La investigación de productos en un mercado único no detecta ganadores en los demás. Este tutorial crea un agente multiplataforma que genera la señal de demanda de Amazon + Walmart + Google Shopping + Reddit.
Requisitos previos
- Python 3.10+
- Clave API de Scavio
- Una clave API de LLM
Guia paso a paso
Paso 1: Definir la consulta inicial
Nicho o tipo de producto.
Python
QUERY = 'home fitness equipment under $50'Paso 2: Tire de cada mercado
Tres convocatorias de Scavio en paralelo.
Python
import os, requests, asyncio
import aiohttp
H = {'x-api-key': os.environ['SCAVIO_API_KEY']}
async def fetch(url, body):
async with aiohttp.ClientSession() as s:
async with s.post(url, headers=H, json=body) as r:
return await r.json()
async def all_marketplaces(q):
return await asyncio.gather(
fetch('https://api.scavio.dev/api/v1/amazon/search', {'query': q}),
fetch('https://api.scavio.dev/api/v1/walmart/search', {'query': q}),
fetch('https://api.scavio.dev/api/v1/search', {'query': q, 'search_type': 'shopping'}),
)Paso 3: Señal de demanda de Reddit
Verificación cruzada opcional.
Python
async def reddit(q):
return await fetch('https://api.scavio.dev/api/v1/reddit/search', {'query': q})Paso 4: Clasificación LLM
Pasar a todos los candidatos a un LLM con rúbrica de puntuación.
Text
# Rubric: cross-marketplace presence, price band, Reddit mention frequency.
# LLM returns ranked list of 10 candidates.Paso 5: Salida JSON al panel
Anexar archivo diario o Hojas.
Text
# Save as products_2026-04-29.json; surface to dashboard or email.Ejemplo en Python
Python
# Per run: 4 calls = 4 credits = $0.017. Daily run for $0.50/mo.Ejemplo en JavaScript
JavaScript
// Same architecture in TS using Promise.all.Salida esperada
JSON
Daily ranked list of multi-marketplace winners. Beats single-marketplace tools by surfacing Walmart and Reddit-flagged candidates that Amazon-only tools miss.