Thin Content Detector: dokumentacja

DataFirefly Thin Content Detector automatycznie skanuje produkty, kategorie i strony CMS we wszystkich aktywnych językach sklepu. Wykrywa trzy toksyczne dla SEO wzorce (zbyt uboga treść, zduplikowane opisy i strony zdominowane przez boilerplate) i generuje sugestie wzbogacenia przez AI gotowe do wklejenia. Ten przewodnik obejmuje instalację, konfigurację, codzienne użytkowanie, planowanie cron i rozwiązywanie problemów.

Przegląd

Od Helpful Content Update Google aktywnie obniża strony, których treść jest zbyt krótka, zbyt podobna do innych stron lub zbyt zdominowana przez powtarzalne elementy. W sklepie e-commerce to typowo karty przejęte od dostawcy, kategorie z dwoma generycznymi zdaniami lub warianty dzielące 95 % opisu. Niewidoczne gołym okiem na 500 produktach, ale skumulowane, to właśnie one blokują ranking Twojej witryny.

Trzy typy wykrywania

• Thin content: strony poniżej konfigurowalnego progu słów. Trzy poziomy powagi według odchylenia od progu (krytyczny poniżej 25 %, ostrzeżenie 25-75 %, notatka 75-100 %).
• Duplikaty: wykrywanie w dwóch przebiegach: hash SHA1 dla duplikatów dokładnych (powaga 3), następnie podobieństwo Jaccarda powyżej konfigurowalnego progu dla quasi-duplikatów (powaga 2).
• Stosunek template / treść: identyfikuje tokeny współdzielone ze stronami siostrzanymi (ta sama kategoria nadrzędna) i oblicza procent tokenów unikalnych per strona. Strona z 200 słowami, ale 90 % boilerplate’u jest równie toksyczna jak strona z 30 słowami.

Instalacja

1. Wgraj ZIP modułu przez Moduły > Menedżer modułów > Wgraj moduł.
2. Kliknij Zainstaluj. Moduł tworzy dwie tabele (ps_dfthincontent_issue i ps_dfthincontent_scan) oraz zakładkę administracyjną w menu Katalog.
3. Wejdź do modułu przez Katalog > Thin Content (DataFirefly).

Konfiguracja

Kliknij przycisk Konfiguracja na pasku modułu. Dostępne są trzy panele.

Progi wykrywania

• Minimum słów produkt: domyślnie 150. Każdy produkt, którego długi i krótki opis łącznie zawierają mniej niż 150 słów, zostanie zgłoszony.
• Minimum słów kategoria: domyślnie 100.
• Minimum słów strona CMS: domyślnie 250.
• Próg podobieństwa Jaccarda: domyślnie 85 %. Powyżej dwie strony są uznawane za quasi-duplikaty.
• Minimalny stosunek template: domyślnie 30 %. Poniżej strona jest uznawana za zbyt zdominowaną przez boilerplate.

Cele skanowania

• Skanuj produkty (domyślnie ON).
• Skanuj kategorie (domyślnie ON).
• Skanuj strony CMS (domyślnie ON).
• Automatyczny rescan przy zapisie (domyślnie OFF). Gdy jest włączony, każdy zapis produktu, kategorii lub strony CMS wyzwala celowany retest wyłącznie tego obiektu. W czasie rzeczywistym widzisz, czy Twoje przepisanie wystarcza do przekroczenia progów.

Konfiguracja AI

Sugestie wzbogacenia używają endpointu zgodnego z OpenAI (chat completions). Obejmuje to szeroki wachlarz dostawców:

• OpenAI: endpoint https://api.openai.com/v1/chat/completions, zalecany model gpt-4o-mini (około 0,001 euro za sugestię).
• Mistral AI: endpoint https://api.mistral.ai/v1/chat/completions, model mistral-small-latest.
• Groq: endpoint https://api.groq.com/openai/v1/chat/completions, model llama-3.3-70b-versatile. Bardzo szybki.
• Ollama lokalnie: endpoint http://localhost:11434/v1/chat/completions, dowolny pobrany model. Koszt zerowy.
• Anthropic przez proxy zgodne z OpenAI.

Parametry do wprowadzenia:

• Endpoint: pełny adres do /v1/chat/completions.
• Model: identyfikator modelu u dostawcy.
• Klucz API: Bearer token. Przechowywany w postaci zaszyfrowanej przez system konfiguracji PrestaShop.
• Max tokens: domyślnie 600. Wystarczające dla standardowej sugestii wzbogacenia.

Użytkowanie: pulpit

Pulpit to strona główna modułu. Wyświetla:

• Trzy główne liczniki: łączna liczba problemów otwartych, poprawionych, zignorowanych.
• Podział według typu problemu: thin / duplicate / template.
• Podział według typu obiektu: produkt / kategoria / strona CMS.
• Bieżące progi: przypomnienie skonfigurowanych wartości.
• 5 ostatnich skanów: data, czas trwania, liczba przeanalizowanych obiektów.
• Przycisk „Uruchom pełny skan”: wyzwala skan synchroniczny przez AJAX. Modal wyświetla postęp i podsumowanie na koniec skanu.

Uruchamianie skanu

Kliknij Uruchom pełny skan. Skan przechodzi przez wszystkie aktywne języki, stosuje trzy analizatory na włączonych celach, zapisuje wykryte problemy w ps_dfthincontent_issue i oznacza jako fixed problemy, które nie są już wykrywane (na przykład jeśli wzbogaciłeś kartę od ostatniego skanu).

Użytkowanie: lista problemów

Dostępna przez Zobacz problemy na pasku. Wyświetlanie stronicowane (50 na stronę) z zaawansowanymi filtrami:

• Status: otwarty / poprawiony / zignorowany.
• Typ problemu: thin / duplicate / template.
• Typ obiektu: produkt / kategoria / CMS.
• Język: filtr na jednym z aktywnych języków.
• Wolne wyszukiwanie: po nazwie obiektu.

Każdy wiersz pokazuje powagę (czerwony / pomarańczowy / niebieski znacznik), typ problemu, typ obiektu z ikoną, nazwę, język, liczbę słów, właściwą metrykę (% podobieństwa lub % unikalności) i trzy przyciski akcji:

• Sugestia AI: otwiera modal z sugestią wzbogacenia w HTML wygenerowaną na żądanie (zobacz następną sekcję).
• Oznacz jako poprawiony: przenosi problem do statusu fixed. Pozostanie w historii, ale nie będzie już zaśmiecał liczników.
• Ignoruj: przenosi problem do statusu ignored. Przydatne dla stron celowo krótkich (na przykład strona CMS „Kontakt”, krótka, ale uzasadniona).

Eksport CSV

Przycisk Eksportuj CSV pobiera całość problemów z bieżącego filtra. Eksport jest strumieniowany na wyjściu (porcje po 500 wierszy), aby obsłużyć duże katalogi bez nasycenia pamięci. Kodowanie UTF-8 z BOM do bezpośredniego otwarcia w Excelu. Separator: średnik.

Sugestie AI

Kliknij przycisk AI w dowolnym wierszu. Moduł wysyła żądanie do skonfigurowanego endpointu z promptem budowanym dynamicznie na podstawie typu problemu i typu obiektu:

• Thin produkt: wzbogacić o USP, materiały, zastosowanie, pochodzenie, gwarancje.
• Thin kategoria: wzbogacić o USP gamy, porady zakupowe, porównanie podkategorii.
• Thin CMS: rozwinięcie redakcyjne, osadzenie w kontekście, przykłady.
• Duplikat: zróżnicować kartę, skupiając się na tym, co czyni ją unikalną względem jej duplikatów.
• Template: usunąć boilerplate, dodać elementy unikalne dla tej konkretnej strony.

Wiadomość systemowa wymusza zwrotkę w czystym HTML: wyłącznie znaczniki p, ul, li, h3. Bez markdownu, bez znaczników głównych. Wynik możesz wkleić bezpośrednio w pole opisu TinyMCE bez czyszczenia.

Sugestia jest przechowywana w bazie danych. Jeśli otworzysz modal później, wyświetli się natychmiast bez nowego wywołania API.

Cron: zaplanowane skany

Moduł udostępnia endpoint cron zabezpieczony tokenem, idealny do nocnych skanów:

https://twoj-sklep.pl/modules/dfthincontent/cron.php?token=TWOJ_TOKEN

Token jest generowany losowo przy instalacji i wyświetlany w panelu konfiguracji. Zachowaj go w poufności: daje dostęp do wyzwolenia pełnego skanu.

Przykład crontab (dzienny skan o 4:00)

0 4 * * * curl -s "https://twoj-sklep.pl/modules/dfthincontent/cron.php?token=TWOJ_TOKEN" > /dev/null 2>&1

Charakterystyka skanu cron

• set_time_limit(0): brak limitu czasu PHP.
• memory_limit 512M: ustawiany automatycznie.
• Zwrotka JSON zawierająca liczbę przeanalizowanych obiektów, liczbę wykrytych problemów i całkowity czas trwania.
• Walidacja przez hash_equals dla odporności na ataki czasowe.

Architektura techniczna

Struktura tabel

• ps_dfthincontent_issue: jeden rekord na wykryty problem. Klucz unikalny: (id_object, object_type, id_lang, id_shop, issue_type). Istotne pola: severity (1-3), word_count, content_hash (SHA1), metric_value (% podobieństwa lub unikalności), metric_data (JSON ze szczegółami), ai_suggestion, status, object_name, object_url.
• ps_dfthincontent_scan: historia skanów. Data początku i końca, czas trwania, liczba elementów przeanalizowanych per typ, status.

Używane hooki

• actionAdminControllerSetMedia: ładowanie CSS/JS i udostępnianie adresu AJAX przez Media::addJsDef.
• actionProductUpdate: rescan zmodyfikowanego produktu, jeśli auto-rescan jest włączony.
• actionObjectCategoryUpdateAfter: analogicznie dla kategorii.
• actionObjectCmsUpdateAfter: analogicznie dla stron CMS.

Ograniczenia wydajnościowe

Wykrywanie duplikatów jest z natury O(n²): każda strona jest porównywana ze wszystkimi innymi stronami tego samego typu / języka / sklepu. Aby uniknąć eksplozji na bardzo dużych katalogach, moduł stosuje dwie ochrony:

• Limit bezpieczeństwa na 1500 elementów per grupa (typ + język + sklep). Powyżej wykrywanie duplikatów jest wyłączane dla tej grupy, a ostrzeżenie trafia do dziennika.
• Pre-filtrowanie po liczbie słów: podobieństwo Jaccarda jest obliczane wyłącznie między elementami, których liczba słów mieści się w oknie ±50 %. Eliminuje to zdecydowaną większość zbędnych porównań.

Rozwiązywanie problemów

Skan się nie uruchamia

1. Otwórz konsolę sieci przeglądarki, kliknij Uruchom pełny skan, przyjrzyj się żądaniu AJAX do action=scanFull.
2. Jeśli odpowiedź jest w HTML zamiast w JSON, to fatal PHP po stronie serwera: sprawdź logi PrestaShop (var/logs/) i PHP.
3. Jeśli odpowiedź to 404, sprawdź, czy kontroler AdminDfThinContent jest zarejestrowany (tabela ps_tab).
4. Jeśli odpowiedź to 403, token CSRF wygasł: odśwież stronę i spróbuj ponownie.

Sugestie AI zwracają błąd

• Sprawdź, czy klucz API jest poprawny i aktywny u Twojego dostawcy.
• Sprawdź, czy serwer może osiągnąć adres endpointu (firewall wychodzący, DNS).
• Jeśli używasz lokalnego Ollama, sprawdź, czy usługa działa (ollama serve) i czy model jest pobrany (ollama pull llama3.3).
• Sprawdź logi PrestaShop: moduł zapisuje tam błędy cURL i kody HTTP inne niż 200.

Cron zwraca 401 lub 403

Przekazany token się nie zgadza. Pobierz właściwy token z panelu konfiguracji i zastąp go w crontabie. Bez spacji, bez znaku nowej linii w wartości.

Zgłaszane są uzasadnione duplikaty

To typowy przypadek bardzo zbliżonych wariantów (rozmiary tego samego modelu, kolory). Trzy opcje:

• Oznacz problemy jako zignorowane jeden po drugim.
• Zwiększ próg podobieństwa Jaccarda do 95 % lub więcej.
• Wyłącz skanowanie produktów i zostaw wyłącznie kategorie i CMS, jeśli Twój przypadek użycia nie wymaga skanu produktów.

Deinstalacja

Odinstaluj przez Moduły > Menedżer modułów > Odinstaluj. Moduł czysto usuwa dwie tabele bazy, zakładkę administracyjną i wszystkie klucze konfiguracji. Żadnych pozostałości.

Zasoby

• Strona produktu: datafirefly.com/pl/product/dfthincontent/
• Wsparcie: support@datafirefly.com