Алмас Касымжанов · четвёртый поток
AI-агенты для аналитики маркетплейсов
Подключай данные, собирай агентов для мониторинга спроса и конкурентов, находи идеи для запуска. На курсе разберём, как превратить данные Kaspi, Wildberries и Amazon в отчёты и дашборды — и как проверять выводы AI.
Программа · пять модулей
Данные, агенты и отчёты: что будем собирать
Kaspi и Redstat в чате
Подключение MCP-коннектора Redstat, анализ спроса, конкурентов и сезонности. Переходим от вопроса о категории к проверке конкретных товаров.
На выходе: Разбор ниши на данных, с понятными выводами и ограничениями.
Свой дашборд магазина
Продажи, маржа, остатки и отмены в одном месте. Разбираем, как соединить внутренние показатели магазина с рыночной аналитикой.
На выходе: Рабочая структура аналитики своего магазина.
Wildberries и автоматизация отчётов
Данные MPStats, работа с Claude Code и агенты для регулярного мониторинга. Учимся ставить задачу, проверять ответ и собирать повторяемый отчёт.
На выходе: Процесс мониторинга своей ниши и конкурентов.
Поиск товаров на Amazon
Helium 10, Jungle Scout и разбор товарных карточек. Проверяем продажи, форматы, упаковку и отзывы, затем оцениваем, подходит ли находка для Kaspi или Wildberries.
На выходе: Список идей для дальнейшей проверки перед закупкой.
Личная база знаний
Собираем сведения о категории, конкурентах, сезонности и ценах в NotebookLM или Obsidian. Организуем источники так, чтобы возвращаться к ним в следующих разборах.
На выходе: База материалов и контекста для работы с AI.
Внешний трафик и подготовка к закупке
В программе также есть разбор внешнего трафика на товарную карточку и белого ввоза из Китая. Это продолжение проверки идеи: как показать товар покупателю и что учесть до заказа партии.