Trova gli URL immagine ripetuti in un CSV di prodotti

URL immagine duplicati nei dati di prodotto

Che cos’è un URL immagine duplicato

Un URL immagine duplicato è un singolo indirizzo di immagine che compare su più di una riga di un file di prodotti. Se due righe indicano entrambe https://cdn.esempio/img/camicia-blu.jpg nella colonna immagine, quelle righe condividono un URL immagine. ImageDup raggruppa le righe in base a quell’indirizzo e ti mostra ogni gruppo in cui lo stesso indirizzo è usato più di una volta.

È un confronto di testo. ImageDup legge la stringa dell’URL, applica alcuni aggiustamenti sicuri — togliere gli spazi, rendere minuscoli schema e dominio, eliminare il #frammento — e poi verifica se il risultato è identico. Non apre l’immagine, non la scarica e non confronta i pixel. Due righe corrispondono solo quando corrispondono i loro indirizzi immagine.

Perché i cataloghi finiscono con URL immagine ripetuti

La maggior parte degli URL immagine ripetuti è un effetto collaterale di come i dati di prodotto vengono creati ed esportati, non una scelta deliberata:

• Righe di varianti. Molte piattaforme esportano una riga per taglia o colore. Una camicia in cinque taglie sono cinque righe e, se alle varianti di taglia non sono mai state assegnate foto proprie, tutte e cinque puntano alla stessa immagine.
• Creazione di prodotti per copia. Un nuovo prodotto viene duplicato da uno esistente per risparmiare tempo e il campo immagine non viene mai cambiato.
• Immagini segnaposto. Un’immagine «in arrivo» o un’immagine generica di categoria viene assegnata a ogni prodotto ancora privo di foto reale. Centinaia di righe possono condividere un segnaposto.
• Join di feed e riesportazioni. Quando un feed è costruito unendo più tabelle, o esportato ripetutamente da un sistema che aggiunge invece di sostituire, lo stesso prodotto può comparire su più righe con la stessa immagine.
• Residui di migrazione. Cambiare piattaforma spesso mappa più campi vecchi su un’unica nuova colonna immagine, generando ripetizioni.

Quando un URL immagine ripetuto va bene

Un URL immagine ripetuto non è automaticamente un problema. Ci sono motivi ordinari:

• Un prodotto e le sue varianti condividono davvero una foto perché nell’immagine sono identiche — un anello in tre misure, un libro in cartonato e in brossura con la stessa copertina.
• Un bundle o un cofanetto regalo riusa di proposito la foto di un componente.
• Due schede per lo stesso articolo fisico, per esempio uno SKU standard e uno promozionale, usano volutamente una sola immagine.
• Un brand usa un’unica immagine di ambientazione su una piccola linea coordinata.

ImageDup non decide questi casi al posto tuo. Ti mostra dove un’immagine è riusata e quanti identificatori di prodotto distinti sono coinvolti, e sei tu a giudicare se quel riuso è voluto.

DUPLICATO e DA ESAMINARE

ImageDup classifica ogni URL immagine ripetuto in uno di due gruppi:

• DUPLICATO — lo stesso URL immagine è collegato a due o più identificatori di prodotto diversi e non vuoti. È il caso che più probabilmente richiede una correzione, perché prodotti distinti condividono una foto.
• DA ESAMINARE — lo stesso URL immagine si ripete, ma le righe non stabiliscono due o più identificatori di prodotto diversi. Succede quando un identificatore compare su più righe, quando ci sono righe identiche, o quando l’identificatore è vuoto. Spesso sono righe di varianti innocue, ma possono anche nascondere un problema di dati, quindi vengono elencate invece che ignorate.

Le righe senza identificatore di prodotto non creano mai un DUPLICATO da sole, perché ImageDup non può sapere se appartengono a un prodotto o a più d’uno.

I file CSV di prodotti

Un CSV di prodotti è una tabella in testo semplice esportata da una piattaforma e-commerce, un PIM, un marketplace o uno strumento di feed. Ogni riga è un prodotto o una variante; ogni colonna è un campo come SKU, titolo, prezzo o URL immagine. ImageDup legge la prima riga come intestazione, poi ti fa associare le tue colonne ai due campi di cui ha bisogno — un identificatore di prodotto e un URL immagine — più due campi facoltativi: un titolo per rendere leggibili i risultati e un hash immagine.

I nomi delle colonne variano tra i sistemi — image_link, Image Src, main_image, photo_url — quindi ImageDup ipotizza l’associazione dal testo delle intestazioni e segnala un’ipotesi che dovresti confermare. Se un’ipotesi è sbagliata, scegli la colonna giusta dal menu a discesa.

Pulizia del catalogo e verifica dei feed

Controllare gli URL immagine ripetuti è un passo di una revisione del catalogo più ampia. Un giro tipico guarda anche a immagini mancanti, link immagine rotti, titoli o descrizioni assenti, prezzi incoerenti e SKU duplicati. ImageDup si concentra sulla questione dell’URL immagine e ti dà un CSV scaricabile con tutte le righe segnalate, etichettate con un numero di gruppo e un motivo, così puoi passare l’elenco a chi mantiene i dati di origine.

Eseguire il controllo dopo ogni export, o prima di ogni invio di feed, intercetta le ripetizioni introdotte da nuovi prodotti o da un’impostazione di export modificata prima che arrivino a una vetrina o a un canale di vendita.

I limiti del confronto esatto degli URL

Il confronto esatto è preciso ma letterale. Non troverà:

• La stessa immagine a due indirizzi. Gli URL https://cdn.esempio/a.jpg e https://images.esempio/a.jpg, o un URL di CDN e il suo URL di origine, restituiscono una foto ma sono stringhe diverse. ImageDup li tratta come diversi.
• La stessa immagine con un parametro anti-cache. Gli URL photo.jpg?v=1 e photo.jpg?v=2 restano separati, perché una query string può cambiare legittimamente la risposta.
• Copie ridimensionate o ricodificate. Una miniatura e la versione a piena grandezza di una foto sono file diversi ad URL diversi.

Inoltre, per scelta, non unisce http con https, né www con il dominio nudo, né una barra finale, perché possono puntare a risorse diverse.

Per intercettare la stessa foto servita da URL diversi, aggiungi al tuo export una colonna di hash immagine — un MD5 del file, o un hash percettivo come pHash o dHash, in esadecimale — e associala. ImageDup confronta allora sull’hash per ogni riga che ne ha uno e ripiega sull’URL per quelle che non lo hanno. Continua a non calcolare gli hash da solo e a non confrontare le immagini visivamente; si fida dei valori di hash che fornisci.