8大批量進口問題及其解決方案

您是否曾經花費數小時構建產品目錄，卻發現您的產品存在大量批量導入問題？ 上傳時您可能遇到格式問題或文件大小超出最大限制。 壓力太大了吧？

在本博客中，我們將為 Shopify 用戶討論 8 個常見的批量產品導入問題及其解決方案。 那麼，我們一起來梳理一下。

問題1：重複

每個電子商務營銷人員和 Shopify 用戶面臨的最常見問題是重複。 當您將產品批量導入電子商務商店時，可能會出現重複。 重複的產品可能具有相同的 SKU 或具有不同變體的名稱。 現在，通過 CSV 文件將產品導入 Shopify時，如何避免重複產品？

使用唯一標識符查找和刪除重複項

有很多方法可以解決批量導入中的重複問題。 您可以執行以下一些簡單的步驟來解決此問題。

您應該做的第一件事是檢查您是否已經進口了產品。 要檢查它，只需導航到產品 > 產品並找到您的產品。 如果您看到列出的產品，請單擊編輯產品並檢查詳細信息是否與您在 CSV 文件中輸入的內容相匹配。 如果它們不匹配，則您需要手動編輯產品並保存。

第二步是為每個產品創建一個唯一標識符。 例如，如果您通過 id 導入產品，則將每個產品的 id 更改為唯一的。 如果product id是id，則改成id_1、id_2等。這樣就解決了重複產品導入的問題。

問題 2：空白字段

另一個非常常見的 CSV 導入問題是缺少數據。

不完整的數據，例如具有月和日信息但沒有年份信息的賬單，是用戶可以更正的不完整數據的示例。 用戶可以在他們使用的系統的幫助下填補數據中的其他空白。

如果提供了郵政編碼和聯繫角色信息，通常可以自動附加缺失的城市/州數據。 新的聯繫人角色信息必須在系統中手動更正，包括系統基於匹配相關聯繫人或數據的建議。

在某些情況下，一個人或另一個系統必須提取不完整的數據。 例如，您可以使用公共記錄來獲取缺少原始列表日期或可比屬性信息的房地產銷售數據。

查找和刪除空白字段

有兩種方法可以解決這個問題：

1.從其他商店購買匹配的產品並將它們導入您的電子商務商店。

2. 免費註冊 Apimio，連接到您的電子商務商店，並自動導入這些項目。

問題3：SKU不同但名稱相同的產品

產品名稱是任何營銷傳播策略的關鍵組成部分。 名稱可以對產品的感知價值、銷售情況以及對公司品牌的影響產生重大影響。

在許多情況下，一家公司將擁有多個名稱相同但 SKU 不同的產品。 發生這種情況時，為每個名稱設置多個名稱是否有意義？ 公司應該合併名稱嗎？ 還是公司應該保持原樣？

當您從單一產品轉移到多產品商店時，具有不同名稱但相同 SKU 的產品是一個問題。 如何正確解決？

查找並解決具有不同 SKU 但名稱相同的產品的問題

有很多方法可以解決這個問題。 您選擇的解決方案應取決於您的產品目錄結構和您希望將來處理它的方式，以及您平台的靈活性和您的電子商務軟件中可能存在的任何限制。

要解決此問題，您可以為不同的 SKU 設置不同的過濾器，也可以根據 SKU 顯示產品價格。 例如，如果為每個 SKU 安裝一個過濾器，那麼當用戶搜索“紅色 T 卹”時，會顯示帶有 SKU-A 的產品，當用戶點擊該產品時，會顯示帶有 SKU-B 的產品被顯示。

問題 4：批量導入電子表格中缺少產品變體

使用 CSV 文件導入批量產品的一個常見問題是缺少產品變體。 當您嘗試將文件上傳到 Shopify 商店時，您會發現缺少產品變體。 當產品有多個變體時會出現此問題。 大宗產品進口商無法處理這種情況，只能進口第一個變體。

這個問題很常見，因為大多數 Shopify 供應商都支持多種變體。 例如，iPhone 6 有 16GB、64GB 和 128GB 選項。 您可以同時擁有所有三個，但批量導入器只會上傳它在 CSV 文件中遇到的第一個。

在批量導入中查找並補充缺失的產品變體

對於每個變體，請從電子表格中復制以下列：SKU、名稱、價格、顏色、重量和庫存。 因此，每個變體將有 5 個附加列：sku2、name2、price2、color2 和 weight2。

問題 5：缺失數據

另一個非常常見的 Shopify 批量導入問題是缺少數據。 不完整的數據，例如具有月和日信息但沒有年份信息的賬單，是用戶可以更正的不完整數據的示例。 用戶可以在他們使用的系統的幫助下填補數據中的其他空白。

如果提供了郵政編碼和聯繫角色信息，通常可以自動附加缺失的城市/州數據。 新的聯繫人角色信息必須在系統中手動更正，包括系統基於匹配相關聯繫人或數據的建議。

在某些情況下，一個人或另一個系統必須提取不完整的數據。 例如，公共記錄可用於獲取缺少原始列表日期或可比財產信息的房地產銷售數據。

查找並提取缺失數據

在處理缺失數據時，一個簡單的解決方案是丟棄每個缺失一個或多個數據項的樣本的所有數據。 這種策略的一個缺點是樣本量會降低。 當樣本量太小而無法在分析中產生有意義的結果時，這一點尤其重要。 在這種情況下，您可能需要額外的示例數據片段。

這個問題比最初看起來要嚴重得多。 例如，如果 5 項問卷的 10% 的數據隨機缺失，則大約 41% 的樣本將至少缺失一個問題。

您可以使用以下函數提取缺失數據：

DELBLANK (R1, s ) – 滿足帶下劃線的範圍，範圍 R1 中的數據（按列）缺少任何空單元格。

DELROWBLANK (R1, head, s ) – 用範圍 R1 中的數據填充突出顯示的範圍，跳過具有一個或多個空單元格的任何行； 如果head為 TRUE，則始終複製 R1 的第一行（可能包含列標題）（即使它包含空單元格）； 此參數是可選的，默認為head = FALSE。

DELROWNonNum (R1, head, s ) – 使用範圍 R1 中的數據填充突出顯示的範圍，刪除任何包含非數字單元格的行； 如果 head 為 TRUE，則始終複製 R1 的第一行（可能包含列標題）（即使它包含非數字單元格）； 否則，使用 head = FALSE。

問題 6：格式問題

使用 excel 導入我們的產品時，我們遇到了格式問題。 文件中的內容格式不正確。 所以我們不得不做出一些改變。

格式問題：當您從 Excel 表上傳產品時，某些產品以不同的日期格式導入。 例如，輸入的日期更改為文本、數字或其他日期格式（例如，MM/DD/YYYY 可能更改為 DD/MM/YYYY）。

查找並解決格式問題

通過右鍵單擊包含日期的單元格，選擇“設置單元格格式”，單擊“為類別編號”下的“日期”，最後選擇日期格式來選擇日期格式。 （例如：DD/MM/YYYY 格式）。

問題 7：文件大小

文件太大了，這是最典型的 CSV 導入問題之一。 文件中的字段或記錄過多、列過多或行過多都可能導致此問題。 使用文件的程序設置的限製或機器上可訪問的內存量都可能導致導入問題。

將文件分成較小的大小

如果由於文件大小問題而導致導入失敗，則需要返回並將文件分成更小的部分。 之後，您可以輕鬆上傳它們。

問題 8：不可消化的格式

最常見的批量導入問題之一是 Shopify 上的不可消化格式。 需要格式規範化的簡單格式不匹配（例如電話號碼或社會安全號碼）是不可消化格式的示例。 對於復雜的格式不匹配，您需要格式規範化和數據規範化。 例如，日期格式與預期不同、不一致或包含文本而不是規範化，如“2020 年 7 月 31 日”或“19 年 6 月 20 日”。

將不可消化的格式轉換為可消化的 CSV 格式

減少 CSV 導入錯誤可能是一項耗時且艱鉅的任務。 有一個更好的方法：使用開箱即用的 CSV 數據導入器來避免這些常見錯誤並加快過程。

Apimio 的數據導入器可幫助具有不同技術專長水平的用戶。 它會指導您用戶可以上傳的數據類型。 此外，它還讓您了解用戶必須填寫的字段。配置標誌通過允許用戶動態添加自定義列來擴展平面文件數據導入器。 這使您的客戶可以立即完全控制。

集成 Apimio 數據導入器可讓您專注於區分特定於您的產品體驗的重要方面，確保正確處理 CSV 導入組件。 使用 Flatfile 等技術，您可以更快、更無縫地為您的客戶、合作夥伴和提供商導入數據。

解決所有批量導入問題的最簡單方法：使用 PIM

大多數數據庫在處理大量數據時，需要批量導入數據。 唯一的問題是，當您必須這樣做時，您通常會限制一次可以導入多少條記錄。

大多數數據庫軟件允許您一次導入 100 或 1,000 個數據。 我遇到過需要將超過 1000 萬條記錄導入數據庫的問題，而我們別無選擇，只能一次導入一條。

使用像 Apimio 一樣的 PIM（產品信息管理）系統對於任何想要做更好的業務的公司來說都是一個強大的解決方案。 它可以幫助您以系統的方式管理您的數據和信息，並通過減少人為錯誤因素讓您高枕無憂。