Waarom productdata van leveranciers zelden publiceerklaar is — en hoe u dat oplost

U heeft een akkoord met een nieuwe leverancier. De productfeed is beschikbaar — een XML-bestand, een CSV-export, een FTP-verbinding. U laadt de data in en ziet het probleem meteen: velden die leeg zijn, beschrijvingen die uit een oude papieren catalogus gescand lijken, titels die beginnen met een artikelcode in plaats van een productnaam, categorieën die niet overeenstemmen met uw eigen structuur. Voor publicatie is dit niet geschikt.

Dit is geen uitzondering. Het is de norm. En hoe meer leveranciers u heeft, hoe groter het probleem wordt.

Wat er typisch misgaat met leveranciersdata

Leveranciers optimaliseren hun productdata voor hun eigen systemen — niet voor uw webshop. Wat voor hen logisch gestructureerd is, past zelden direct in uw catalogusstructuur. De meest voorkomende problemen:

Inconsistente veldnamen en structuren. Leverancier A noemt het "EAN", leverancier B "GTIN", leverancier C "barcode". Dezelfde informatie, drie verschillende kolomnamen. Vermenigvuldig dat over tientallen velden en u begrijpt waarom import zonder voorbereiding zelden werkt.

Ontbrekende of onvolledige beschrijvingen. Veel leveranciers hebben productbeschrijvingen die niet verder gaan dan een technische specificatielijst. Bruikbaar als datablad, maar niet als verkooptekst voor uw klanten. Een beschrijving die enkel "kleur: RAL 9003, gewicht: 2,4 kg, IP-bescherming: IP44" bevat, converteert niet.

Afwijkende categoriestructuren. Uw webshop heeft een eigen categorietaxonomie. Die van uw leverancier is anders opgebouwd — soms dieper, soms vlakker, soms gewoon anders benoemd. Producten die aankomen in de categorie "Verlichtingsarmaturen > Industrieel > Halogeenlampen" moeten misschien terechtkomen in "Verlichting > Industriële verlichting" in uw structuur.

Ongebruikbare afbeeldingen. Lage resolutie, geen vrije achtergrond, verkeerde verhoudingen, of gewoon een URL die niet langer werkt. Afbeeldingen zijn het eerste wat een klant ziet — als ze niet kloppen, heeft de rest weinig zin.

Irrelevante of onjuiste attributen. Sommige leveranciers leveren tientallen attributen mee waarvan er maar vijf relevant zijn voor uw klanten. Andere leveren nauwelijks attributen aan terwijl uw productpagina's die net nodig hebben voor filterfuncties en vergelijkingstabellen.

Waarom manuele opkuis niet schaalt

Voor een tientallen producten is manuele correctie haalbaar, zij het tijdrovend. Voor honderden of duizenden producten — zeker wanneer leveranciersdata periodiek bijgewerkt wordt — is manueel werken geen optie. U kunt niet na elke feed-update dezelfde correctierondes doorlopen.

Bovendien: wat u vandaag manueel corrigeert, wordt morgen overschreven wanneer een nieuwe versie van de feed binnenkomt. Tenzij u de correcties opslaat buiten de feed — wat opnieuw een manueel beheerprobleem creëert.

Een gestructureerde aanpak in vier stappen

Stap 1: Normaliseer de input

De eerste stap is het vertalen van de leveranciersstructuur naar uw eigen datamodel. Dat betekent: veldnamen mappen (EAN → eigen barcodeveld), eenheden standaardiseren (gewicht altijd in kg, afmetingen altijd in mm), en consistente codering afspreken (UTF-8, geen speciale tekens in artikelcodes).

Dit is het meest technische deel van het proces maar tegelijk het meest duurzame: eenmaal opgebouwd, doet de mapping zijn werk automatisch bij elke volgende feed-update.

Stap 2: Valideer en filter

Niet elk product uit een leveranciersfeed is geschikt voor publicatie. Producten zonder EAN, zonder afbeelding of zonder minimale beschrijving verdienen een aparte behandeling: in quarantaine plaatsen voor manuele review, of automatisch uitfilteren tot de leverancier de data aanvult.

Een validatielaag die bij import controleert of minimale kwaliteitsdrempels gehaald worden, bespaart u later problemen met publiceerde producten die onvolledig zijn.

Stap 3: Verrijk waar nodig

Producten die technisch correct zijn maar commercieel zwak — korte of droge beschrijvingen, ontbrekende SEO-teksten, onvolledige specificaties — kunnen automatisch aangevuld worden. Dat kan op basis van beschikbare data: als de technische specs er zijn, kan een gestructureerde verrijkingsstap die omzetten naar leesbare, verkoopgerichte teksten zonder dat iemand elk product individueel hoeft te bewerken.

Stap 4: Categoriseer en publiceer

Op basis van de genormaliseerde data en attributen worden producten automatisch in de juiste categorie van uw catalogus geplaatst. Een goed opgezette categorisering detecteert op basis van producteigenschappen waar een product thuishoort — zonder dat u dat per product manueel hoeft te bepalen.

Wat dit oplevert voor uw operatie

Een goed opgezet importproces reduceert de tijd tussen "leverancier levert feed aan" en "producten staan live op uw webshop" van dagen of weken naar uren of minuten. Updates — nieuwe producten, gewijzigde prijzen, aangepaste specificaties — worden automatisch verwerkt en gepubliceerd.

Dat heeft directe impact op uw concurrentiepositie: nieuwe producten staan sneller online, prijswijzigingen zijn direct zichtbaar voor uw klanten, en uw team besteedt zijn tijd aan curatie en strategie in plaats van aan manuele invoer.

---

Conclusie: Leveranciersdata is zelden publiceerklaar. Maar met een gestructureerde aanpak — normalisatie, validatie, verrijking en automatische categorisering — omzet u elke feed in producten die uw klanten daadwerkelijk kunnen vinden, begrijpen en kopen. De investering in dat proces betaalt zich terug bij elke feed-update die daarna automatisch verloopt.