomić ją i zobaczyć, czy to, co wraca, pokrywa się z tym, co
dałoby się znaleźć samodzielnie.