Een product matchen op afbeelding en naam wanneer de EAN ontbreekt

Zonder EAN kunnen afbeelding en naam een kandidaat voorstellen, maar ze volstaan niet om de identiteit te certificeren. Filter eerst op merk, model of fabrikantreferentie wanneer die beschikbaar zijn. Vergelijk vervolgens een genormaliseerde titel, variantattributen en meerdere visuele kenmerken. Elke afwijking in maat, kleur, hoeveelheid, versie of presentatie moet de automatische acceptatie blokkeren. Het resultaat moet een uitlegbare score met bewijs blijven, gevolgd door validatie door een persoon of een officiële bron. Een generieke afbeelding, een onvolledige titel of een oude verpakking vereist een review, ook als de algehele gelijkenis sterk lijkt.

Waarom twee mooie visuals verschillende producten kunnen voorstellen

Websites hergebruiken vaak een familiefoto voor meerdere maten of kleuren. Een merk kan zijn verpakking wijzigen zonder de inhoud te veranderen, terwijl een actiebundel de foto van de losse eenheid kan gebruiken. Uitsnijden, compressie of bijsnijden verandert ook de pixel-voor-pixel vergelijking. De afbeelding is dus een signaal, geen identificatie.

GS1 publiceert een specifieke standaard voor productafbeeldingen en hun metadata. Deze norm toont het belang van een georganiseerde weergave die aan het artikel is gekoppeld, maar de aanwezigheid van een conforme afbeelding bewijst op zichzelf niet dat twee aanbiedingen identiek zijn. Bewaar de bron-URL, de observatiedatum, de rol van de afbeelding en, als de feed die levert, de bijbehorende variantreferentie.

De naam vormt een vergelijkbaar probleem. "Runningschoen zwart" kan de maat, de generatie en de doelgroep weglaten. "Shampoo 250 ml" en "Shampoo 2 × 250 ml" delen bijna alle woorden, maar niet de verkochte hoeveelheid. Extraheer vóór het berekenen van een gelijkenis de attributen waarvan afwijking het artikel verandert.

Een bewijsdossier per kandidaat opbouwen

Een bruikbaar dossier scheidt brondata van berekende signalen.

Bewaar de ruwe titels en maak vervolgens een vergelijkingsversie: geharmoniseerde hoofdletters, geneutraliseerde interpunctie en genormaliseerde eenheden waar expliciet. Verwijder geen getallen of hoeveelheidstermen, want die onderscheiden vaak varianten. Bewaar ook woorden zoals "mini", "maxi", "refill", "set", "pair" of hun equivalent in de brontaal als hun commerciële betekenis relevant is.

Een tweetraps procedure

1. Filteren op sterke beperkingen

Sluit eerst onmogelijke paren uit. Een ander merk, een tegenstrijdig MPN, een incompatibele maat of een afwijkende pack-inhoud vormt een blokkade, tenzij officieel bewijs de afwijking verklaart. Ontbrekende velden zijn geen overeenstemmingen: ze verminderen simpelweg het beschikbare bewijs.

Als een GTIN slechts aan één kant voorkomt, valideer dan het controlecijfer en zoek naar een geautoriseerde bron die het aan de kandidaat koppelt. De methode om een GTIN te valideren zonder fout-positieven blijft geldig: wiskundige consistentie bevestigt het product niet. Als meerdere varianten onterecht dezelfde code delen, pas dan de review van gevaarlijke GTIN-duplicaten toe.

2. Overige kandidaten rangschikken

Bereken vervolgens afzonderlijke signalen: titelgelijkenis, merkovereenstemming, model, variant, visuele kenmerken en broncontext. Toon niet alleen een globaal percentage. Iemand moet kunnen begrijpen waarom de kandidaat als eerste wordt gerangschikt en welke velden ontbreken.

Een puntensysteem kan intern worden ontworpen, maar geen enkele universele weging is gegarandeerd. Een team zou bijvoorbeeld, als ontwerphypothese, kunnen beslissen dat een exact MPN discriminerender is dan een gelijkende kleur, en dat elke tegenstrijdige packhoeveelheid de kandidaat ongeldig maakt. Deze regels moeten worden getest op een gelabelde dataset, versiebeheerd worden en herzien op basis van fouten. Presenteer ze nooit als een GS1-norm of als een reeds actieve functie.

Afbeeldingen vergelijken zonder de context te vergeten

Een robuuste aanpak combineert meerdere observaties. Een perceptuele hash kan hetzelfde beeld terugvinden na bijsnijden of hercompressie. Descriptoren kunnen vorm of verpakking benaderen. Tekstherkenning kan een gedrukt model opsporen. Elk van deze signalen kan ook mis zijn: een identieke achtergrond kan de afbeelding domineren, een enscenering kan de variant maskeren en kleine tekst kan verkeerd worden gelezen.

Pas deze voorzichtigheidsregels toe:

1. Download alleen afbeeldingen waarvan het gebruik is toegestaan en bewaar de herkomst. 2. Weiger placeholders, losse logo's en te kleine afbeeldingen om informatief te zijn. 3. Vergelijk zo mogelijk de hoofdafbeelding en een secundaire weergave, zonder de voorwaarden van de bron te overschrijden. 4. Detecteer identieke afbeeldingen die op meerdere varianten worden hergebruikt en verminder hun onderscheidend vermogen. 5. Leid nooit een pack af uit het aantal zichtbare objecten als tekst of data dit niet bevestigen. 6. Toon beide visuals naast elkaar tijdens de review.

Een afbeelding kan nuttig zijn om een kandidaat-alert te genereren. Ze mag een structureel tekstconflict niet wegvegen.

Kwaliteit meten met een testset

Stel vóór je matches op grote schaal accepteert een verzameling bevestigde voorbeelden samen en van paren die bewust gelijkend maar verschillend zijn. Neem verpakkingswijzigingen, naburige maten, gelijkende kleuren, eenheden versus packs en generieke afbeeldingen op. Houd deze set apart van het staal dat gebruikt is om de regels af te stellen.

Meet minstens de foutieve matches en de gemiste matches. In een aankoopcontext kan een fout-positief duurder zijn dan een kandidaat die in review blijft. De drempel moet dat risico weerspiegelen. Ze kan ook variëren op basis van het bewijs: een paar met exact hetzelfde MPN en dezelfde attributen heeft niet hetzelfde dossier als een paar dat enkel op twee gelijkende titels berust.

Registreer de menselijke beslissing, het bewijs en het latere resultaat. Een beargumenteerde weigering verbetert de regel; een klik zonder reden maakt het niet mogelijk de fout te begrijpen. Zodra de identiteit bevestigd is, kunnen de aanbiedingen de vergelijking van leveranciers op hetzelfde product ingaan.

Checklist voor menselijke validatie

• ☐ Het merk komt overeen of de afwijking is officieel verklaard.
• ☐ Het model of MPN spreekt zichzelf niet tegen.
• ☐ Maat, kleur, volume en presentatie zijn vergeleken.
• ☐ Het aantal eenheden per pack is tekstueel of structureel bewezen.
• ☐ De afbeeldingen zijn niet generiek en geen placeholders.
• ☐ URL's en herkomstdata zijn bewaard.
• ☐ Ontbrekende attributen tellen niet als overeenstemming.
• ☐ Elk signaal en elke blokkade zijn zichtbaar.
• ☐ De drempel komt uit een geteste, versiebeheerde dataset.
• ☐ Officieel bewijs is gekoppeld aan gevoelige validaties.

Wat ArbitragePro+ kan automatiseren / wat de verkoper zelf moet controleren

De voorgestelde specificatie score-rapprochement-image-nom zou kandidaten kunnen extraheren, titels en visuals kunnen vergelijken, variantblokkades kunnen toepassen en een uitlegbare reviewwachtrij kunnen voorbereiden. Ze zou nooit alleen een gelijkenis tot zekere identiteit mogen promoveren.

De verkoper moet het merk, de referentie, de variant, de pack, de gebruiksrechten van afbeeldingen en het officiële bewijs controleren voordat aanbiedingen worden gekoppeld of een aankoopbeslissing wordt genomen.

Productkandidaten bekijken

Open de zoekfunctie van ArbitragePro+ om beschikbare matches en productinformatie te bekijken.

Officiële bronnen

• GS1, "Product Image Specification Standard", https://www.gs1.org/standards/gs1-product-image-specification-standard/40 — geraadpleegd op 17-08-2026.
• GS1, "Global Trade Item Number (GTIN)", https://www.gs1.org/standards/id-keys/gtin — geraadpleegd op 17-08-2026.
• GS1 Support, "GS1 barcode commonly used for trade item identification", https://support.gs1.org/support/solutions/articles/43000734137-what-is-the-gs1-barcode-commonly-used-for-trade-item-identification- — geraadpleegd op 17-08-2026.