Бюджет: 5000 UAH Термін: 3 дні
Вітаю.
Маю досвід з автоматизаціями CRM систем. Можу допомогти. Пишіть, обговоримо.
Тестуємо salesdrive срм і хочемо щоб дані з цієї срм коректно передавались на пром і розетка. В нас є декілька постачальників від яких берем інформацію через XML файл і завантажуємо в срм. Потім формуємо одне YML посилання в срм і по ньому хочемо передавати і робити оновлення на пром і розетка. Але в процесі тестування виявилось багато труднощів і ручної роботи. Зараз ми працюємо з кіпін срм і там вся інформація. Завдання адаптувати salesdrive срм до пром і розетка, щоб дані з срм коректно передались і оновлювались на маркетплейсах. деталі в спілкуванні.
Важливо! Цікавить виключно ІНТЕГРАЦІЯ ТОВАРІВ та їх подальше автоновлення!
Бюджет: 5000 UAH Термін: 3 дні
Вітаю.
Маю досвід з автоматизаціями CRM систем. Можу допомогти. Пишіть, обговоримо.
Бюджет: 5000 UAH Термін: 7 днів
Привіт, я працював над інтеграцією CRM системи з маркетплейсами Prom та Rozetka для автоматизації управління товарами - скоротив час обробки на 80% та збільшив точність синхронізації до 98%
Чи маєте проблеми з некоректним мапінгом полів між SalesDrive та специфічними вимогами YML для Пром і Розетки?
Пропоную зв'язатися, я безкоштовно проконсультую вас з технічної сторони та складемо план розробки + розповім про мою команду! ✨
Бюджет: 5000 UAH Термін: 3 дні
ДОБРОГО ДНЯ. Є ГОТОВА СИСТЕМА З ІНТЕГРАЦІЄЮ XML ФАЙЛІВ І ПОДАЛЬШОЮ ОБРОБКОЮ КОНТЕНТУ ТА СИНХРОНІЗАЦІЄЮ КАТЕГОРІЙ І ХАРАКТЕРИСТИК З ПРОМОМ ЗА ДОПОМОГОЮ AI. МОЖЛИВО ВАМ БУДЕ ЦІКАВО ОЗНАЙОМИТИСЬ, ДЕТАЛІ В ЛС.
Бюджет: 5000 UAH Термін: 2 дні
Добрий вечір.
ТЗ зрозумів. Напишу кастомні скрипти для роботи з даними. В результаті обновленя цін і залишків буде автоматичним. Додавання нових товарів буде з мінімальним первинним втручанням.
Пишіть, обговоримо деталі.
Бюджет: 5000 UAH Термін: 5 днів
Добрий вечір. Регулярно працюю з SalesDrive та маркетплейсами.
Зв`язати SalesDrive та Prom взагалі без проблем, щодо Rozetka - є нюанси.
Пишіть - обговоримо всі деталі.
Бюджет: 5000 UAH Термін: 5 днів
Вітаю, Андрію! Я Ніна, менеджер інженера-розробника Валентина. Ми вивчили ваше завдання по синхронізації товарів і готові запропонувати рішення, яке прибере 90% рутини.
Ми розуміємо специфіку: стандартний експорт з CRM часто «спотикається» об жорсткі вимоги Розетки до характеристик і категорій. Наш підхід — це не просто налаштування, а створення стабільного процесу.
Що ми реалізуємо:
Автоматизація імпорту: Налаштуємо забор XML-файлів від ваших постачальників безпосередньо в систему.
Smart Middleware (Python): Напишемо прошарок, який буде автоматично «прибирати» дані під вимоги маркетплейсів (валідація категорій, параметрів і фото) перед передачею в SalesDrive.
Синхронізація 24/7: Оновлення цін і залишків буде працювати на 100% автопілоті. Це критично, щоб не ловити скасування замовлень.
Рішення для Розетки: Ми знаємо, що нові товари вимагають ручної модерації на стороні площадки. Наша задача — зробити так, щоб вивантаження було технічно ідеальним, і модерація проходила з першого разу в один клік.
Чому варто працювати з нами:
Валентин спеціалізується на Python-автоматизації і роботі з API. Ми не просто «пробуємо» CRM, ми змушуємо її працювати на ваш бізнес. Весь процес підготовки даних буде прозорим і позбавленим «сміттєвих» помилок.
Попередні умови:
Термін: 5–7 днів.
Бюджет: 5 000 — 7 000 грн (точно після аналізу XML-файлів постачальників).
Андрію, скільки зараз різних XML-структур від постачальників нам потрібно об'єднати в один потік?
Бюджет: 27000 UAH Термін: 14 днів
Ваша задача з інтеграції salesdrive CRM з маркетплейсами PROM і Розетка виглядає цікавим, але й досить складним проєктом. Основним викликом буде налаштування коректної передачі даних через XML і YML формати, а також уникнення ручної роботи, що ви вже виявили під час тестування. Я пропоную спочатку проаналізувати структуру даних, щоб виявити потенційні проблеми з несумісністю між системами. Напередодні реалізації я планую створити чіткий план дій і протестувати всі етапи інтеграції, щоб гарантувати безперебійну роботу з оновленнями на маркетплейсах.
Важливо також врахувати, що процес адаптації може потребувати додаткових доробок в залежності від специфіки даних постачальників. Чи є у вас детальна документація щодо специфікацій API для PROM і Розетка? Це допоможе у значній мірі прискорити процес.
Готовий почати, щоб забезпечити вас стабільною і ефективною системою. Пропоную обговорити деталі, щоб уточнити всі вимоги і запустити проєкт.
Бюджет: 5000 UAH Термін: 1 день
Вітаю! Мав досвід роботи з salesdrive, робив розширення.відпишіть в Приват для обговорення деталей.
Бюджет: 5000 UAH Термін: 5 днів
Доброго дня, є досвід роботи з salesDrive. Можемо обговорити деталі проекту, вже є одна пропозиція по реалізації. Ціна і термін умовні, все після ТЗ. Заздалегідь дякую.
Бюджет: 5000 UAH Термін: 1 день
Привіт!
Ми dZENcode – компанія повного циклу розробки цифрових рішень: від дизайну та програмування до інтеграцій та пострелізної підтримки. Беремо проекти з нуля і підключаємось до доопрацювання існуючих рішень.
Ми можемо допомогти з адаптацією SalesDrive CRM та передачею даних на Prom і Rozetka.
Можемо обговорити зміст прикріпленого прямо тут?
Докладну інформацію про наші послуги та ставки ви знайдете на сайті: Freelancehunt
Подивіться – після цього зможемо обговорити деталі та узгодити наступний крок.
⚠️ Після уточнення всіх деталей визначимо обсяг, підходящий формат співпраці: позадачно, аутсорс або аутстафф і фінальну вартість.
Чому з нами проекти гарантовано доходять до релізу:
💎 10+ років надаємо IT-послуги;
🔥 90+ штатних спеціалістів;
🚀 250+ публічних відгуків з 2015 року;
⚙️ Підтримуємо продукт за SLA після запуску;
✅ Працюємо за NDA та договором з компанією!
Бюджет: 6000 UAH Термін: 4 дні
Вітаю. Реалізую коректну синхронізацію SalesDrive з Prom та Rozetka через автоматизацію обробки XML/YML фідів. Налаштую парсинг вхідних файлів від постачальників за допомогою Python, щоб автоматизувати оновлення залишків та цін без ручної роботи.
Маю досвід розробки комплексних систем автоматизації та інтеграції через API. Виключу помилки дублювання товарів та некоректного відображення характеристик при формуванні фінального посилання для маркетплейсів.
Яку кількість товарних позицій потрібно синхронізувати та чи є специфічні вимоги до маппінгу категорій між Keepin CRM та SalesDrive?
Бюджет: 5000 UAH Термін: 3 дні
Доброго дня!
Маю досвід інтеграції SalesDrive CRM з Prom та Rozetka. Автоматизую передачу й оновлення даних з XML/YML файлів на маркетплейсах. Вирішу складні завдання та оптимізую процеси.
Напишіть мені в лс, уточнимо деталі.
Без ручної обробки не обійтись. Оновляти ціни і наявність можна, але ручна обробка неминуча
Правильно Олександр каже, Розетка не дає автоматичного вивантаження нових товарів, тільки оновлення залишків та цін.
Коротко Потрібна програма на Python, яка запускається у мене на ПК (Windows) і робить faceless-відео формату «закадровий голос + змінюваний відеоряд з фото і кліпів» — як історичні документалки на YouTube (приклад прикріплю окремо). Я вводжу тему → програма пише сценарій, озвучує, підбирає під кожен шматок тексту відео/фото з безкоштовних архівів, склеює → видає готовий MP4. Тільки для мене. Без сайту, без користувачів, без продажу. Один користувач — я. Як працює (по кроках) 1. Введення. Відкривається просте вікно. Я вводжу тему ролика і вибираю голос озвучки зі списку (**список голосів підтягується автоматично з ElevenLabs по API** — доступні на моєму акаунті). Натискаю «Створити». (Другий режим: вставити готовий сценарій замість генерації.) 2. Сценарій. Програма через LLM API (OpenAI/Anthropic, ключ в налаштуваннях) пише сценарій за темою, заданої довжини. 3. Розбивка на сцени. LLM ділить сценарій на сцени і для кожної повертає: текст сцени; тип візуалу: відео або фото; пошуковий запит (розгорнута фраза, що повинно бути в кадрі); помітка «highlight» + оцінка важливості 1-10 (для інтро, див. нижче). 4. Озвучка. Текст відправляється в ElevenLabs API вибраним голосом → аудіо. Під довжину аудіо кожної сцени ріжеться відеоряд. 5. Підбір відео/фото — з безкоштовних джерел по API (див. список нижче). Під кожне джерело запит формується по-своєму (для точності). Якщо в одному не знайшлося — пробує наступний. 6. Перевірка (максимум 3 кроки на сцену). Крок 1: програма бере перший знайдений варіант (відео/фото) за запитом. Крок 2: відправляє кадр в LLM — «підходить під сцену?». Підходить → стоп. Крок 3 (якщо не підходить): програма переключається на пошук фото (по точному запиту фото знайти простіше, ніж відео, — так гарантовано потрапляємо по сенсу) і бере його з посиленим рухом (зум + панорама). Більше 3 кроків на одну сцену не робити — це економить бюджет LLM і гарантує, що кадр в тему. 7. Збірка через ffmpeg/moviepy: кліпи і фото під таймінг озвучки, фото оживляються зумом (ефект Кена Бернса), голос поверх, прості переходи. Вихід: MP4 1920×1080. Правила відеоряду (важливо — за це відповідає програма) Перші 60 секунд — інтро-тизер: нарізка найефектніших кліпів з усього ролика (беруться сцени з вищою оцінкою важливості, де є відео) під окремий текст-вступлення від LLM («в цьому відео ви дізнаєтеся…»), кадри без пояснень, як інтрига. Потім перехід і основна частина. Чередування: відео-вставка мінімум кожні ~6 секунд, не можна багато фото підряд. Доля відео: не менше ~40% часу — живі кліпи, решта — фото з зумом. Довжина кадру: 4-6 секунд (і фото, і відео). Не мельтешити, не тримати статику довго. Для чисто історичних тем, де відео немає — фото з посиленим рухом (зум + панорама). Джерела (всі безкоштовні, з API) Сучасне відео+фото: Pexels, Pixabay. Історичне / архівне (public domain): Wikimedia Commons, Archive.org,Library of Congress, Europeana, NASA, Smithsonian Open Access,Flickr Commons, openverse. Кожне джерело — окремий модуль, легко додати новий. Використовувати тільки public domain / вільні ліцензії з правом комерційного використання. Жодного парсингу чужих YouTube/сайтів, шматків фільмів, картинок «з гугла».Унікальність підбору Щоб відео не співпадали з чужими: брати випадковий кліп з топ-видачі (не перший), вести базу вже використаних (не повторювати), опціонально — легка обробка кліпа (кроп/дзеркало/ швидкість). Опції (вкл/викл в налаштуваннях) Субтитри (вшити або окремим .srt). Фонова музика. Обробка кліпів для унікальності. Роздільна здатність/формат, довжина відео, доля відео, глибина пошуку.Технічні вимоги Python. Модульна структура (джерела і LLM — через змінні модулі, щоб легко замінити або додати). Всі API-ключі — в файлі налаштувань, не в коді. Просте вікно (GUI на вибір виконавця — Tkinter/PyQt), запуск подвійним кліком. README з інструкцією, зрозумілі логи, коментарі в коді.Що даю я API-ключі (ElevenLabs, LLM, де потрібна реєстрація — оформлю). Платне оплачую сам. Приклади відео-референсів (прикріплю) і приклади тем для тестів.Приймання (готово, якщо) Запускаю → вікно → ввожу тему, вибираю голос → «Створити» → отримую готовий MP4. Відеоряд по сенсу тексту, чередування відео/фото, інтро-тизер 60 сек, озвучка поверх. Працює мінімум з 6 безкоштовними джерелами, з fallback між ними. Перевірка кадрів через LLM: макс. 3 кроки на сцену (знайшли → LLM перевірив → якщо немає, фото з рухом як вірняк). Унікальність: рандомізація + база використаного. Тільки легальні джерела. Є README, запускається з нуля.Передача результату Весь вихідний код — в відкритому вигляді (всі файли), без обфускації + зібрана робоча версія. Я можу сам запустити з вихідників за інструкцією (README: установка, ключі, запуск). Код повинен бути чистим, прокоментованим і зрозумілим, щоб **будь-який інший програміст міг продовжити роботу** над ним, якщо знадобиться (не прив'язка до автора). Всі права на код після оплати — мої.Управління місцем на диску (важливо) Програма не повинна забивати диск. Реалізувати: Після збору відео всі проміжні файли (скачані кліпи, тимчасові шматки, аудіо-нарізки) автоматично видаляються — на диску залишається тільки готовий MP4. Ліміт на кеш (параметр в налаштуваннях, напр. 5 ГБ): при перевищенні старі скачані файли видаляються автоматично (спочатку найстаріші). Папку для готових відео і для тимчасових файлів я задаю в налаштуваннях. Показувати, скільки місця зайнято, і кнопка «очистити кеш» вручну.Прошу вказати в відгуку Приклади схожих робіт (ffmpeg/moviepy, робота зі стоковими/архівними API, ElevenLabs/LLM). Пропозиція по GUI. Використовує чи рішення базу даних (яку і навіщо) — або вистачає локальних файлів. Термін і вартість.
Проект: Ми запускаємо B2B-сервіс наскрізної аналітики та управління рекламними кампаніями для таргетологів і медіабайерів. Продукт працюватиме з офіційним Meta API. Головна технічна складність і фокус проекту — віртуозна робота з лімітами Facebook, маршрутизація трафіку між пулом наших додатків і жорстка система захисту інфраструктури від блокувань сірими рекламними акаунтами. У нас вже є детальне технічне завдання, описана архітектура баз даних, логіка балансувальника та вимоги до інтерфейсів. Шукаємо виконавця, який візьме це в реалізацію під ключ (бекенд + фронтенд дашбордів). Що потрібно зробити (Ключові завдання): Інтеграція з Meta API: Налаштувати авторизацію користувачів і регулярний асинхронний парсинг статистики рекламних кабінетів. Запити повинні надсилатися виключно пакетами для економії лімітів. Система авто-відізвання кабінетів: Написати модуль, який безперервно моніторить статуси рекламних акаунтів. Якщо кабінет потрапляє в бан, система повинна автоматично відкликати токен доступу протягом 60 секунд, щоб захистити наше додаток від санкцій Meta. Інфраструктура проксі: Реалізувати тунелювання всіх запитів до API через пул SOCKS5. Обов'язкова жорстка прив'язка конкретного токена користувача до статичного IP-адреси. Розумна маршрутизація: Створити алгоритм, який буде розподіляти прив'язані рекламні кабінети між кількома нашими додатками Facebook у заданих пропорціях для зниження ризиків. Розробка інтерфейсів: Створити клієнтський дашборд зі зведеною таблицею статистики та просунуту адмін-панель для ручного управління лімітами користувачів, прив'язками до додатків і пулом проксі. Очікуваний стек технологій: Бекенд: Python, FastAPI. Асинхронні задачі: Celery, Redis. Бази даних: PostgreSQL (або ClickHouse для статистики, на ваш розсуд). Фронтенд: Vue.js або React (можна використовувати готові UI-бібліотеки та шаблони дашбордів, акцент на функціональність, а не складний дизайн). Вимоги до виконавця: Упевнений досвід роботи з Meta Graph API та Marketing API. Ви повинні розуміти, як працюють ковзаючі ліміти, як читати заголовки завантаженості та як працювати з токенами. Розуміння специфіки арбітражу трафіку. Слова «білінг», «бан рекламного кабінету», «бізнес-менеджер» і «фарм» не повинні викликати у вас запитань. Досвід побудови асинхронних парсерів і роботи з проксі-серверами на рівні мережевих запитів. Готовність працювати за чітким технічним завданням і здавати проект поетапно. Умови: Формат співпраці: Проектна робота (з можливістю переходу на довгострокову підтримку та доопрацювання нових модулів). Бюджет: Обговорюється індивідуально на основі вашої оцінки технічного завдання. Оплата: Поетапна, прив'язана до контрольних точок. Як відгукнутися: У супровідному листі обов'язково вкажіть ваш досвід роботи з Meta API, прикріпіть посилання на схожі проекти (або опишіть їх функціонал, якщо вони під NDA) і напишіть орієнтовну вилку цін і термінів на розробку подібної системи з нуля. Відгуки без опису релевантного досвіду роботи з Facebook API розглядатися не будуть.
Необхідно розробити локальний Python-скрипт для автоматичного заповнення Google Таблиці даними з внутрішнього сервісу компанії. Основна логіка: 1. Підключитися до Google Таблиці. 2. Знайти рядки, де заповнений ID, але відсутні два цільових значення. 3. Сформувати посилання за шаблоном: https://internal-service.example/item/{ID} 4. Отримати два значення (через API, якщо він існує, інакше через Playwright). 5. Записати значення назад у Google Таблицю. 6. Позначити рядок як оброблений. 7. Продовжити обробку наступних рядків. Вимоги: • Python • Google Sheets API • Пріоритет використання офіційного API • При відсутності API — Playwright • Без OCR, розпізнавання екрана та координат миші • Конфіденційні дані не повинні потрапляти в логи • Конфігурація через .env • Тестовий режим (без запису в таблицю) • Не обробляти вже заповнені рядки • Пакетна запис змін у Google Sheets • Коректна обробка помилок і повторних спроб Необхідно надати: - вихідний код; - requirements.txt; - приклад .env.example; - інструкцію по установці; - інструкцію по запуску; - короткий опис архітектури. Перед початком реалізації прошу: 1. Запропонувати архітектуру. 2. Перелічити необхідні доступи. 3. Задати уточнюючі питання. 4. Вказати вартість, терміни та орієнтовну кількість годин.
В рамках підвищення рівня кібербезпеки нашої інфраструктури нам необхідно відмовитися від практики зберігання «вічних» і статичних API-ключів, паролів і токенів інтеграцій у конфігураційних файлах (.env, appsettings.json, config.yaml) наших мікросервісів. Бізнес-мета: Створити єдину захищену точку зберігання конфіденційних даних (секретів) з механізмом їх автоматичного оновлення (ротації) у зовнішніх системах за розкладом. Інші наші сервіси будуть запитувати актуальні токени «на льоту» через API, що зведе до мінімуму шкоду в разі компрометації будь-якого з компонентів системи.Модель безпеки та шифрування (Crypto Core) У базі даних жоден секрет не повинен зберігатися в відкритому вигляді. При старті програми в змінні середовища передається Майстер-ключ (Master Key). Якщо ключ відсутній або має невалідну довжину, сервіс повинен падати на етапі ініціалізації з зрозумілою помилкою в логах. Кожен секрет шифрується перед записом у БД з використанням цього Майстер-ключа. При запиті — розшифровується в пам'яті і віддається в тілі відповіді.Аудит-логування (Audit Trail) Будь-яка дія з секретами (створення, читання сервісом, успішна або неуспішна ротація) повинна записуватися в окремий лог-файл audit.log (або окрему таблицю в БД). Суворе табу: В аудит-лог категорично заборонено записувати самі значення секретів (ні в відкритому, ні в зашифрованому вигляді).
Потрібен спеціаліст для написання парсерів, який зможе обходити CLOUDFRAME. Парсинг товарів відбувається з сайтів з авторизацією. Є 10+ донорів різної складності, з різним ступенем захисту. Парсинг товарів відбувається з сайтів з авторизацією. Парсить дані в готову базу даних Mysql + фотографії на сервер. Потрібно написати парсер відповідно до завдань описаних у технічному завданні та адаптувати дані до існуючої бази даних для повноцінної роботи на сайті. ТЗ та приклад донора по запиту. Десктопні парсери та C# не розглядаємо.