Kort samengevat: op catalogusschaal is vertalen geen contenttaak meer, maar een datapijplijn. De enige manier om duizenden SKU’s te lokaliseren zonder je webshop te verstoren, is met een CSV-engine die de structuur behoudt en je merkwoordenlijst op elke rij toepast.
De meeste e-commerceteams lopen bij ongeveer hetzelfde aantal SKU’s tegen dezelfde grens aan. Met enkele honderden producten kun je het nog redden met een freelancer, een vertaalbureau of een dappere stagiair. Daarboven klopt de rekensom niet meer. Een catalogus met 10,000 SKU’s die maandelijks wordt bijgewerkt en in 5 talen beschikbaar moet zijn, is geen vertaalproject meer. Het is terugkerend lokalisatiewerk waarvoor je huidige proces nooit is ontworpen.
Nu de wereldwijde e-commerceverkoop naar verwachting $6.88 trillion in 2026 bereikt (Shopify) en 76% van de online shoppers liever producten koopt met informatie in de eigen taal (CSA), levert catalogusvertaling nu omzet op in plaats van alleen kosten te veroorzaken.
Deze gids gaat over dat werk. We bespreken hoe je overstapt van eenmalige catalogusvertaling naar een herhaalbare, AI-gestuurde CSV-pijplijn die je productgegevens intact houdt, je merkstem consistent maakt en voorkomt dat je importbestanden beschadigd raken. Werk je nog met een kleinere catalogus en zoek je praktische stappen? Begin dan met onze stapsgewijze gids voor productcatalogi in CSV en kom hier terug zodra schaal je bottleneck wordt.
Wat “op grote schaal” precies betekent voor een productcatalogus
Bij lokalisatie draait schaal zelden alleen om het aantal SKU’s. Het gaat om vier factoren die tegelijk druk opbouwen.
Volume. Catalogi met meer dan ongeveer 1,000 SKU’s bevatten al genoeg tekst om handmatig vertalen buitensporig duur te maken. Boven de 10,000 SKU’s gaat het om honderdduizenden woorden per taal.
Snelheid. De meeste winkels zetten hun catalogus niet stil. Nieuwe collecties, seizoensreleases en wijzigingen bij leveranciers zorgen voor een constante stroom updates. Duurt je vertaalproces drie weken, dan loopt je Franse winkel permanent achter. Bij elke update moet je alleen de rijen vertalen die daadwerkelijk zijn gewijzigd, niet opnieuw de hele catalogus.
Varianten. Maten, kleuren, materialen, bundels. Elke variant verhoogt het aantal rijen in je export, ook als de te vertalen tekst vooral in enkele bovenliggende velden staat.
Talen. Een catalogus met 5,000 producten in 1 taal is één klus. Dezelfde catalogus in 6 talen zijn zes klussen die synchroon moeten blijven terwijl de hoofdcatalogus verandert.
Elk van deze factoren is op zichzelf beheersbaar. Maar alle vier tegelijk, volgens dezelfde planning, maken het verschil tussen „we hebben onze winkel afgelopen zomer gelokaliseerd” en „we beheren elke dag een meertalige winkel”. Naar verwachting doen in 2025 meer dan 3 miljard mensen online aankopen (Shopify), en 73% van de consumenten wil productreviews in de eigen taal lezen, „als er verder niets is” (CSA). De inzet voor e-commercelokalisatie is dus nog nooit zo groot geweest. Lees voor meer inzicht in de strategische belangen ook waarom websitevertaling belangrijk is en de voordelen van meertalige SEO. Daarom wordt gespecialiseerde vertaling van marketplace-productvermeldingen een essentiële vaardigheid voor wereldwijde merken.
Waarom traditionele aanpakken op grote schaal tekortschieten
Voordat we ingaan op de AI-aangedreven workflow, is het goed om eerlijk te kijken naar wat niet meer werkt zodra je een bepaalde schaal bereikt.
Freelance vertalers per SKU. Hoge kwaliteit, tergend langzaam en erg duur. Een freelancer die €0.08 per woord rekent, zal voor een middelgrote catalogus tienduizenden euro’s vragen en heeft weken nodig om het werk af te leveren. Prima voor belangrijke pagina’s, maar niet haalbaar voor een volledige lange staart aan producten.
Algemene AI-chattools. ChatGPT en Claude zijn uitstekende taalmodellen, maar zijn niet gemaakt om gestructureerde CSV-bestanden te verwerken. Bij lange bestanden raken ze de uitlijning van rijen kwijt, laten ze kolommen weg, verminken ze HTML en vergeten ze halverwege je woordenlijst. We zijn hier dieper op ingegaan in waarom je ChatGPT of Claude niet moet gebruiken om CSV’s te vertalen.
Vertaalwidgets in de webshop. Tools die de weergegeven pagina automatisch vertalen, laten je onderliggende productgegevens in één taal staan. Dat schaadt je SEO, exports blijven eentalig en je kunt de vertaling niet aanpassen zonder uit te zoeken hoe de widget werkt.
Kopiëren en plakken in spreadsheets. Een verrassend gangbare aanpak, en tegelijk verrassend kwetsbaar. Verborgen kosten zijn onder meer verschuivende rijen, SKU’s die per ongeluk worden vertaald en geleidelijke uitholling van merkterminologie tussen batches. We hebben dit uitgebreid besproken in de verborgen kosten van spreadsheets vertalen met AI.
De gemene deler: elk van deze aanpakken behandelt catalogusvertaling als een contentklus. Op grote schaal is de content het eenvoudige deel. De uitdaging is de datastructuur intact te houden en terminologie consistent te houden in miljoenen cellen.
De omslag: van vertaalproject naar vertaalpipeline
Het denkkader dat op grote schaal echt werkt, komt uit de data-engineering: bouw een pipeline, geen project.
Een pipeline heeft een vaste invoerindeling, een vaste verwerkingsstap en een vaste uitvoerindeling, en draait volgens een schema. Je richt hem één keer in en verwerkt er vervolgens steeds opnieuw batches mee. Dat is precies waarvoor AI Glot is gemaakt: productcatalogi in CSV-formaat vertalen.
Het platform vormt de schakel tussen je e-commercebackend en je gelokaliseerde winkel. Je exporteert een CSV, de pipeline verwerkt het bestand en jij importeert het weer. De verwerking bestaat uit AI-vertaling die de structuur behoudt en de woordenlijst afdwingt, en alleen de kolommen aanpast die je op de toelatingslijst zet. Al het andere, waaronder SKU’s, prijzen, slugs en afbeeldings-URL’s, blijft onaangeroerd.
Dit perspectief is belangrijk, omdat het verandert waarop je je richt. In plaats van te vragen „hoe vertaal ik deze catalogus één keer?” vraag je je af: „hoe maak ik deze catalogus elke maand eenvoudig te vertalen?”
De pipeline in vijf stappen voor catalogi op grote schaal
Dit is de werkwijze die we consequent zien werken met Shopify, WooCommerce en aangepaste e-commerceplatforms. Ze sluit naadloos aan op de manier waarop AI Glot werkt en is ontworpen om herhaalbaar te zijn, zonder heldendaden.
Stap 1: Standaardiseer je export
De pipeline begint bij je e-commerceplatform. Je doel is een exportindeling die saai voorspelbaar is, zodat je bij elke run dezelfde instructie kunt gebruiken.
Voor Shopify betekent dat: Products > Export > All products > CSV for Excel/Numbers. Leg voor WooCommerce één exportplug-in en één vaste set velden vast (wij gebruiken WP All Export). Schrijf voor maatwerkplatforms een klein exportscript dat altijd dezelfde kolommen in dezelfde volgorde oplevert.
Als je catalogus meer dan 5,000 SKU’s bevat, splits je de export op per collectie, merk of producttype. Kleinere bestanden zijn makkelijker te controleren en je kunt vertalingen naar meerdere talen tegelijk laten uitvoeren, zonder dat één enorm bestand een bottleneck wordt.
Stap 2: Upload je bestand en geef één duidelijke instructie
Upload je CSV naar AI Glot. Het platform analyseert automatisch de bestandsstructuur en toont de herkende kolommen, voorbeeldrijen en het aantal woorden. Zo kun je de export controleren voordat je ook maar één credit uitgeeft.
Schrijf voor productcatalogi op grote schaal één duidelijke instructie in gewone taal en gebruik die bij elke opdracht opnieuw. Geef aan welke kolommen vertaald moeten worden (Title, Body HTML, SEO Title, SEO Description en soms Tags). Alle andere kolommen blijven volledig onaangeroerd. Lees meer over de werking van CSV-vertaling als je de uitgebreide uitleg wilt.
Dit is belangrijk bij grote volumes: als er elke maand duizenden rijen door de workflow gaan, kun je je geen enkele onbedoelde SKU-wijziging veroorloven. Door precies aan te geven welke kolommen vertaald moeten worden, is dit soort fouten structureel uitgesloten. Bovendien kun je het plan dat AI Glot vooraf toont eerst controleren.
Stap 3: Bouw een glossary op die steeds waardevoller wordt
Bij kleine volumes is een glossary handig. Voor een grote catalogus is het de belangrijkste factor waarmee je de kwaliteit kunt verbeteren.
Voeg in je AI Glot-werkruimte glossarytermen toe voor:
- Merk- en productlijnnamen die ongewijzigd moeten blijven (“BrandCo”, “AirFlow Series”, “FlexPro”).
- Technische eenheden en afkortingen die niet gelokaliseerd moeten worden (“mAh”, “lumens”, “GSM”).
- Terminologie voor materialen en categorieën waarvoor je een vaste huisstijl hanteert (“vegan leather” in plaats van “faux leather”, “loungewear” in plaats van “homewear”).
- Terugkerende marketingteksten die in veel productbeschrijvingen voorkomen en elke keer hetzelfde moeten klinken.
Een glossary met 30 tot 60 termen, die je één keer opstelt en in een paar rondes verfijnt, levert vertalingen op die klinken alsof ze door hetzelfde merk zijn geschreven. Zelfs voor 8,000 producten in 5 talen. Die consistentie kunnen algemene AI-tools niet bieden, en je klanten merken het wanneer ze door de gelokaliseerde website bladeren.
Stap 4: Maak vooraf een schatting
AI Glot toont het totale aantal woorden en de benodigde credits voordat je aan de vertaling begint. Bij grote catalogi is deze stap onmisbaar.
Een typische schatting voor een catalogus met 5,000 SKU’s ziet er zo uit:
- Title, Body HTML en SEO-velden, gemiddeld 80 woorden per product.
- Totaal aantal woorden: ongeveer 400,000 woorden per taal.
- Eén taal in de Standard-modus: 400,000 credits.
- Vijf talen vanuit dezelfde brontekst: 2,000,000 credits.
Bij een eenmalige aankoop kosten 400,000 credits ongeveer 270€ en 2,000,000 credits ongeveer 850€, omdat de prijs per credit daalt naarmate je meer credits koopt. Vertaal je elke maand catalogi, dan is het Pro-abonnement (1,000,000 credits per maand voor 199€, of 139€ per maand bij jaarlijkse facturering) goedkoper per credit dan een eenmalige aankoop. Je ziet dus vooraf wat het gaat kosten. Dat kan niet als je een catalogus stap voor stap door ChatGPT-prompts haalt.
Stap 5: Vertaal, controleer een steekproef en importeer opnieuw
Start de batch en laat de workflow zijn werk doen. Bij grotere catalogi kun je ondertussen iets anders gaan doen. AI Glot verwerkt het bestand op de achtergrond en laat je weten wanneer de gelokaliseerde CSV klaarstaat.
Sla de kwaliteitscontrole niet over zodra het bestand klaar is, hoe verleidelijk dat bij grote volumes ook is. Een eenvoudige steekproef is voldoende:
- Open de gelokaliseerde CSV in een spreadsheetprogramma.
- Controleer steekproefsgewijs 20 tot 30 rijen uit verschillende productcategorieën.
- Controleer of SKU’s, prijzen, handles en afbeeldings-URL’s byte voor byte overeenkomen met het origineel.
- Controleer of de glossarytermen correct zijn overgenomen.
- Lees 5 tot 10 productbeschrijvingen helemaal door om de toon en leesbaarheid te beoordelen.
Dat kost meestal 15 tot 30 minuten voor een catalogus met 5,000 producten. Zo spoor je ook zeldzame problemen op, zoals afgekorte HTML of opmaak die niet bij de taalregio past, voordat ze in je webshop terechtkomen.
Ziet het voorbeeld er goed uit? Importeer de CSV dan opnieuw via de standaardproductimport van je platform. In onze gids voor een meertalige Shopify-winkel lees je alles over het volledige traject, van import tot webshop.
De pipeline week na week beheren
De grootste tijdsbesparing op grote schaal zit in het besef dat je de volledige catalogus bijna nooit opnieuw hoeft te vertalen. Je hoeft alleen de wijzigingen te vertalen.
De catalogus van de meeste winkels verandert steeds op drie manieren:
- Nieuwe SKU’s die worden toegevoegd door het merchandisingteam of via nieuwe leverancierskoppelingen.
- Herschreven productbeschrijvingen voor bestaande SKU’s, meestal voor SEO of A/B-tests.
- Seizoens- of campagnecontent die aan de basiscatalogus wordt toegevoegd.
Exporteer voor elk van deze wijzigingen alleen de aangepaste rijen, verwerk ze met dezelfde instructie en woordenlijst via AI Glot en importeer de resulterende CSV opnieuw. Zodra de pipeline is opgezet, past het hele traject in een wekelijks tijdsblok van 30 minuten.
Voor het SEO-aspect van deze updates kun je het beste onze gids voor SEO-vertaling van websites en SEO-best practices voor meertalige websites lezen. De kwaliteit van titels en metabeschrijvingen bepaalt of lokalisatie van een grote catalogus verkeer oplevert of ongemerkt verkeer kost.
Veelvoorkomende valkuilen bij grote catalogi
Een paar valkuilen komen zo vaak voor dat we ze alvast onder de aandacht willen brengen.
Vertalen vanuit een vertaling. Als je eerst vanuit het Engels naar het Duits vertaalt en daarna vanuit het Duitse bestand naar het Italiaans, gaat de kwaliteit snel achteruit. Vertaal elke taal altijd rechtstreeks vanuit de oorspronkelijke CSV. Het kostenverschil is verwaarloosbaar, het kwaliteitsverschil is groot.
Woordenlijst die uit de pas loopt. Een woordenlijst waar niemand verantwoordelijk voor is, veroudert snel. Wijs iemand van het lokalisatie- of merchandisingteam aan die de woordenlijst elk kwartaal controleert en nieuwe merknamen toevoegt naarmate de catalogus groeit.
De instructie halverwege de pipeline wijzigen. Voor sommige batches specifieke kolommen noemen en voor andere vragen om het hele bestand te vertalen, is een goede manier om per ongeluk een kolom te vertalen die je juist wilde beschermen. Kies één instructie per pipeline en leg die vast.
De steekproefcontrole overslaan. Het voelt veilig om die over te slaan als de vorige 12 batches foutloos waren. Maar in batch 13 zit de verrassing. Een steekproef van 20 rijen controleren kost 10 minuten en is de voordeligste verzekering die je kunt afsluiten. De duurste fouten hebben we verzameld in Vertaalfouten in CSV-bestanden die je import verstoren.
Kort samengevat
Een catalogus op grote schaal vertalen is geen copywritingprobleem. Het is een probleem met gestructureerde data, vermomd als content. De teams die succes boeken, zetten een saai betrouwbare pipeline op in plaats van een heroïsch vertaalproject.
De aanpak is steeds hetzelfde: standaardiseer je export, schrijf één duidelijke instructie waarin je je kolommen benoemt, investeer 30 minuten in een goede woordenlijst, maak een kostenraming voordat je begint, controleer een steekproef van de uitvoer en behandel doorlopende updates als kleine wijzigingen in plaats van de volledige catalogus opnieuw te verwerken. Zo wordt een catalogus met 10,000 SKU’s in 5 talen geen kwartaalbrandje meer, maar een wekelijkse checklisttaak.
Klaar om je catalogus via een vertaalpipeline te verwerken? Meld je aan bij AI Glot, upload één collectie als testbatch en ontdek hoe deze werkwijze uitpakt met echte productgegevens voordat je opschaalt naar je hele winkel.