Выгружаем рекламную статистику из АПИ Вайлдберриз | Wildberries API Python

• Приветствие и представление канала.  

• Тема видео: использование API Wildberries для анализа рекламных кампаний.  

• Цель: выгрузка данных об автоматических рекламных кампаниях и анализ их эффективности.  

• Создание папки проекта и виртуального окружения.  

• Установка необходимых пакетов: requests, pandas, python-dotenv.  

• Подготовка к работе с секретными данными и ключами.  

• Подключение к API и авторизация.  

• Использование токена для авторизации.  

• Создание и использование файла .env для хранения секретных данных.  

• Переход в документацию API для получения данных.  

• Описание методов работы с рекламной системой.  

• Примеры запросов и ответов.  

• Отправка POST-запроса для получения информации о компаниях.  

• Авторизация с использованием токена.  

• Настройка параметров запроса и отправка запроса.  

• Отправка POST-запроса и получение ответа.  

• Обработка ошибок и получение данных.  

• Завершение видео и прощание.  

• Обнаружена ошибка в токене, исправлена.  

• Получены данные о рекламных кампаниях: название, бюджет, статус, тип и ID.  

• Перезапуск и проверка данных.  

• Подключение к API и получение списка активных рекламных кампаний.  

• Переход к методу для получения статистики по кампаниям.  

• Возможность передачи параметров для получения данных по датам или интервалам.  

• Описание параметров для запроса: дата, интервал, массив объектов.  

• Создание массива словарей для передачи данных по компаниям.  

• Добавление ключей ID и интервала в словари.  

• Создание списка словарей с ID и интервалом.  

• Отправка POST-запроса с параметрами.  

• Обработка ответа и исправление ошибки некорректного тела запроса.  

• Данные представлены в сложном формате.  

• Анализ структуры данных: список словарей, ключи, метрики, дни.  

• Вложенная структура данных: метрики, приложения, товары.  

• Необходимость приведения данных в более читаемый вид.  

• Обогащение данных: добавление информации о рекламной кампании, дне, приложении и товаре.  

• Создание цикла для перебора всех данных и добавления необходимых ключей.  

• Использование переменных для хранения информации о приложении и дате.  

• Обогащение данных с помощью ключей и значений.  

• Создание словаря для хранения данных.  

• Использование Pandas для преобразования списка словарей в таблицу.  

• Экспорт данных в CSV-файл для дальнейшего анализа.  

• Возможность открытия CSV-файла в Excel или Google Таблицах.  

• Использование метода для получения статистики по ключевым словам.  

• Передача ID рекламной кампании и авторизация.  

• Создание словаря для хранения данных по ключевым словам.  

• Проверка и обработка ошибок при выполнении запросов.  

• Использование цикла while для повторных попыток.  

• Добавление задержки для предотвращения тротлинга.  

• Преобразование списка словарей в таблицу.  

• Анализ данных по ключевым словам и рекламным кампаниям.  

• Возможность дальнейшего анализа и обработки данных.  

• Статистика за конкретный день и рекламную компанию.  

• Добавление даты в статистику.  

• Проблема с отсутствием ID компании в данных.  

• В цикле нужно сохранять ID компании.  

• Изменение формата сохранения данных с JSON на кортеж.  

• Кортеж содержит ID компании и данные.  

• Преобразование кортежа в словарь с ключами.  

• Сохранение данных в формате словаря с ключами.  

• Добавление ID компании в словарь статистики.  

• Добавление ID компании в словарь статистики.  

• Сохранение данных в CSV-файл.  

• Возможность настройки гибкой системы аналитики для электронной коммерции.  

• Важность отслеживания данных конкурентов.  

• Инструкция по настройке парсинга цен и каталогов конкурентов.  

• Прощание и благодарность за внимание.