מערכת שעושה אופטימיזציה מתמשכת ל־Merchant Center
ישראל · איקומרס אנונימי · Automate. בקטלוג של 10,000+ מוצרים בנינו מערכת שבועית שמחוברת ל‑Merchant Center: קוראת ביצועים, מציעה כותרות, ומחליפה כותרת רק כש‑RPI (הכנסה לחשיפה) גבוה מהכותרת החיה — עם גיבוי ודריסה ידנית.
איך המערכת עובדת ↓- איסוף נתוני ביצועים
- ניתוח והעשרת המוצר
- החלטה לפי הכנסה לחשיפה
- עדכון אוטומטי בקטלוג
הוכחת מערכת
מה המערכת מחליטה לבד
- מדד אחד מחליט הכנסה לחשיפה מחברת CTR וערך המרה למספר אחד, וכל כותרת נמדדת מולו — גם המקורית וגם הצעה של המערכת.
- מחליפים רק כשמנצחים כותרת חדשה עולה לאוויר רק אם ה־RPI שלה גבוה מהכותרת החיה. אם לא — לא נוגעים במוצר.
- השליטה נשארת אצלכם דריסה ידנית גוברת על הכל, כל שינוי מגובה לשחזור, ואפשר לעצור הרצה באמצע.
נקודת ההתחלה
האתגר
בקטלוג של כ־10,000 מוצרים אי אפשר לכתוב ולבדוק ידנית כותרת טובה לכל מוצר — בלי לאבד עקביות או לבזבז זמן על מוצרים שלא זזים.
הבעיה האמיתית היא לא הכתיבה אלא ההחלטה: מאיפה יודעים שכותרת חדשה טובה מהקיימת, ומי בודק את זה על אלפי מוצרים בכל חודש.
המערכת שבנינו
מה עשינו
- חיברנו את Merchant Center לנתוני ביצועים אמיתיים
- העשרנו מוצרים מתוכן העמוד, תמונה ומחקר מילות מפתח
- בנינו הצעת כותרות עם כללי מותג ו־Google Shopping
- הוספנו בדיקה, דריסה ידנית, גיבוי ושחזור לפני כל עדכון
ההשפעה העסקית
התוצאה
אותה לוגיקת החלטה רצה על כל הקטלוג, כל שבוע, בלי עבודה ידנית על מוצר בודד.
- 10,000+ מוצרים מנוהלים לפי אותה לוגיקת החלטה
- מעבר מאופטימיזציה ידנית נקודתית להרצה שבועית רציפה
- שינוי כותרת קורה רק כשיש הוכחה מספרית לשיפור
- כל שינוי מגובה וניתן לשחזור, עם דריסה ידנית מעל הכל
מחלקים מערכת מורכבת לצעדים
איך זה עבד
- 01
איסוף
מוצר, תוכן, תמונה וביצועים
- 02
העשרה
תמונה, צבע ומילות מפתח
- 03
כתיבה
AI מציע כותרות לפי הכללים
- 04
בדיקה
RPI מול הכותרת החיה
- 05
עדכון
מחליפים רק כשיש מנצחת — או משאירים דריסה ידנית
מה כדאי לקחת מהפרויקט
תובנות מרכזיות
- AI בלי מדידה רק מייצר טקסט
- דריסה ידנית וגיבוי הם חלק מהמערכת — לא קישוט
- קטלוג גדול צריך אצוות וכללי תנועה מינימלית