Saltar al contenido
Todos los proyectos
BotsIAIntegraciones2026 · ~3 min de lectura

Análisis de productos de Ozon y Wildberries a partir de un número de artículo

El usuario escribe un número de artículo — el sistema trae el producto del marketplace, hace que una IA trabaje las reseñas y devuelve un PDF terminado: valoraciones, sentimiento y los pros y contras recurrentes en palabras de los clientes.

Análisis de productos de Ozon y Wildberries a partir de un número de artículo
Un informe terminado tal como lo devuelve el sistema: número de reseñas y crecimiento diario, sentimiento, pros y contras recurrentes con conteo, una impresión general y citas de clientes. La ficha pertenece a un vendedor ajeno — su nombre, número de artículo y las citas están enmascarados.

# El problema

El cliente es una empresa que vende en marketplaces. La herramienta de análisis de competencia no era para su equipo: la ofrecían a sus usuarios, y cada informe generado se cobraba del saldo interno del usuario. Este tipo de análisis se hace normalmente a mano. Abrir la ficha del competidor, recorrer las reseñas hasta el final, anotar qué se alaba y qué se critica, juzgar lo recientes que son las valoraciones — y repetir por cada producto que miras. Come tiempo, el resultado se queda en la cabeza de alguien o en una nota que nadie más puede usar, y un mes después hay que hacerlo todo otra vez. Eso marcó los requisitos. El usuario escribe un número de artículo y no necesita saber nada más. El resultado es un documento que se puede guardar y mandar, no una ventana en una interfaz. Y los datos salen de las páginas públicas de producto y reseñas: los marketplaces no dan a nadie acceso oficial a fichas ajenas.

# La solución

La recolección de datos funciona a nivel HTTP, sin navegador headless. El trabajo fue reproducir lo que hace un navegador real — la sesión, el conjunto y orden de las cabeceras, las firmas de las peticiones — y obtener las mismas respuestas de un cliente aiohttp normal. Ozon llevó más tiempo: su protección no está documentada en ninguna parte, así que el trabajo fue hipótesis a hipótesis — qué se comprueba exactamente, en qué orden, y qué se rompe a la mínima desviación. La ruta habitual aquí es arrancar Playwright o Selenium y manejar un navegador real. Funciona, pero cada informe en paralelo cuesta un proceso de navegador aparte y cientos de megabytes de memoria. Un cliente HTTP es un orden de magnitud más barato — por eso la herramienta pudo servir un flujo de usuarios en lugar de uno a la vez. ChatGPT trabaja las reseñas: reduce decenas de textos a sentimiento, a pros y contras recurrentes con conteo de menciones, y a una impresión general. El informe terminado se monta como HTML con estilos y se imprime a PDF. La segunda mitad va por las APIs oficiales de vendedor — de ahí llegan reseñas nuevas y preguntas sobre los productos propios de la empresa. ChatGPT redacta la respuesta, pero no de la nada: la base de conocimiento vive en PostgreSQL y los administradores la rellenan desde exportaciones de Excel. El modelo primero deduce de qué artículo se habla, luego saca los fragmentos relevantes por RAG y escribe la respuesta a partir de ellos. Entregar la correspondencia de clientes por completo a una máquina es arriesgado, así que hay dos modos. El operador recibe la respuesta redactada en Telegram y la confirma con un botón — o la respuesta automática se enciende selectivamente, por valoración de la reseña y aparte para preguntas. Las reseñas de nota alta se pueden cerrar automáticamente mientras las bajas esperan a una persona.

# El resultado

Un informe tarda 15–30 segundos, y casi todo es espera del modelo; la recolección apenas afecta al total. El desarrollo llevó un mes. No tengo cifras de uso: el cliente se quedó con la facturación y las estadísticas de su lado. El proyecto está apagado de momento, y no por el código. El cliente chocó con restricciones de hosting en Rusia que afectaron a la mitad de Telegram. Propuse mover el servicio a un servidor europeo; el cliente eligió pausar.

# Cómo funciona

  1. UsuarioEscribe un número de artículo y no rellena nada más.
  2. Bot de TelegramToma el número de artículo, cobra del saldo y devuelve el archivo terminado.
  3. Recolección · aiohttpTrabaja a nivel HTTP: sesión, cabeceras, firmas de peticiones. Sin navegador headless.
  4. Ozon y WildberriesPáginas públicas de producto y reseñas. Los marketplaces no dan a nadie acceso oficial a fichas ajenas.
  5. ChatGPTReduce decenas de reseñas a sentimiento, pros y contras recurrentes e impresión general.
  6. Informe PDFHTML con estilos impreso a PDF, para que el resultado se pueda guardar y reenviar.

Punteado: no es mi trabajo — plataformas y sistemas del cliente

Siguiente proyecto

2bix — un constructor para automatizar negocios

¿Necesitas algo parecido?

Discutir la tarea