Feed Automation

Pipeline-ul de catalog Caty.AI: de la feedul brut al magazinului la fișierele de distribuție publicate pentru fiecare canal.

Etapele pipeline-ului

Ingest → Dedup (golden records) → Enrich (semantic) → Feed Generation → Distribuție

1. Ingest

Surse acceptate:

• Feeduri declarate (XML/CSV — Google Shopping format, custom)
• Crawling al paginilor de produs, când magazinul nu publică un feed

Fiecare produs intră în colecția de lucru caty_crawled_products cu atributele brute (titlu, preț, imagine, URL, stoc).

2. Dedup — golden records

Produsele identice din surse multiple sunt unite într-o înregistrare canonică (caty_golden_records), cheiată pe identitate (merchant + SKU / GTIN). Reguli de identitate și de freshness decid ce supraviețuiește. Golden records sunt motorul de dedup — nu sursa feedurilor.

3. Enrich semantic

Produsele trec prin îmbogățire semantică: titlu curățat, descriere structurată, termeni de căutare, taguri. Aceeași îmbogățire se refolosește între produse duplicate — nu se plătește de două ori pentru același conținut.

4. Generare feeduri

Generatorul produce fișierele per canal, cu <g:id> stabil (hash merchant+SKU, nu ID intern):

Canal	Format	Destinație
Google Shopping	XML (GMC spec)	Merchant Center
CSS / Bing	XML	Distribuție comparatoare
Meta (Facebook/Instagram)	CSV/XML	Meta Commerce
Index agentic	TXT/JSON	/geo/v2/catalog/agentic-index.txt

Protecții active:

• Nu se generează feed gol — dacă sursa are sub 1.000 de iteme valid, pipeline-ul raportează eroare în loc de feed gol
• Gate de calitate — doar produse enrichite, active, cu preț > 0, imagine și stoc

5. Distribuție

Feedurile se publică în bucket-ul S3 dedicat și se înregistrează în sitemap. Catalogul public (shop.catyai.io) expune aceleași cifre prin endpoint-ul public:

GET https://api.catyai.io/api/public/catalog-stats
→ { "success": true, "data": { "totalMerchants": …, "totalProducts": … } }

Verificarea unui feed înainte de plată

Auditul de feed (primul pas din onboarding) verifică:

1. Câmpurile obligatorii și recomandate din specificația Google Merchant Center
2. Produsele cu risc de respingere pe politici, înainte să le respingă Google
3. Coerența feed ↔ pagina de produs (preț, disponibilitate)
4. Analiza semantică: duplicate, coerența titlu ↔ descriere ↔ categorie

TIP

Analiza tehnică a feedului se cere din formularul de pe catyai.io — răspuns în maximum 24 de ore lucrătoare.