跨平台 SKU 映射與統一指標庫：打造電商平台間「同款商品」的數據統一視角

2025-05-23

核心目標

建立跨電商平台的商品資料庫，實現多站點同款商品的自動映射與關聯關係建立
將價格、庫存、銷量等核心運營指標進行格式與口徑統一，構建通用 KPI 指標池
以 SKU 為核心，搭建監控看板，並建立異常波動即時預警機制（如某站商品突然斷貨、價格劇烈波動等）

一、第一步：收集各站點商品基礎資料

以 Lazada、拼多多、Amazon 為例，透過 LuckData API 抓取商品詳細資訊，為後續同款匹配與指標聚合做準備。

Lazada 商品資料擷取

import requests
def get_lazada_product_detail(site, item_id):
url = "https://luckdata.io/api/lazada-online-api/x3fmgkg9arn3"
params = {
"site": site,  # 支援 "vn"、"th"、"ph"
"itemId": item_id
}
res = requests.get(url, params=params)
return res.json()
lazada_data = get_lazada_product_detail("vn", "2396338609")
print(lazada_data["data"]["title"], lazada_data["data"]["price"])

拼多多商品資料（模擬結構）

可透過自建爬蟲或使用 LuckData 提供的拼多多 API 接口獲取。

pdd_data = { "title": "小熊電熱飯盒雙層加熱蒸飯器", "price": 129.0, "sku_id": "pdd_948571", "image": "https://cdn.example.com/pdd.jpg" }

Amazon 商品資料（可接入 PA API 或爬蟲）

amazon_data = { "title": "Bear Electric Lunch Box, 2-Tier Food Steamer", "price": 34.99, "asin": "B09XY1234L", "image": "https://cdn.example.com/amazon.jpg" }

二、核心演算法：SKU 同款匹配與聚合

✅ 方法一：基於標題相似度進行同款判斷

利用文字相似度演算法如 FuzzyWuzzy 或 RapidFuzz 計算不同平台商品標題的相似程度。

from rapidfuzz import fuzz
def is_same_product(title_a, title_b, threshold=80):
score = fuzz.token_sort_ratio(title_a.lower(), title_b.lower())
return score > threshold
matched = is_same_product(lazada_data["data"]["title"], amazon_data["title"])
print("是否為同款商品：", matched)

為提高精度，可採用加權相似度計算，參考如下：

商品標題相似度（70%）
商品圖片哈希相似度（15%）
品牌/型號結構解析後的比對相似度（15%）

✅ 方法二：建立 SKU 標準庫與映射

為每個邏輯上的“同款商品”生成唯一 SKU ID，並將其對應到各平台的商品資料：

{
"sku_id": "SKU_001",
"standard_title": "Bear Electric Lunch Box 2-Tier",
"platforms": {
"lazada_vn": {"item_id": "2396338609", "price": 135000, "url": "..."},
"pinduoduo": {"sku_id": "pdd_948571", "price": 129.0},
"amazon": {"asin": "B09XY1234L", "price": 34.99}
}
}

此結構可作為後續指標彙總、監控看板與預警機制的基礎資料模型。

三、統一指標：價格、庫存、銷量標準化

建立統一的跨平台指標資料表（每日定時更新）

SKU ID	平台	商品標題	價格	庫存	銷量	日期
SKU_001	Lazada_vn	Bear Electric Lunch Box	135000	54	320	2025-05-21
SKU_001	Pinduoduo	小熊電熱飯盒	129.0	68	480	2025-05-21
SKU_001	Amazon	Bear Electric Lunch Box (EN)	34.99	23	890	2025-05-21

? 樣板展示方式：搭建跨平台 SKU 維度看板

推薦使用以下工具快速構建可視化介面：

Streamlit + Pandas：構建靈活互動式 Web 看板
Google Data Studio：連接 Google Sheets 快速上線
PowerBI / Tableau：滿足企業級多維數據展示需求

四、預警機制與智慧監控

✅ 價格異常變動即時告警範例

實現邏輯：若某 SKU 在任一平台出現價格變動超過預設閾值（如15%），即觸發告警推送。

def price_alert(sku_id, price_today, price_yesterday):
delta = abs(price_today - price_yesterday) / price_yesterday
if delta > 0.15:
return f"[警告] SKU {sku_id} 價格波動超過 15%"

告警可透過自動任務排程（如 Airflow / CRON）每日執行，並推送至飛書、Slack、郵件等渠道。

五、進階方向：從規則擴展到 AI 同款識別

階段	核心技術與重點
V1	基於標題相似度 + 人工確認建立 SKU 映射
V2	引入圖片 hash 相似度 + 規則化品牌型號識別
V3	採用 AI 模型融合圖片與標題，進行商品匹配聚類

從文字相似度出發，逐步引入圖片與語義匹配模型，實現更準確的跨平台商品同款判斷與聚合。

✅ 總結回顧

利用 API 高效構建 Lazada / 拼多多 / Amazon 的商品資料集
透過文字與圖片相似度計算，構建統一的 SKU 資料庫
整合跨平台價格、銷量、庫存等運營指標，實現指標標準化
搭建 SKU 維度的監控看板與異常預警機制
可進一步應用於「同款價格對比」、「爆品監控」、「異常波動追蹤」等智慧化運營應用