¿Cómo detectar sinónimos no controlados en un catálogo con una hoja de cálculo?
Un ejercicio práctico para identificar inconsistencias de vocabulario en catálogos existentes, sin herramientas avanzadas. Solo Excel, criterio y paciencia.
A veces, el problema de un catálogo no está en que falten datos, sino en que los datos están diciendo lo mismo de muchas maneras distintas.
Un producto tiene el color “Rojo”. Otro tiene “rojo”. Otro, “ROJO”. Otro, “Colorado”. Otro, “Red”. A simple vista, una persona puede entender que todos esos valores hablan más o menos de lo mismo. Pero para una hoja de cálculo, un PIM, un buscador interno o un filtro de eCommerce, no son iguales: son cinco valores distintos.
Ahí aparece uno de los problemas más comunes en los catálogos de producto: los sinónimos no controlados.
No siempre hacen ruido al principio. No parecen tan graves como una imagen faltante, una descripción vacía o un precio incorrecto. Pero, cuando se acumulan, empiezan a afectar la búsqueda, los filtros, los reportes, las integraciones y el trabajo diario de los equipos.
La buena noticia es que no hace falta empezar con una herramienta sofisticada para detectarlos. Muchas veces alcanza con una hoja de cálculo, un poco de orden y una mirada paciente. Como cuando revisamos una alacena: primero sacamos todo, agrupamos lo parecido, detectamos lo repetido y recién después decidimos qué frasco queda, cuál se combina y cuál necesita etiqueta nueva.
Un sinónimo no controlado aparece cuando el catálogo usa palabras distintas para nombrar el mismo concepto. Para una persona puede ser evidente; para un sistema, no.
¿Qué son los sinónimos no controlados en un catálogo?
Los sinónimos no controlados son formas distintas de escribir, nombrar o representar un mismo valor dentro del catálogo.
Pueden aparecer en casi cualquier atributo: color, material, marca, unidad de medida, tipo de producto, género, temporada, categoría, acabado, país de origen, autor, editorial, proveedor o uso recomendado.
Algunos ejemplos simples:
- “Camiseta”, “remera”, “playera” y “polera”.
- “Acero inoxidable”, “acero inox”, “inoxidable” y “stainless steel”.
- “Negro”, “black”, “NEGRO” y “negro”.
- “Kilogramo”, “kg”, “KG” y “kilo”.
- “Infantil”, “niño”, “kids” y “junior”.
El problema no es que existan distintas formas de hablar, eso es normal, el lenguaje cambia según el país, el proveedor, el equipo, el canal y hasta la costumbre interna de cada empresa. El problema aparece cuando el catálogo no define cuál de esas formas será el término preferido y cuáles quedarán como variantes, equivalencias o términos no recomendados.
En un vocabulario controlado, ese criterio se ordena. Por ejemplo, podemos decidir que el valor oficial será “Camiseta” y que “remera”, “playera” y “polera” se tratarán como sinónimos o términos equivalentes. Así, el catálogo conserva una forma consistente de nombrar el producto, pero no pierde la riqueza del lenguaje real que usan los usuarios.
¿Por qué los sinónimos no controlados dañan la calidad del catálogo?
Los sinónimos no controlados afectan el catálogo porque rompen la consistencia. Y la consistencia es una de las bases de la calidad de datos.
Cuando un mismo valor aparece escrito de varias maneras, pasan varias cosas al mismo tiempo:
- El filtro de eCommerce puede mostrar opciones duplicadas.
- El buscador puede devolver resultados incompletos.
- Los reportes pueden contar como diferentes productos que deberían agruparse.
- Las integraciones pueden enviar valores que el canal de destino no reconoce.
- Y el equipo puede perder tiempo corrigiendo manualmente lo que debería estar resuelto desde el modelo de datos.
Un ejemplo muy simple: si el atributo “Material” tiene los valores “Algodón”, “algodón”, “Cotton” y “Algodon” sin tilde, el filtro puede mostrar cuatro opciones distintas. Para el usuario, eso se ve desprolijo. Para el equipo, implica limpiar datos. Para el sistema, son valores diferentes.
El resultado es una experiencia menos clara.
Los sinónimos no controlados no solo ensucian la base. También hacen que el catálogo sea más difícil de navegar, filtrar, analizar e integrar.
¿Por qué conviene empezar con una hoja de cálculo?
Una hoja de cálculo no es una solución definitiva para gobernar un catálogo. Pero sí puede ser una herramienta muy útil para diagnosticar problemas de vocabulario.
Excel o Google Sheets permiten ver patrones que, en el uso diario del catálogo, quedan escondidos. Podemos contar cuántas veces aparece cada valor, ordenar alfabéticamente, agrupar términos parecidos, detectar errores de tipeo, identificar valores vacíos y preparar una tabla de equivalencias.
La clave es no confundir la herramienta con el criterio. La hoja de cálculo nos ayuda a mirar el catálogo con más claridad, pero la decisión sobre qué término queda como preferido sigue siendo una decisión editorial, comercial y operativa.
En otras palabras: Excel no decide por nosotros, pero nos muestra dónde mirar.
Antes de empezar: ¿qué columna conviene revisar primero?
No conviene intentar limpiar todo el catálogo al mismo tiempo. Es tentador abrir una planilla enorme y querer normalizar cada columna, pero eso suele volverse inmanejable. Mi recomendación es empezar por un atributo visible, importante y repetido.
Los mejores candidatos suelen ser:
- Marca.
- Color.
- Material.
- Categoría.
- Tipo de producto.
- Unidad de medida.
- Género o público.
- Acabado.
- Talle o tamaño.
- Autor, editorial o fabricante, según la industria.
La regla práctica es esta: si ese atributo se usa para buscar, filtrar, publicar o integrar, vale la pena revisarlo primero.
Por ejemplo, si trabajamos con indumentaria, color y talle suelen ser críticos. Si trabajamos con libros, autor y editorial pueden ser campos muy sensibles. Si trabajamos con productos industriales, material, voltaje, unidad de medida o tipo técnico pueden tener mucho impacto. Si trabajamos con construcción o ferretería, categorías, subcategorías y atributos técnicos suelen ser un buen punto de partida.
No hace falta elegir la columna perfecta. Hace falta elegir una columna importante y empezar.
Paso 1: exportar el catálogo y aislar el atributo
El primer paso es exportar el catálogo a Excel o Google Sheets. Lo ideal es trabajar con una copia, no sobre el archivo original. Parece una obviedad, pero cuando estamos limpiando datos conviene mantener siempre una versión sin tocar para poder volver atrás.
Una estructura mínima podría tener estas columnas:
| SKU | Nombre del producto | Categoría | Marca | Atributo a revisar | Canal | Proveedor |
|---|
Si vamos a revisar color, dejamos una columna llamada “Color original”. Si vamos a revisar material, “Material original”. Si vamos a revisar marca, “Marca original”.
Después, conviene crear algunas columnas auxiliares:
| Valor original | Valor normalizado | Término preferido | Observación | Acción sugerida |
|---|
Estas columnas nos permiten separar tres cosas que muchas veces se mezclan: lo que vino en el dato, lo que detectamos como equivalente y la decisión editorial o de negocio que vamos a tomar.
Paso 2: limpiar lo básico sin decidir todavía
Antes de decidir si dos valores son sinónimos, conviene hacer una limpieza básica de formato. Esta etapa no define vocabulario, solo prepara la información para verla mejor.
En una columna auxiliar podemos aplicar funciones simples para quitar espacios al inicio y al final, pasar todo a minúsculas, unificar dobles espacios, detectar diferencias de tildes, separar abreviaturas frecuentes o identificar valores vacíos.
En Excel o Google Sheets, funciones como ESPACIOS, MINUSC, MAYUSC, SUSTITUIR o CONTAR.SI pueden ayudar mucho. No hace falta hacer una automatización compleja. Con una columna auxiliar que convierta “ Rojo”, “ROJO” y “rojo ” en una misma forma de análisis, ya ganamos visibilidad.
Por ejemplo:
| Valor original | Valor auxiliar |
|---|---|
| “ Rojo” | “rojo” |
| “ROJO” | “rojo” |
| “rojo ” | “rojo” |
Este paso ayuda a separar dos tipos de problema: las inconsistencias de formato y las inconsistencias de vocabulario. No son lo mismo. “Rojo” y “rojo” son una diferencia de formato. “Rojo” y “Colorado” ya requieren una decisión de vocabulario.
Antes de decidir qué término queda como oficial, conviene limpiar el formato. Muchas inconsistencias parecen conceptuales, pero empiezan siendo espacios, mayúsculas o errores de tipeo.
Paso 3: crear una tabla dinámica de valores únicos
Una vez que tenemos el atributo aislado y una columna auxiliar más limpia, podemos crear una tabla dinámica.
El objetivo es ver cuántas veces aparece cada valor. Para eso, usamos el atributo revisado como fila y el conteo de productos como valor.
El resultado puede verse así:
| Valor detectado | Cantidad de productos |
|---|---|
| negro | 320 |
| black | 45 |
| NEGRO | 18 |
| negor | 3 |
| azul | 210 |
| blue | 34 |
| acero inoxidable | 140 |
| acero inox | 22 |
| inoxidable | 11 |
Esta vista es muy útil porque nos permite detectar patrones. Los valores con más frecuencia suelen mostrar los términos principales. Los valores con poca frecuencia suelen revelar errores de tipeo, variantes raras, abreviaturas o cargas excepcionales.
También permite priorizar. No siempre conviene empezar por el valor más raro. A veces es mejor corregir primero las familias de términos más usadas, porque tienen más impacto en la navegación, en los filtros y en la publicación.
Paso 4: ordenar alfabéticamente para ver vecinos sospechosos
Después de contar los valores, conviene ordenarlos alfabéticamente. Este paso es muy simple, pero sirve muchísimo.
Cuando ordenamos alfabéticamente, aparecen juntos valores como:
Acero
Acero inox
Acero inoxidable
Acero Inoxidable
Ac. inoxidable
O también:
Gris
Gris claro
Gris oscuro
Gris plata
Gray
Acá empieza el trabajo de criterio. No todos los valores parecidos son sinónimos. “Gris claro” y “gris oscuro” no necesariamente deberían unificarse, porque pueden representar características diferentes. Pero “Acero inox” y “Acero inoxidable” probablemente sí deberían vincularse.
Esta diferencia es central: detectar sinónimos no significa aplastar todo lo parecido. Significa entender cuándo dos valores representan el mismo concepto y cuándo expresan una diferencia útil para el catálogo.
Paso 5: marcar grupos de equivalencia
Una vez detectados los valores sospechosos, podemos empezar a armar grupos de equivalencia. Para eso, agregamos una columna llamada “Grupo sugerido” o “Término preferido”.
Por ejemplo:
| Valor original | Valor auxiliar | Término preferido | Observación |
|---|---|---|---|
| Acero inox | acero inox | Acero inoxidable | Abreviatura |
| Acero inoxidable | acero inoxidable | Acero inoxidable | Valor correcto |
| Inoxidable | inoxidable | Acero inoxidable | Revisar contexto |
| Stainless steel | stainless steel | Acero inoxidable | Traducción |
| acero inoxidable | acero inoxidable | Acero inoxidable | Diferencia de mayúscula |
Esta tabla todavía no es la limpieza final. Es una propuesta de normalización. Lo ideal es revisarla con alguien que conozca el negocio, porque hay casos donde el contexto cambia el significado.
Por ejemplo, “inoxidable” puede referirse a material, pero también puede aparecer dentro de una descripción más amplia. “Natural” puede ser un color, un acabado, una composición o un atributo comercial. “Premium” puede ser una línea, una colección o simplemente una palabra de marketing.
Por eso, una buena revisión de sinónimos combina hoja de cálculo y criterio humano.
Paso 6: separar sinónimos, errores y diferencias reales
No todo lo que encontramos en la planilla debe resolverse de la misma manera. En general, conviene clasificar los hallazgos en tres grupos.
El primer grupo son los sinónimos reales. Son valores distintos que representan el mismo concepto. Por ejemplo, “remera”, “camiseta” y “playera”, si el negocio decide tratarlos como equivalentes.
El segundo grupo son los errores de escritura o formato. Por ejemplo, “Algodon”, “algodòn”, “algodón ” y “ALGODÓN”. En este caso, no hay una discusión conceptual. Hay que corregir el dato.
El tercer grupo son las diferencias reales. Son valores parecidos, pero no iguales. Por ejemplo, “gris claro” y “gris oscuro”, “algodón” y “algodón orgánico”, “acero” y “acero inoxidable”. Si los unificamos sin pensar, perdemos información útil.
Esta separación evita uno de los errores más comunes en procesos de limpieza: normalizar de más. Una mala normalización puede ser tan problemática como no normalizar. Si convertimos diferencias reales en un único valor genérico, el catálogo queda más prolijo, pero menos preciso.
Normalizar no es borrar diferencias. Es decidir qué diferencias son útiles y cuáles solo generan ruido.
Paso 7: construir una tabla maestra de vocabulario
Cuando ya tenemos identificados los grupos principales, conviene construir una tabla maestra. Esta tabla puede vivir en otra hoja del mismo archivo y funcionar como referencia para futuras limpiezas.
Una estructura simple puede ser:
| Término preferido | Variantes aceptadas | Variantes no recomendadas | Tipo de acción |
|---|---|---|---|
| Camiseta | remera, playera, polera | t-shirt, tshirt | Mapear como sinónimo |
| Acero inoxidable | acero inox, stainless steel | inoxidable solo | Revisar contexto |
| Kilogramo | kg, kilo, KG | kgs | Normalizar unidad |
| Azul | blue, AZUL | azúl | Corregir valor |
Esta tabla empieza a convertirse en un pequeño vocabulario controlado. No tiene que ser perfecto desde el primer día. De hecho, casi nunca lo es. Lo importante es que deje registro de las decisiones tomadas.
Si mañana otra persona encuentra “playera” en una carga nueva, ya no tiene que decidir desde cero. Puede consultar la tabla y ver que el término preferido es “Camiseta”.
Ese registro es lo que transforma una limpieza puntual en un proceso sostenible.
Paso 8: aplicar la normalización con BUSCARV o BUSCARX
Una vez construida la tabla maestra, podemos usarla para completar automáticamente el valor normalizado en el catálogo.
En Excel, esto puede hacerse con BUSCARV, BUSCARX o XLOOKUP, según la versión. En Google Sheets, también se puede usar BUSCARV o combinaciones con ÍNDICE y COINCIDIR.
La lógica es simple: si el valor original aparece en la tabla de variantes, la hoja devuelve el término preferido.
Por ejemplo:
| Valor original | Resultado normalizado |
|---|---|
| acero inox | Acero inoxidable |
| black | Negro |
| kg | Kilogramo |
Esto permite revisar el catálogo completo sin corregir celda por celda. Pero conviene dejar una columna de control para los valores que no encontraron coincidencia. Esos valores nuevos son los que necesitan revisión manual.
Una fórmula no reemplaza el criterio. Solo nos ayuda a no repetir trabajo.
Paso 9: revisar los casos dudosos con contexto
Los valores dudosos necesitan contexto. Y, en un catálogo, el contexto suele estar en el nombre del producto, la categoría, la familia, la descripción o el proveedor.
Por ejemplo, si encontramos el valor “natural”, necesitamos saber de qué atributo estamos hablando. En color, puede ser un tono. En composición, puede ser una característica del material. En alimentos, puede ser una condición del producto. En decoración, puede ser un acabado.
Lo mismo pasa con palabras como “industrial”, “premium”, “clásico”, “profesional”, “standard” o “universal”. Pueden ser útiles, pero también pueden ser demasiado ambiguas.
Por eso, en la hoja de cálculo conviene tener columnas de apoyo. No revisamos el valor aislado en el aire. Lo revisamos junto con la categoría, el nombre del producto y, si hace falta, alguna descripción breve.
Este paso es más lento, pero es el que evita decisiones incorrectas.
Paso 10: documentar la regla para que no vuelva a pasar
La limpieza de sinónimos no controlados no termina cuando corregimos la planilla. Termina cuando dejamos una regla clara para que el problema no se repita.
Esa regla puede ser muy simple:
- Usar siempre “Acero inoxidable”, no “acero inox”.
- Usar “Camiseta” como término preferido para el catálogo regional.
- Mantener “gris claro” y “gris oscuro” como valores separados.
- No usar traducciones en atributos visibles en español.
- Revisar todo valor nuevo antes de sumarlo al listado oficial.
Lo importante es que la decisión quede escrita y sea fácil de consultar. Si no queda documentada, el catálogo vuelve a depender de la memoria de las personas. Y la memoria, en equipos grandes o catálogos de mucho volumen, no escala.
Cada corrección debería convertirse en una regla. Si no se documenta, el mismo problema vuelve a aparecer en la próxima carga de productos.
¿Cada cuánto conviene revisar los sinónimos?
No hay una frecuencia única. Depende del tamaño del catálogo, la cantidad de proveedores, los canales activos y el ritmo de carga de productos.
Pero hay momentos donde la revisión es especialmente útil: antes de una implementación PIM, antes de migrar datos a una nueva plataforma, antes de publicar en un marketplace, después de recibir una carga grande de proveedor, antes de activar filtros nuevos en el eCommerce o cuando el buscador devuelve resultados pobres o incompletos.
También puede ser una revisión periódica. Por ejemplo, una vez por mes sobre los atributos más críticos. No hace falta revisar todo siempre. Es mejor sostener una limpieza pequeña y constante que hacer una limpieza enorme una vez cada tres años.
Cuando el proveedor trae su propio idioma
En muchos catálogos, los sinónimos no controlados aparecen porque cada proveedor entrega los datos con su propia lógica. Uno usa abreviaturas. Otro manda valores en inglés. Otro escribe todo en mayúsculas. Otro mezcla unidad de medida con valor. Otro entrega atributos dentro de la descripción.
El problema no es el proveedor. El proveedor entrega la información como puede, con sus sistemas, sus plantillas y sus criterios. El problema es no tener una capa de normalización antes de incorporar esos datos al catálogo.
En proyectos de catalogación, este paso suele ser clave. Antes de enriquecer, publicar o integrar, hay que revisar si los valores que entran al sistema respetan el vocabulario que el catálogo necesita. Si no, el PIM termina recibiendo ruido ordenado en columnas.
Y una columna prolija no siempre significa un dato limpio.
Un catálogo puede estar perfectamente tabulado y aun así tener vocabulario inconsistente. El orden visual de la planilla no garantiza calidad semántica.
¿Qué hacer después de detectar los sinónimos?
Detectar sinónimos no controlados es apenas el primer paso. Después hay que decidir qué hacer con ellos.
La ruta más simple suele tener cuatro etapas. Primero, identificar las variantes. Segundo, definir el término preferido. Tercero, mapear las equivalencias. Cuarto, aplicar reglas para que los nuevos datos entren ya normalizados.
Si la empresa trabaja con un PIM, esta tabla puede servir como base para configurar opciones de atributos, listas de valores permitidos, reglas de validación o flujos de revisión. Si todavía trabaja con Excel, puede funcionar como referencia maestra para las personas que cargan y corrigen información.
Lo importante es no tratar cada limpieza como un caso aislado. Cada corrección debería alimentar una regla. Cada regla debería mejorar el catálogo futuro.
El valor real está en el criterio, no en la herramienta
Excel no resuelve por sí solo los problemas de vocabulario. Pero ayuda a verlos. Y, muchas veces, ver el problema con claridad ya cambia la conversación.
Cuando una tabla dinámica muestra que “negro”, “black”, “NEGRO”, “Negro” y “negor” aparecen como cinco valores diferentes, deja de ser una sensación y se convierte en un diagnóstico. Cuando podemos contar cuántos productos están afectados, podemos priorizar. Cuando podemos mapear variantes, podemos construir reglas. Cuando documentamos esas reglas, empezamos a gobernar el vocabulario.
Detectar sinónimos no controlados es un trabajo paciente, casi editorial. Hay que leer, comparar, agrupar, distinguir matices y decidir qué forma será la más clara para el catálogo. No se trata solo de corregir palabras. Se trata de ordenar el lenguaje con el que el catálogo se comunica con usuarios, equipos y sistemas.
Un buen vocabulario controlado no elimina la riqueza del lenguaje: la organiza. Permite que el catálogo hable con una voz más clara, que los filtros funcionen mejor y que los equipos dejen de resolver una y otra vez las mismas dudas. A veces, el primer paso no es comprar una herramienta nueva, sino abrir una hoja de cálculo y mirar con atención cómo estamos nombrando las cosas.
