Párování produktů s konkurencí bez EAN: proč je to nejtěžší část

Každý nástroj, který porovnává produkty napříč e-shopy, stojí na jednom předpokladu: že poznáte, kdy jsou dvě nabídky stejný produkt. Cenová analytika, analýzy trhu, agregátory, nástroje na automatické přeceňování, všechny bez výjimky. Kdyby každý e-shop publikoval čistý EAN nebo GTIN u každého produktu, byl by to vyřešený problém. Spojili byste dvě tabulky přes sloupec s čárovým kódem a měli hotovo.

Jenže stačí opustit značkovou elektroniku a celý předpoklad se zhroutí.

Pozor, nejde o párování v Heurece nebo na Zboží.cz, kde e-shop přiřazuje vlastní feed ke kartě produktu ve srovnávači. Tady jde o párování produktů s konkurencí: o stejné produkty napříč e-shopy, vaše i konkurence, bez společného katalogu.

Ve zkratce: zhruba čtyři páry produktů z deseti nemají napříč e-shopy společný EAN ani GTIN. V našich produkčních datech (říjen 2026) 40,6 % z 9 milionů potvrzených párů mezi českými e-shopy nesdílí žádný zveřejněný EAN ani SKU, od 7 % u koupelnového vybavení po 73 % u hudebních nástrojů. Podobnost názvů, obrázků ani cen sama o sobě nestačí. Funguje kombinace všech signálů a pak nezávislé ověření každého kandidátního páru verdiktem ano/ne.

Přesvědčte se sami

Níže jsou čtyři páry skutečných nabídek z českých e-shopů, stažené z naší produkce a anonymizované, včetně fotek. Žádná elektronika: odkapávač na nádobí, odpadkový koš, forma na bábovku, zahradní houpačka. Máte všechny výhody, které software nemá: kontext, intuici a možnost podívat se pořádně zblízka. Stejný produkt, nebo ne?

Kam se poděly identifikátory

EANy nechybí proto, že by e-shopy byly líné. Chybí ze systémových důvodů:

• Privátní a vlastní značky veřejný čárový kód často vůbec nedostanou. E-shop je jediný prodejce, takže ho nikdo neregistruje.
• Long-tailové kategorie jako nábytek, móda, kosmetika a náhradní díly fungují na dodavatelských kódech a interních SKU, která mimo jeden sklad nic neznamenají.
• Přeprodejci produkty přejmenovávají. Odpadkový koš z kvízu je v jednom e-shopu bezznačkový „ODPADKOVÝ KOŠ 54 l“ a v druhém Curver Verto a obě nabídky se neshodnou ani na výrobci. Ani jeden e-shop nedělá chybu; jen neexistuje nikdo, kdo by názvy sjednocoval.
• Ani existující EANy často nejsou vidět. Spousta e-shopů má čárový kód v ERP a na produktovou stránku ho nikdy nevypíše.

Nejde o okrajový případ. Z 9 milionů párů, které náš engine potvrdil mezi českými e-shopy, 40,6 % nesdílí žádný zveřejněný EAN ani SKU, a čím dál od elektroniky, tím víc. Nástroj, který páruje jen přes čárové kódy, mine čtyři páry z deseti.

Čím dál jste od značkové elektroniky, tím větší část katalogu je pro párování přes identifikátory neviditelná. Právě produkty, u kterých má porovnání cen největší hodnotu, protože je nikdo jiný nesleduje, nemají žádný společný klíč.

Proč zjevná řešení selhávají

První instinkt je fuzzy matching názvů: normalizovat názvy, spočítat podobnost řetězců, nastavit práh. Kvíz výše ukazuje, proč to v praxi neobstojí:

• Názvy klamou oběma směry. Dvě nabídky formy na bábovku se shodují v 63 % písmen a jsou to různé produkty. Pár odpadkových košů se shoduje sotva v polovině a je to jeden produkt. Elektronika na tom není o nic líp: Logitech MX Master 3 a 3S se liší jedním znakem a celou generací.
• Ceny se shlukují. Barevné varianty, generace a velikosti balení příbuzných produktů se pohybují ve stejném cenovém pásmu. Malý rozdíl může znamenat slevu u konkurence, nebo jiný produkt.
• Obrázky klamou taky. E-shopy používají stejné rendery výrobce pro různé varianty a stejný produkt fotí na různých pozadích. Pár forem na bábovku měl 86% podobnost obrázků a jsou to dva různé produkty.

Ať zvolíte jakýkoli práh, nějaký skutečný pár skončí na špatné straně. Zpřísníte ho a přijdete o skutečné páry. Uvolníte ho a vyrobíte falešné, a ty jsou dražší: nástroj na přeceňování, který si splete karamelovou formu s grafitovou, špatně nacení obě.

Co skutečně funguje

V datovém inženýrství se tomu říká entity resolution neboli record linkage, tady nad produktovými katalogy. Žádnému jednotlivému signálu se nedá věřit, tak žádnému jednotlivému signálu nevěřte. Párování, které funguje i v long tailu, čte produkt tak, jak ho čte člověk: název, parametry, obrázky, popis, cenový kontext a jakékoli dílčí identifikátory (MPN, kód modelu, dodavatelské SKU), které náhodou existují. Kód modelu zahrabaný v názvu je vodítko, i když je pole s čárovým kódem prázdné. Každý signál přispívá; žádný sám o sobě nerozhoduje.

Podobnost navrhuje. Validace rozhoduje. Druhou polovinu většina párovacích projektů vynechává: konečný verdikt ano/ne pro každý kandidátní pár, vynesený nezávisle na skóre podobnosti, které ho navrhlo. Právě tenhle verdikt nepustí do vašich dat záměny barevných variant. A je to přesně to, co jste viděli po každé odpovědi v kvízu: zaznamenané zdůvodnění, ne práh.

Jak párovat produkty bez EAN: 5 kroků

1. Použijte identifikátory tam, kde existují. Shodný EAN, GTIN nebo MPN je nejlevnější důkaz. Jen nečekejte, že pokryje celý katalog.
2. Vytáhněte parametry z názvů a popisů. Značka, kód modelu, velikost, barva, balení. Bez strukturovaných parametrů nemáte co porovnávat.
3. Hledejte kandidáty přes kombinaci signálů. Fuzzy matching názvů, parametry, podobnost obrázků a cenový kontext dohromady. Kandidát je návrh, ne shoda.
4. Každý kandidátní pár nezávisle ověřte. Verdikt ano/ne s důrazem na varianty: barva, velikost, generace, balení. Tady se rozhoduje o kvalitě dat.
5. Zaznamenejte zdůvodnění. U každého verdiktu uložte, proč padl, ať jde chybný pár dohledat a opravit.

DeepScout (deepscout.ai) je česká služba a API pro scraping e-shopů a párování produktů s konkurencí. Přesně takhle jeho párování funguje pod kapotou, a proto nepotřebuje EANy. 88 646 potvrzených párů mezi dvěma českými elektro e-shopy vzniklo tímhle způsobem, včetně všech produktů, ke kterým ty dva e-shopy nikdy nepublikovaly čárový kód. Jak engine funguje, uvidíte na živých příkladech na stránce DeepScout API nebo ho můžete volat z Claude a dalších AI agentů přes MCP server DeepScoutu.

Čtěte dál: Proč scrapery reznou: build vs. buy, když scrapujete stovky e-shopů. Párování potřebuje nejdřív data a udržet stovky e-shopů správně nascrapované je samostatný problém.