Система сопоставления данных Helium 10 и Keepa для Amazon US (NDA)
В 2020 году я разработал внутренний аналитический инструмент для e-commerce бизнеса, работающего на Amazon US.
Проект выполнялся под NDA — бренд, интерфейс и конкретные данные клиента не публикуются.
Основная цель заключалась в том, чтобы получить объективную и целостную картину по продуктам, объединив данные из нескольких источников аналитики Amazon.
Контекст и проблема
Для анализа ассортимента клиент использовал сразу несколько сервисов:
- Helium 10 — для отчётов и общей аналитики
- Keepa — для истории цен, спроса и динамики товаров
Проблема заключалась в том, что:
- данные из разных сервисов часто отличались;
- каждый инструмент показывал лишь часть картины;
- анализ требовал ручного сопоставления показателей;
- принятие решений занимало слишком много времени.
Бизнесу был нужен единый источник данных, который позволял бы быстро оценивать товары и принимать решения по продуктовой матрице.
Основные задачи
- Централизовать данные из Helium 10 и Keepa
- Автоматически сопоставлять данные по ASIN
- Отсеивать нерелевантные или неинтересные товары
- Визуализировать данные в удобном формате
- Упростить процесс принятия решений для менеджмента
Техническое решение
Архитектура
В качестве базы данных и логического ядра был выбран Drupal, который:
- принимал отчёты из Helium 10;
- автоматически запрашивал дополнительные данные через Keepa API;
- сопоставлял информацию по ASIN;
- агрегировал и нормализовал данные.
Drupal использовался как аналитическая платформа, а не просто CMS.
Работа с данными
Процесс обработки выглядел следующим образом:
- Отчёты из Helium 10 загружались в систему
- Для каждого ASIN автоматически запрашивались данные из Keepa
- Данные из разных источников сопоставлялись и проверялись
- Нерелевантные позиции автоматически отсеивались
- Итоговые данные сохранялись в структурированном виде
Аналитика и дашборды
Для заказчика был реализован дашборд, который включал:
- сводную таблицу по товарам
- графики динамики показателей
- прямые ссылки на товары в Amazon
- быстрые фильтры для анализа
Интерфейс был ориентирован на быстрое принятие решений, а не на глубокую ручную аналитику.
Результаты
- Сокращено время анализа продуктовой матрицы
- Исключена необходимость ручного сопоставления данных
- Повышена объективность принимаемых решений
- Заказчик получил единый инструмент вместо нескольких разрозненных сервисов
Что было интересного
- Работа с противоречивыми данными из разных API
- Проектирование логики автоматического отбора товаров
- Использование Drupal как data-платформы
- Фокус на бизнес-решениях, а не на “сырых цифрах”
Выводы
Проект показал, что даже при наличии мощных внешних аналитических сервисов бизнесу часто требуется собственный инструмент для интерпретации данных.
Объединение нескольких источников в единую систему позволило перейти от разрозненной аналитики к осознанным продуктовым решениям.
Проект выполнен по NDA. Все описания приведены в обобщённом виде и не раскрывают коммерческих или визуальных деталей клиента.
