Budżet: 1600 UAH Termin: 3 dni
Dzień dobry. Jestem gotowy do wykonania, już wielokrotnie zajmowałem się podobnym. Będę zadowolony ze współpracy
Dobry dzień.
Trzeba wyparować wszystkie produkty. Liczba produktów około 15.000
Wydobyć cenę, model, tytuł, opis, zachować zdjęcia i wpisać nazwy zdjęć w excelu
Przykład zobaczyć w excelu
https://recambiosportalo.com/carroceria/faros/
Prośba o przesłanie ofert i cen. Nie na już
Dziękuję
Sergij
Budżet: 1600 UAH Termin: 3 dni
Dzień dobry. Jestem gotowy do wykonania, już wielokrotnie zajmowałem się podobnym. Będę zadowolony ze współpracy
Budżet: 1500 UAH Termin: 1 dzień
Witam, Sergiuszu!
Gotowy na opracowanie skryptu do zbierania danych ze strony recambiosportalo.com.
Skrypt zbierze:
– Nazwę produktu (tytuł)
– Model (jeśli jest)
– Cenę
– Opis
– Pobierze wszystkie zdjęcia (z zachowaniem nazw w Excelu)
– Eksport do arkusza Excel według podanego przykładu
⚙️ Tworzę za pomocą Pythona (Selenium / Requests + BeautifulSoup / lxml)
🧮 Dane zapiszę w Excelu + archiwum zdjęć
Termin: do 1-3 dni
Koszt: 1000-1500 zł (w zależności od głębokości struktury i unikalności kodu strony)
Budżet: 1100 UAH Termin: 3 dni
Dzień dobry, Siergiej!
Projekt jest gotowy w 50%.
Jestem gotów go przekazać, pisz na priv
Z poważaniem,
Wiktor
Budżet: 1500 UAH Termin: 3 dni
Dzień dobry, Sergiuszu!
Mogę wykonać dla Ciebie pełne parsowanie z uwzględnieniem wszystkich wymagań:
Wyciągnę cenę, model, tytuł, opis, SKU, OEM, kategorię, markę oraz inne potrzebne pola.
Zapiszę wszystkie zdjęcia w folderach z nazwami zgodnie z przykładem w pliku Excel (foto1, foto2 itd.).
Wszystkie dane będą sformatowane i zebrane w Excelu w strukturze, którą podałeś.
Zapewnię sprawdzenie na duplikaty, aby nie było powtórzeń.
Parser będzie działał z przerwami, aby uniknąć blokady.
W razie potrzeby — mogę dostarczyć gotowy skrypt Python, abyś mógł ponownie aktualizować dane.
Gotów jestem wykonać testowe parsowanie kilku produktów, aby potwierdzić jakość.
Termin: 2-3 dni od rozpoczęcia.
Cena: 1500 zł (obejmuje pracę z zdjęciami, ustawienie parsera i końcową kontrolę).
Będę się cieszył na współpracę!
Budżet: 1400 UAH Termin: 1 dzień
Dzień dobry!
Mam gotowy parser do tej strony. Najpierw zbiera kategorie: nazwę, opis, ilość produktów, linki oraz obrazki kategorii. Dla każdej kategorii tworzony jest własny folder z folderem obrazków i plikiem Excel z danymi produktów.
Następnie parser przechodzi po produktach każdej kategorii — pobiera mały i duży obrazek, zapisuje je w folderze, a w Excelu zapisuje nazwy plików. Zbiera także wszystkie szczegóły produktów, z dynamicznymi nagłówkami, ponieważ u niektórych produktów cechy się różnią.
Przykład działania parsera jest już w portfolio. Jestem gotowy podjąć się Twojego zadania.
Budżet: 1500 UAH Termin: 3 dni
Witam!
Bez problemu mogę wykonać Twoje zadanie, ponieważ mam duże doświadczenie z parserami. Mogę zarówno napisać aplikację do samodzielnego parsowania, jak i sparsować wszystkie niezbędne informacje.
Aplikacja będzie wykonana w Python+Selenium. Mogę skonfigurować eksport zebranych informacji do Excel/Google Sheets.
Budżet: 3000 UAH Termin: 4 dni
Dzień dobry! Jestem gotowy wykonać Twoje zadanie. 15.000 kart produktów z polami jak w dostarczonym przykładzie, zachować zdjęcia i wpisać nazwy zdjęć w excelu.
Budżet: 1500 UAH Termin: 2 dni
Dzień dobry, mam doświadczenie w parsowaniu dużej ilości produktów, kilka przykładów znajduje się w profilu. Pracuję na Pythonie. Wykonam wszystko jakościowo.
Budżet: 1000 UAH Termin: 1 dzień
Dzień dobry. Mam duże doświadczenie w tworzeniu parserów. Możemy omówić szczegóły
Budżet: 1000 UAH Termin: 2 dni
Dzień dobry, Sergiuszu.
Mogę pomóc w zbieraniu wszystkich towarów
==================================
Budżet: 1000 UAH Termin: 3 dni
Dzień dobry! Gotowy do wykonania. Parsowanie, zdjęcia, Excel — wszystko według przykładu. Mam doświadczenie.
Budżet: 1000 UAH Termin: 2 dni
Witam,
Mam duże doświadczenie w parsowaniu. Napiszę skrypt, który parsuje dane wejściowe za pomocą Playwright lub Selenium i wypełnia je w tabeli Excel.
Budżet: 1000 UAH Termin: 1 dzień
od 15 lat zajmuję się parsowaniem. wszystko zbiorę jakościowo.
proponuję omówić
Budżet: 1500 UAH Termin: 3 dni
Witam. Jestem zainteresowany Twoim projektem. Chętnie omówię i wykonam!
Budżet: 3000 UAH Termin: 3 dni
Witam.
Zdołam zrobić wszystko jakościowo zgodnie z opisem.
Rezultat to gotowy plik Excel, struktura będzie zgodna z instrukcją. Również archiwum ze zdjęciami. Nazwy w Excelu będą dokładnie takie jak na zdjęciach, które będą w archiwum.
Budżet: 1000 UAH Termin: 3 dni
Dzień dobry
Na stronie 25631 produktów we wszystkich kategoriach.
Mogę sparsować w potrzebnym Państwu formacie.
Proszę pisać na prywatną wiadomość
Budżet: 1000 UAH Termin: 1 dzień
Witam!
Mam duże doświadczenie w parsowaniu danych.
Wykonam Twoje zamówienie szybko i jakościowo.
Pisz, aby omówić szczegóły.
Budżet: 950 UAH Termin: 2 dni
Dzień dobry! Mam doświadczenie w pisaniu parserów na Pythonie. Proszę się kontaktować, chętnie pomogę!
Budżet: 1000 UAH Termin: 1 dzień
Dziś wykonam
Dziś wykonam
Dziś wykonam
Dziś wykonam
Dziś wykonam
Dziś wykonam
Budżet: 1000 UAH Termin: 2 dni
Gotowy do podjęcia się.
Ale trzeba doprecyzować szczegóły zamówienia, pisz!
Zrealizuję skryptem na python.
Budżet: 1001 UAH Termin: 1 dzień
Dzień dobry, Siergieju!
Mam doświadczenie w parsowaniu dużych sklepów internetowych, w tym ze zdjęciami, opisami oraz zapisywaniem danych strukturalnych w Excelu. Wykonam pełny eksport: cena, model, opis, tytuł + zapis zdjęć z przypisanymi nazwami, jak na przykładzie.
Pracuję starannie, kod piszę indywidualnie pod stronę — wszystko będzie jasno i bez zbędnego hałasu. Chętnie omówię cenę i wygodny format. Napisz — będę zadowolony ze współpracy!
Budżet: 1000 UAH Termin: 2 dni
Dzień dobry)
Gotowy do parsowania wszystkich Twoich produktów - 15 tysięcy
Mam duże doświadczenie w tym
Mam własny skrypt, który zbierze wszystkie produkty
Co do ceny, możemy się umówić w wiadomości prywatnej
Zwracaj się!
Cześć! Szukałem wykonawcy do stałej współpracy, który zna się na Opencart. Osoba, która jest w kontakcie, bez negatywnych emocji) Parsowanie, wgrywanie produktów w dwóch językach UA + ru, a także formowanie potrzebnej marży od razu Chcę wykonać pracę w kilku etapach. 1. Aktualizacja stanów magazynowych u wszystkich dostawców i całkowite usunięcie nieaktualnych produktów z witryny i bazy. 2. Dopracowanie kategorii produktów, a mianowicie parsowanie podkategorii. 3. Dopuszczenie nowych pozycji w starych kategoriach. 4. Parsowanie nowych dostawców w nowe kategorie.
Potrzebne jest zrealizowanie projektu zbierania i strukturyzacji dużej ilości obrazów z otwartych źródeł internetowych (na pierwszym etapie 2000 obrazów). Zadanie obejmuje: - zautomatyzowane zbieranie obrazów; - pobieranie plików w maksymalnie dostępnej jakości; - klasyfikację obrazów według kategorii. Oczekiwany rezultat: - strukturalna baza obrazów; - zrozumiały system katalogowania; - przekazanie wyniku przez Google Drive lub inny uzgodniony sposób;
Dzień dobry! Należy wykonać dwa zadania: 1. Opracować parser produktów z zewnętrznej strony (10–40 tys. pozycji, marketplace) z zachowaniem zorganizowanych danych w MySQL do późniejszego wyświetlenia w WordPressie. 2. Zainstalować i skonfigurować n8n na VPS, a także zorganizować przetwarzanie treści AI: konfiguracja promptów, przeredagowanie tekstów, przetwarzanie obrazów, optymalizacja SEO i sprawdzanie tekstów pod kątem detekcji AI. Można oszacować koszt realizacji zarówno całego projektu, jak i każdego zadania osobno. .
Trzeba wykonać parsowanie z kanałów Viber (Łączna liczba - 49 kanałów, około 80 tys. subskrybentów).
Zadanie: jeden dashboard ze wszystkimi wskaźnikami biznesowymi — reklama, lejek, płatności, praca menedżerów, planowanie przychodu. Dane są pobierane automatycznie przez API. Zakres: tylko kierunek YCL (zatrudnienie w Europie). W Kommo są też inne kierunki — do magazynu trafiają tylko transakcje z lejek YCL (filtr według lejka/tagu ustalimy).1. Źródła danych (integracje) Kommo CRM — leady, transakcje, etapy lejka, odpowiedzialni, źródła, daty przejść między etapami (koniecznie zachować historię), przyczyny odmowy, pola niestandardowe transakcji (patrz p. 2). Stripe — płatności, kwoty, statusy (sukces/odmowa/zwrot), powiązanie z transakcją. Meta Ads — wydatki, wyświetlenia, kliknięcia, CPL, leady według kampanii (działa teraz). Google Ads, Reddit Ads, LinkedIn Ads — planowane; architektura — rozszerzalne konektory bez przeróbek rdzenia. SEO/organika— Google Search Console + GA4. Przeszły związek: źródło ruchu → lead w Kommo → płatność w Stripe (UTM, ID transakcji w metadanych Stripe — mechanikę zaproponować). 2. Obowiązkowe przekroje (pola transakcji w Kommo) Każda metryka musi być filtrowana/grupowana według: Obywatelstwo klienta (Kenia, Nigeria, Indie itp.). Status pobytu: mieszka w swoim kraju / ekspat (już przebywa w Europie). To dwa różne segmenty z różnym cyklem, konwersją i wartością transakcji. Kraj umiejscowienia / usługa: Polska, Serbia, Słowacja, Niemcy (ZAV). Menedżer, zespół, kanał ruchu, okres. Jeśli jakichś pól w Kommo brakuje — wykonawca wskazuje, jakie pola należy dodać, zamawiający dodaje.3. Lejek i wskaźniki wyprzedzające Dane w przekroju lejka, dla każdego etapu — podsumowujące i wyprzedzające (leading) metryki: Ruch → lead: leady, CPL według kanałów + dynamika wydatków/kliknięć dzień do dnia. Lead → kwalifikacja: konwersja + czas pierwszej odpowiedzi, kontakty/telefony do menedżera dziennie, leady bez odpowiedzi. Kwalifikacja → umowa/faktura: konwersja + wysłane oferty, zawieszone transakcje (dni na etapie powyżej normy). Faktura → płatność: płatności, średnia wartość transakcji + niezapłacone faktury, nieudane płatności. Podsumowanie: przychód, ROMI według kanałów, run rate do planu miesiąca. 4. Cykl transakcji Średni i medianowy cykl lead → płatność (punkt odniesienia biznesu ~4 tygodnie), trend cyklu w czasie. Rozkład cyklu według etapów (ile dni transakcja spędza na każdym etapie) — aby zobaczyć, który etap się wydłuża. Lista transakcji, które utknęły na etapie dłużej niż norma. Przekrój cyklu według segmentów: obywatelstwo, status pobytu, kraj umiejscowienia, menedżer. 5. Wczesne ostrzeżenie o spadku (kluczowy blok) Ponieważ cykl ~4 tygodnie, dzisiejsze leady = płatności za miesiąc. System powinien: Porównywać leady/kwalifikacje bieżącego tygodnia z średnią ruchomą (4 tygodnie) i przy odchyleniu w dół wydawać alert: „leadów −X%, przy cyklu 4 tygodnie oczekuj spadku płatności w tygodniu [daty]”. Budować prognozę płatności na 4 tygodnie do przodu z bieżącego pipeline'u: transakcje na każdym etapie × historyczna konwersja etapu × pozostały cykl. Podświetlać na czerwono tygodnie, gdzie prognoza jest niższa od planu — z zapasem czasu na reakcję. 6. Dopłaty i planowanie sprzedaży W karcie transakcji Kommo przechowywane są data i kwota planowanej dopłaty. System powinien: Zbierać kalendarz przyszłych dopłat: całkowita liczba oczekiwanych, według tygodni/miesięcy. Podświetlać przeterminowane dopłaty (data minęła, brak płatności w Stripe) — osobna lista do dociśnięcia. Liczyć plan miesiąca jako: plan − już opłacone − dopłaty zgodnie z harmonogramem = ile nowych sprzedaży potrzebnych (w pieniądzach i w sztukach transakcji przy średniej wartości transakcji). Harmonogram według tygodni: dopłaty + prognoza nowych płatności w stosunku do tygodniowego planu. 7. Praca menedżerów Dzienny przekrój dla każdego menedżera: kontakty/telefony, rozmowy, wysłane oferty, płatności — dla każdego dnia osobno, z wykresem za okres. Postęp realizacji osobistego planu w porównaniu z tempem miesiąca (na przodzie / w tempie / w tyle). Benchmarking z kolegami. 8. Wizualizacja i role „Sygnalizatory” (zielony/żółty/czerwony) w kluczowych metrykach w odniesieniu do norm/planu; skale postępu; wykresy trendów; adaptacja do urządzeń mobilnych. Role: CEO — wszystko; ROP — cały lejek i menedżerowie; team lead — swój zespół; menedżer — swoje wskaźniki i pozycja w stosunku do kolegów. 9. Raporty i AI Automatyczne raporty według harmonogramu (codzienne podsumowanie, tygodniowy raport) w dashboardzie i/lub komunikatorze. Zapytania w dowolnej formie („jak zmienił się CPL z Meta w ciągu 2 tygodni?”) — LLM nad magazynem. Alerty w strefie czerwonej oraz według zasad z p. 5–6. 10. Oczekiwania techniczne i etapowość Magazyn (PostgreSQL/BigQuery lub analog) + ETL: webhooks Kommo + okresowa synchronizacja (15–60 min). Frontend: niestandardowy lub narzędzie BI — zaproponować z uzasadnieniem; wymagania dotyczące ról, sygnalizatorów, prognoz i zapytań AI muszą być wykonalne. Etapy: (1) audyt i mapa metryk → (2) MVP: Kommo + Stripe + Meta, lejek, sygnalizatory, role → (3) cykl transakcji, wczesne ostrzeżenie, dopłaty i plan → (4) SEO, raporty AI, alerty → (5) nowe kanały reklamowe. Płatność etapowa, po każdym etapie — demo. W odpowiedzi proszę wskazać: podobne projekty (analiza przeszła), stack z uzasadnieniem, oszacowanie czasów i kosztów według etapów, miesięczny koszt posiadania (hosting, tokeny, licencje).