8大批量进口问题及其解决方案

您是否曾经花费数小时构建产品目录，却发现您的产品存在大量批量导入问题？ 上传时您可能遇到格式问题或文件大小超出最大限制。 压力太大了吧？

在本博客中，我们将为 Shopify 用户讨论 8 个常见的批量产品导入问题及其解决方案。 那么，我们一起来梳理一下。

问题1：重复

每个电子商务营销人员和 Shopify 用户面临的最常见问题是重复。 当您将产品批量导入电子商务商店时，可能会出现重复。 重复的产品可能具有相同的 SKU 或具有不同变体的名称。 现在，通过 CSV 文件将产品导入 Shopify时，如何避免重复产品？

使用唯一标识符查找和删除重复项

有很多方法可以解决批量导入中的重复问题。 您可以执行以下一些简单的步骤来解决此问题。

您应该做的第一件事是检查您是否已经进口了产品。 要检查它，只需导航到产品 > 产品并找到您的产品。 如果您看到列出的产品，请单击编辑产品并检查详细信息是否与您在 CSV 文件中输入的内容相匹配。 如果它们不匹配，则您需要手动编辑产品并保存。

第二步是为每个产品创建一个唯一标识符。 例如，如果您通过 id 导入产品，则将每个产品的 id 更改为唯一的。 如果product id是id，则改成id_1、id_2等。这样就解决了重复产品导入的问题。

问题 2：空白字段

另一个非常常见的 CSV 导入问题是缺少数据。

不完整的数据，例如具有月和日信息但没有年份信息的账单，是用户可以更正的不完整数据的示例。 用户可以在他们使用的系统的帮助下填补数据中的其他空白。

如果提供了邮政编码和联系角色信息，通常可以自动附加缺失的城市/州数据。 新的联系人角色信息必须在系统中手动更正，包括系统基于匹配相关联系人或数据的建议。

在某些情况下，一个人或另一个系统必须提取不完整的数据。 例如，您可以使用公共记录来获取缺少原始列表日期或可比属性信息的房地产销售数据。

查找和删除空白字段

有两种方法可以解决这个问题：

1.从其他商店购买匹配的产品并将它们导入您的电子商务商店。

2. 免费注册 Apimio，连接到您的电子商务商店，并自动导入这些项目。

问题3：SKU不同但名称相同的产品

产品名称是任何营销传播策略的关键组成部分。 名称可以对产品的感知价值、销售情况以及对公司品牌的影响产生重大影响。

在许多情况下，一家公司将拥有多个名称相同但 SKU 不同的产品。 发生这种情况时，为每个名称设置多个名称是否有意义？ 公司应该合并名称吗？ 还是公司应该保持原样？

当您从单一产品转移到多产品商店时，具有不同名称但相同 SKU 的产品是一个问题。 如何正确解决？

查找并解决具有不同 SKU 但名称相同的产品的问题

有很多方法可以解决这个问题。 您选择的解决方案应取决于您的产品目录结构和您希望将来处理它的方式，以及您平台的灵活性和您的电子商务软件中可能存在的任何限制。

要解决此问题，您可以为不同的 SKU 设置不同的过滤器，也可以根据 SKU 显示产品价格。 例如，如果为每个 SKU 安装一个过滤器，那么当用户搜索“红色 T 恤”时，会显示带有 SKU-A 的产品，当用户点击该产品时，会显示带有 SKU-B 的产品被显示。

问题 4：批量导入电子表格中缺少产品变体

使用 CSV 文件导入批量产品的一个常见问题是缺少产品变体。 当您尝试将文件上传到 Shopify 商店时，您会发现缺少产品变体。 当产品有多个变体时会出现此问题。 大宗产品进口商无法处理这种情况，只能进口第一个变体。

这个问题很常见，因为大多数 Shopify 供应商都支持多种变体。 例如，iPhone 6 有 16GB、64GB 和 128GB 选项。 您可以同时拥有所有三个，但批量导入器只会上传它在 CSV 文件中遇到的第一个。

在批量导入中查找并补充缺失的产品变体

对于每个变体，请从电子表格中复制以下列：SKU、名称、价格、颜色、重量和库存。 因此，每个变体将有 5 个附加列：sku2、name2、price2、color2 和 weight2。

问题 5：缺失数据

另一个非常常见的 Shopify 批量导入问题是缺少数据。 不完整的数据，例如具有月和日信息但没有年份信息的账单，是用户可以更正的不完整数据的示例。 用户可以在他们使用的系统的帮助下填补数据中的其他空白。

如果提供了邮政编码和联系角色信息，通常可以自动附加缺失的城市/州数据。 新的联系人角色信息必须在系统中手动更正，包括系统基于匹配相关联系人或数据的建议。

在某些情况下，一个人或另一个系统必须提取不完整的数据。 例如，公共记录可用于获取缺少原始列表日期或可比财产信息的房地产销售数据。

查找并提取缺失数据

在处理缺失数据时，一个简单的解决方案是丢弃每个缺失一个或多个数据项的样本的所有数据。 这种策略的一个缺点是样本量会降低。 当样本量太小而无法在分析中产生有意义的结果时，这一点尤其重要。 在这种情况下，您可能需要额外的示例数据片段。

这个问题比最初看起来要严重得多。 例如，如果 5 项问卷的 10% 的数据随机缺失，则大约 41% 的样本将至少缺失一个问题。

您可以使用以下函数提取缺失数据：

DELBLANK (R1, s ) – 满足带下划线的范围，范围 R1 中的数据（按列）缺少任何空单元格。

DELROWBLANK (R1, head, s ) – 用范围 R1 中的数据填充突出显示的范围，跳过具有一个或多个空单元格的任何行； 如果head为 TRUE，则始终复制 R1 的第一行（可能包含列标题）（即使它包含空单元格）； 此参数是可选的，默认为head = FALSE。

DELROWNonNum (R1, head, s ) – 使用范围 R1 中的数据填充突出显示的范围，删除任何包含非数字单元格的行； 如果 head 为 TRUE，则始终复制 R1 的第一行（可能包含列标题）（即使它包含非数字单元格）； 否则，使用 head = FALSE。

问题 6：格式问题

使用 excel 导入我们的产品时，我们遇到了格式问题。 文件中的内容格式不正确。 所以我们不得不做出一些改变。

格式问题：当您从 Excel 表上传产品时，某些产品以不同的日期格式导入。 例如，输入的日期更改为文本、数字或其他日期格式（例如，MM/DD/YYYY 可能更改为 DD/MM/YYYY）。

查找并解决格式问题

通过右键单击包含日期的单元格，选择“设置单元格格式”，单击“为类别编号”下的“日期”，最后选择日期格式来选择日期格式。 （例如：DD/MM/YYYY 格式）。

问题 7：文件大小

文件太大了，这是最典型的 CSV 导入问题之一。 文件中的字段或记录过多、列过多或行过多都可能导致此问题。 使用文件的程序设置的限制或机器上可访问的内存量都可能导致导入问题。

将文件分成较小的大小

如果由于文件大小问题而导致导入失败，则需要返回并将文件分成更小的部分。 之后，您可以轻松上传它们。

问题 8：不可消化的格式

最常见的批量导入问题之一是 Shopify 上的不可消化格式。 需要格式规范化的简单格式不匹配（例如电话号码或社会安全号码）是不可消化格式的示例。 对于复杂的格式不匹配，您需要格式规范化和数据规范化。 例如，日期格式与预期不同、不一致或包含文本而不是规范化，如“2020 年 7 月 31 日”或“19 年 6 月 20 日”。

将不可消化的格式转换为可消化的 CSV 格式

减少 CSV 导入错误可能是一项耗时且艰巨的任务。 有一个更好的方法：使用开箱即用的 CSV 数据导入器来避免这些常见错误并加快过程。

Apimio 的数据导入器可帮助具有不同技术专长水平的用户。 它会指导您用户可以上传的数据类型。 此外，它还让您了解用户必须填写的字段。配置标志通过允许用户动态添加自定义列来扩展平面文件数据导入器。 这使您的客户可以立即完全控制。

集成 Apimio 数据导入器可让您专注于区分特定于您的产品体验的重要方面，确保正​​确处理 CSV 导入组件。 使用 Flatfile 等技术，您可以更快、更无缝地为您的客户、合作伙伴和提供商导入数据。

解决所有批量导入问题的最简单方法：使用 PIM

大多数数据库在处理大量数据时，需要批量导入数据。 唯一的问题是，当您必须这样做时，您通常会限制一次可以导入多少条记录。

大多数数据库软件允许您一次导入 100 或 1,000 个数据。 我遇到过需要将超过 1000 万条记录导入数据库的问题，而我们别无选择，只能一次导入一条。

使用像 Apimio 一样的 PIM（产品信息管理）系统对于任何想要做更好的业务的公司来说都是一个强大的解决方案。 它可以帮助您以系统的方式管理您的数据和信息，并通过减少人为错误因素让您高枕无忧。