Бюджет: 5000 UAH Срок: 2 дня
Привет. Опыт фулстек-разработки 4+ лет в Opencart
Свежие навыки в подобных задачах
Все будет реализовано качественно
Что именно нужно:
1)Автоматическая генерация и добавление ключевых запросов для каждой товарной карточки отдельно (нужны именно ключевые запросы, а не перенос данных с карточки товара в поле keywords)
2)Автоматическая генерация и добавление описания, если его нет, или улучшение, если существующее описание некачественное.
3)Улучшение или добавление фото, если оно некачественное или отсутствует.
4)Ежедневная проверка всех товарных карточек на наличие пунктов 1,2,3, если нет - создание.
Если есть возможность реализовать дополнительный полезный функционал - предлагайте.
Бюджет: 5000 UAH Срок: 2 дня
Привет. Опыт фулстек-разработки 4+ лет в Opencart
Свежие навыки в подобных задачах
Все будет реализовано качественно
Бюджет: 5000 UAH Срок: 5 дней
Здравствуйте Ярослав.
Могу реализовать автоматическую генерацию описаний, ключевых запросов и изображений для карточек товаров, а также ежедневную проверку и обновление данных, если чего-то не хватает.
Есть опыт в автоматизации контента и работе с AI. Также могу предложить доп. улучшения для SEO и удобства покупателей.
Готов обсудить детали.
Бюджет: 15000 UAH Срок: 7 дней
Здравствуйте
Я разработчик в сфере ML/DL & Разработка ботов. Готов выполнить Ваш проект. Напишите мне, обсудим.
Бюджет: 5000 UAH Срок: 4 дня
Добрый день!
Работаю с Опенкарт 14 лет.
Пишу кастомные модули любой сложности.
Имею опыт в написании такого модуля. Готов реализовать для Вас аналогичный.
Буду рад дальнейшему сотрудничеству!
Бюджет: 5000 UAH Срок: 3 дня
Здравствуйте! есть модуль для chatgpt там можно прописать директивы чтоб он делал это все, генерирует мета теги описание, но нужно будет апи chatgpt он как бы платный апи ключ
Бюджет: 5000 UAH Срок: 19 дней
Привет! Мы в SolidWay готовы помочь с вашей идеей по автоматизации маркетинга на платформе OpenCart. У нас есть опыт реализации подобных проектов, включая генерацию контента с помощью искусственного интеллекта и оптимизацию товарных карточек, что позволяет значительно улучшить видимость продуктов.
Наша команда знает, как важно иметь качественные описания и изображения для каждого товара. Мы можем разработать функционал для автоматического добавления ключевых запросов, создания описаний и улучшения фотографий, а также настроить регулярную проверку товарных карточек на соответствие указанным критериям.
Мы можем обсудить детали, чтобы понять ваши потребности и возможные дополнительные функции, которые могут быть полезны для вашего проекта. После этого определим сроки и бюджет.
Есть готовые решения, Прайс мастер например, не реклама, сам пользуюсь, часть ваших вопросов закрывает, читайте инструкции к нему
Ищу опытного специалиста по Chatterfly.ai для настройки полноценной автоматизированной воронки продаж в Telegram в трейдинг-тематике. Что нужно сделать: Настроить Chatterfly.ai с нуля. Подключить Telegram-бота. Создать AI-ассистента, который будет автоматически общаться с пользователями, отвечать на вопросы и доводить их до регистрации. Настроить воронку продаж с разделением пользователей по этапам. Интегрировать систему с брокеромPocket Option. Настроить передачу и проверку ID пользователя, постбеков и статусов регистрации/депозита (при наличии API или других способов интеграции). Настроить автоматические сообщения, триггеры, теги и сценарии общения. При необходимости помочь с интеграцией CRM и других сервисов. Важно: Обязателен реальный опыт работы с Chatterfly.ai. Желателен опыт интеграции с Telegram и Pocket Option. Нужно не просто настроить сервис, а помочь построить рабочую систему, которая будет автоматически вести клиентов и повышать конверсию. Результат работы: Полностью настроенная и протестированная воронка, где пользователь проходит путь от первого сообщения до регистрации у брокера, а AI автоматически сопровождает его на всех этапах. Также необходима краткая инструкция по дальнейшему использованию системы.
Ищем специалиста для создания одной реалистичной AI-модели / AI-персонажа и подготовки пакета контента для социальных сетей. Задача - разработать визуально качественный и консистентный образ, который можно использовать в фото и коротких видеоформатах. Что нужно сделать: создать одну AI-модель с узнаваемой внешностью и единым стилем; подготовить небольшой пакет фото и коротких видео; адаптировать материалы для публикации в социальных сетях; обеспечить реалистичность и стабильность образа в разных сценах. В заявке, пожалуйста, укажите: имеете ли вы опыт создания AI-моделей / AI-персонажей; можете ли показать примеры похожих работ; ориентировочную стоимость и сроки выполнения; Детальное ТЗ обсудим с соответствующими кандидатами в личных сообщениях.
Добрый день! Необходимо выполнить две задачи: 1. Разработать парсер товаровсо стороннего сайта (10–40 тыс. позиций, маркетплейс) с сохранением структурированных данных в MySQL для последующего вывода в WordPress. 2. Установить и настроить n8n на VPS, а также организовать AI-обработку контента: настройку промптов, рерайт текстов, обработку изображений, SEO-оптимизацию и проверку текстов на AI-детекцию. Можно оценить стоимость выполнения как всего проекта, так и каждой задачи отдельно. .
Задача: один дашборд со всеми показателями бизнеса — реклама, воронка, оплаты, работа менеджеров, планирование выручки. Данные подтягиваются по API автоматически. Периметр: только направление YCL (трудоустройство в Европе). В Kommo есть и другие направления — в хранилище попадают только сделки воронок YCL (фильтр по воронке/тегу согласуем).1. Источники данных (интеграции) Kommo CRM — лиды, сделки, этапы воронки, ответственные, источники, даты переходов между этапами (обязательно сохранять историю), причины отказов, кастомные поля сделки (см. п. 2). Stripe — платежи, суммы, статусы (успех/отказ/возврат), привязка к сделке. Meta Ads — расходы, показы, клики, CPL, лиды по кампаниям (работает сейчас). Google Ads, Reddit Ads, LinkedIn Ads — планируются; архитектура — расширяемые коннекторы без переработки ядра. SEO/органика— Google Search Console + GA4. Сквозная связь: источник трафика → лид в Kommo → оплата в Stripe (UTM, ID сделки в metadata Stripe — механику предложить). 2. Обязательные разрезы (поля сделки в Kommo) Каждая метрика должна фильтроваться/группироваться по: Гражданство клиента (Кения, Нигерия, Индия и т.д.). Статус проживания: живет в своей стране / экспат (уже находится в Европе). Это два разных сегмента с разным циклом, конверсией и чеком. Страна размещения / услуга: Польша, Сербия, Словакия, Германия (ZAV). Менеджер, команда, канал трафика, период. Если каких-то полей в Kommo нет — исполнитель указывает, какие поля нужно завести, заказчик добавляет.3. Воронка и опережающие показатели Данные в разрезе воронки, по каждому этапу — итоговые и опережающие (leading) метрики: Трафик → лид: лиды, CPL по каналам + динамика расходов/кликов день-до-дня. Лид → квалификация: конверсия + скорость первого ответа, касания/звонки на менеджера в день, лиды без ответа. Квалификация → договор/счет: конверсия + отправленные офферы, зависшие сделки (дней на этапе более нормы). Счет → оплата: оплаты, средний чек + неоплаченные счета, неудачные платежи. Итог: выручка, ROMI по каналам, run rate до плана месяца. 4. Цикл сделки Средний и медианный цикл лид → оплата (ориентир бизнеса ~4 недели), тренд цикла во времени. Разложение цикла по этапам (сколько дней сделка сидит на каждом этапе) — чтобы видеть, какой именно этап растягивается. Список сделок, что зависли на этапе дольше нормы. Разрез цикла по сегментам: гражданство, статус проживания, страна размещения, менеджер. 5. Раннее предупреждение просадки (ключевой блок) Поскольку цикл ~4 недели, сегодняшние лиды = оплаты через месяц. Система должна: Сравнивать лиды/квалификации текущей недели с скользящим средним (4 недели) и при отклонении вниз выдавать алерт: «лидов −X%, при цикле 4 недели ожидайте просадку оплат в неделю [даты]». Строить прогноз оплат на 4 недели вперед из текущего пайплайна: сделки на каждом этапе × историческая конверсия этапа × остаток цикла. Подсвечивать красным недели, где прогноз ниже плана, — с запасом времени на реакцию. 6. Доплаты и планирование продаж В карточке сделки Kommo хранятся дата и сумма запланированной доплаты. Система должна: Собирать календарь будущих доплат: тотал ожидаемых, по неделям/месяцам. Подсвечивать просроченные доплаты (дата прошла, оплат в Stripe нет) — отдельный список для доталкивания. Считать план месяца как: план − уже оплачено − доплаты по графику = сколько нужно новых продаж (в деньгах и в штуках сделок за средним чеком). График по неделям: доплаты + прогноз новых оплат против недельного плана. 7. Работа менеджеров Дневной срез по каждому менеджеру: касания/звонки, разговоры, отправленные офферы, оплаты — по каждому дню отдельно, с графиком за период. Прогресс выполнения личного плана с сравнением с темпом месяца (впереди / в темпе / отстает). Бенчмаркинг с коллегами. 8. Визуализация и роли «Светофоры» (зеленый/желтый/красный) в ключевых метриках относительно норм/плана; шкалы прогресса; графики трендов; адаптив под мобильный. Роли: CEO — все; РОП — вся воронка и менеджеры; тимлид — своя команда; менеджер — свои показатели и позиция относительно коллег. 9. Отчеты и AI Автоматические отчеты по расписанию (ежедневное сведение, недельный отчет) в дашборд и/или мессенджер. Запросы в свободной форме («как изменился CPL с Meta за 2 недели?») — LLM поверх хранилища. Алерты по красной зоне и по правилам из п. 5–6. 10. Технические ожидания и этапность Хранилище (PostgreSQL/BigQuery или аналог) + ETL: webhooks Kommo + периодическая синхронизация (15–60 мин). Фронтенд: кастомный или BI-инструмент — предложить с обоснованием; требования к ролям, светофорам, прогнозу и AI-запросам должны быть реализуемыми. Этапы: (1) аудит и карта метрик → (2) MVP: Kommo + Stripe + Meta, воронка, светофоры, роли → (3) цикл сделки, раннее предупреждение, доплаты и план → (4) SEO, AI-отчеты, алерты → (5) новые рекламные каналы. Оплата поэтапная, по каждому этапу — демо. В отзыве указать: похожие проекты (сквозная аналитика), стек с обоснованием, оценку сроков и стоимости по этапам, ежемесячную стоимость владения (хостинг, токены, лицензии).
Задача: развернуть LLM-сервис, который знает всю документацию компании и отвечает на вопросы менеджеров отдела продаж. Что есть сейчас: заказчик собирал прототип самостоятельно (отдельный проект с загруженной информацией о компании, размещенный на сервере), но информация из базы не передается в модель — вероятно, проблема с API. Код и доступы предоставим. Первый шаг — аудит: починить существующее или аргументированно собрать с нуля. Необходимый функционал: Загрузка всей документации компании: описание каждой услуги, регламенты, FAQ, ценообразование (все материалы предоставим). Ответы строго на основе загруженных документов (RAG). Модель не выдумывает фактов; если ответов в базе нет — честно об этом сообщает. Доступ для менеджеров по ссылке (веб-интерфейс), с авторизацией. Сценарии: менеджер задает любой вопрос о работе компании; вставляет вопрос клиента «как есть» и получает готовый ответ для отправки; находит нужный регламент/отчет по запросу. Обновление базы знаний без разработчика (загрузка файлов через интерфейс или подключенную папку). Английский язык. История запросов для контроля качества. Технические ожидания: LLM через API (Claude/OpenAI — предложить с расчетом стоимости токенов), RAG-пайплайн (векторная база, embeddings), хостинг на нашем сервере или в облаке, HTTPS. Архитектура должна позволять в будущем подключить ассистента к аналитическому хранилищу данных (параллельный проект). В отзыве указать: примеры похожих RAG-проектов, стек, срок, стоимость работы и ориентировочную ежемесячную стоимость владения (токены + хостинг).