Naar hoofdinhoud gaan
Webonderzoek-verrijkingsoptie in het Verrijken met AI-venster Webonderzoek is een AI-gedreven functie die automatisch het web doorzoekt om je productdata te vinden en te verrijken. Het scant meerdere betrouwbare online bronnen, kruisverifieert de informatie op nauwkeurigheid en structureert de resultaten in je productcatalogus — waardoor je uren handmatige data-invoer bespaart.
Webonderzoeksresultaten verschijnen in het tabblad Datakwaliteit van je producten. Je kunt de bevindingen beoordelen, goedkeuren of verwerpen voordat ze worden toegepast op je catalogus.

Hoe Webonderzoek werkt

WISEPIM’s Webonderzoek volgt een vierstappenproces om nauwkeurige, hoogwaardige productdata te garanderen:
1

Scant meerdere betrouwbare bronnen

De AI doorzoekt betrouwbare online databases, fabrikantsites en productdirectory’s met behulp van de identifier die je opgeeft.
2

Kruisverificatie voor nauwkeurigheid

Data die in meerdere bronnen wordt gevonden, wordt vergeleken en gevalideerd om fouten te verminderen en tegenstrijdige informatie te elimineren.
3

AI structureert en verrijkt data

De geverifieerde informatie wordt georganiseerd en opgemaakt zodat deze past bij je productdatamodel, waarbij ontbrekende attributen en specificaties worden aangevuld.
4

Beoordelen en goedkeuren in één klik

Je beoordeelt de onderzoeksresultaten en bepaalt welke data je op je producten wilt toepassen. Er verandert niets in je catalogus totdat je het goedkeurt.

Webonderzoek starten

Producten selecteren

Je kunt Webonderzoek uitvoeren op individuele producten, een selectie van producten of je volledige gefilterde catalogus.
1

Navigeer naar de Productenpagina

Ga naar je hoofd-Producten-overzicht.
2

Selecteer je producten

Vink de vakjes aan naast de producten die je wilt onderzoeken. Je kunt ook filters gebruiken om je catalogus te verfijnen en alle overeenkomende producten te selecteren.
3

Open het Verrijken-venster

Klik op de knop Verrijken met AI in de werkbalk.
4

Kies Webonderzoek

Kies bij de selectie van verrijkingstype voor Webonderzoek.

Een productidentifier kiezen

Na het selecteren van Webonderzoek moet je kiezen welke productidentifier de AI moet gebruiken om het web te doorzoeken. De identifier bepaalt hoe nauwkeurig de AI je producten online kan vinden.

EAN / Barcode

Europees Artikelnummer. Wereldwijd uniek, levert de meest nauwkeurige resultaten. Aanbevolen voor de meeste toepassingen.

UPC

Universal Product Code (12 cijfers). Het standaard barcodeformaat dat voornamelijk in de Verenigde Staten wordt gebruikt.

Modelnummer

De modelidentificatie van de fabrikant. Handig voor elektronica, huishoudelijke apparaten en industriële producten.

SKU

Je interne productcode. Werkt het best wanneer je SKU overeenkomt met die van de fabrikant of breed herkend wordt.

Merk + Naam

Een combinatie van de merknaam en productnaam. Goede terugvaloptie wanneer barcodes niet beschikbaar zijn.

Merk + MPN

Merknaam gecombineerd met het Manufacturer Part Number. Effectief voor technische en industriële producten.
EAN- en UPC-barcodes leveren de meest nauwkeurige resultaten op omdat het wereldwijd unieke identifiers zijn. Gebruik deze waar mogelijk voor Webonderzoek.

Het onderzoek uitvoeren

Nadat je je identifiertype hebt geselecteerd, klik je op Start Webonderzoek. Er verschijnt een bevestigingsmelding en het onderzoeksproces begint op de achtergrond.
Je kunt doorwerken in WISEPIM terwijl Webonderzoek draait. Het proces blokkeert geen andere acties, en je wordt op de hoogte gesteld wanneer de resultaten klaar zijn.

Webonderzoek toepassen op je catalogus

Toepassen op geselecteerde producten

Selecteer specifieke producten via selectievakjes en start vervolgens Webonderzoek. Dit is ideaal wanneer je een gerichte batch producten wilt verrijken — bijvoorbeeld nieuwe aankomsten of producten met ontbrekende specificaties.

Toepassen op alle gefilterde producten

Als je een grotere set wilt onderzoeken, pas dan eerst filters toe (op categorie, merk, status of andere criteria) en kies vervolgens om Webonderzoek toe te passen op alle overeenkomende producten. Je hoeft niet elk product handmatig te selecteren.
Het uitvoeren van Webonderzoek op een groot aantal producten tegelijk kan aanzienlijke verwerkingstijd kosten. Overweeg om met een kleinere batch te beginnen om te verifiëren dat de resultaten aan je verwachtingen voldoen voordat je opschaalt.

Resultaten beoordelen

Webonderzoeksresultaten verschijnen in het tabblad Datakwaliteit op je productpagina’s. Van daaruit kun je alle data bekijken die de AI van het web heeft verzameld, deze vergelijken met je bestaande productdata en bepalen wat je wilt toepassen. Webonderzoeksresultaten met verzamelde productspecificaties en attributen Webonderzoeksresultaten met verrijkte productbeschrijvingen en datavergelijking Van daaruit kun je:
  • Verzamelde data bekijken — bekijk de specificaties, beschrijvingen en attributen die de AI online heeft gevonden
  • Vergelijken met bestaande data — controleer hoe de onderzochte data verschilt van wat je al hebt
  • Goedkeuren of verwerpen — accepteer de bevindingen om je product bij te werken, of wijs ze af als ze niet relevant zijn
Webonderzoeksresultaten met bronvergelijking en goedkeuringsopties Webonderzoeksresultaten met aanvullende verzamelde data en beoordelingsworkflow

Best practices voor kwaliteitscontrole

  • Controleer eerst een steekproef — voordat je resultaten in bulk goedkeurt, beoordeel handmatig een handvol producten om de nauwkeurigheid te waarborgen
  • Verifieer technische specificaties — kruisverifieer kritische specs zoals afmetingen, gewichten en materiaalsamenstelling
  • Controleer merkconsistentie — zorg dat geïmporteerde beschrijvingen aansluiten bij je merkstem en toon
  • Beoordeel productafbeeldingen — als het onderzoek afbeeldings-URL’s oplevert, controleer dan of ze overeenkomen met je daadwerkelijke producten

Best practices

De juiste identifier kiezen

ScenarioAanbevolen identifier
Producten met barcodesEAN of UPC
Elektronica en huishoudelijke apparatenModelnummer of Merk + MPN
Producten zonder barcodesMerk + Naam
Intern gecodeerde productenSKU (indien breed herkend)

Onderzoekskwaliteit maximaliseren

  • Zorg dat identifiers correct zijn — onjuiste EAN’s of modelnummers leveren irrelevante resultaten op
  • Ruim productdata eerst op — vul merknamen en basisidentifiers in voordat je onderzoek uitvoert, zodat de AI meer informatie heeft om mee te werken
  • Gebruik de meest specifieke identifier die beschikbaar is — een barcode presteert altijd beter dan een generieke merk + naam-zoekopdracht
  • Begin klein en schaal op — test met 5-10 producten om de resultaatkwaliteit te valideren voordat je je volledige catalogus onderzoekt

Wanneer Webonderzoek gebruiken

Onboarding van nieuwe producten

Je hebt net een batch producten geïmporteerd met alleen SKU’s en namen. Webonderzoek kan automatisch beschrijvingen, specificaties en attributen aanvullen.

Catalogus gap-analyse

Je wilt ontbrekende attributen in je bestaande catalogus identificeren en aanvullen zonder elk product handmatig te onderzoeken.

Probleemoplossing

Geen resultaten gevonden

Als Webonderzoek geen data retourneert voor een product, betekent dit meestal:
  • De identifier is onjuist of wordt online niet herkend
  • Het product is te nieuw of te niche om openbare data beschikbaar te hebben
  • Het identifiertype komt niet overeen met wat voor dat product wordt gebruikt
Oplossing: Probeer een ander identifiertype. Als EAN niets oplevert, probeer dan Merk + Naam of Modelnummer.

Onnauwkeurige resultaten

Als de AI data retourneert die niet overeenkomt met je product:
  • Controleer of de identifier (EAN, SKU, etc.) correct is in je catalogus
  • Verifieer dat het product niet is verward met een product met een vergelijkbare naam
  • Verwerp de onjuiste resultaten en probeer het met een meer specifieke identifier

Trage verwerking

De snelheid van Webonderzoek hangt af van het aantal producten en de complexiteit van elke zoekopdracht. Als de verwerking traag lijkt:
  • Controleer de Processentracker voor de huidige taakstatus
  • Vermijd het gelijktijdig uitvoeren van meerdere grote onderzoeksbatches
  • Overweeg om zeer grote batches op te splitsen in kleinere groepen