كيف قلّصت تحديث كتالوج Shopify من 8 ساعات إلى ساعة باستخدام Python وGraphQL
نظرة عملية على أدوات Python وShopify Admin GraphQL التي تقف خلف تحديث الأسعار والكتالوج والمخزون بين الفروع لمتجر يضم 50,000 منتج.
أحمد شوقي
مطوّر ويب Full Stack
1 دقائق قراءة
يبيع متجر توحيد ونور أكثر من 50,000 منتج عبر فروع متعددة. الأسعار والمخزون والمجموعات تتغيّر كل يوم، وكان تحديث 300 منتج فقط يدويًا من لوحة Shopify يستغرق يوم عمل كامل.
إليك كيف حوّلت هذه المهمة إلى ساعة تقريبًا باستخدام مجموعة أدوات صغيرة بلغة Python فوق Shopify Admin GraphQL API.
مشكلة التحديث اليدوي
التعديل اليدوي لا يضيّع الوقت فقط، بل يسبّب أيضًا:
- اختلافًا بين نظام الـ ERP (مصدر الحقيقة) والمتجر
- أخطاء في الأسعار والمخزون يلاحظها العملاء قبلك
- حملات بطيئة، لأن كل عرض ينتظر من يعدّل المنتجات واحدًا تلو الآخر
الطريقة
- التصدير من الـ ERP كملف CSV نظيف لكل فرع.
- التحقق من كل سطر بـ Python: الـ SKU موجود، السعر رقم صحيح، المخزون ليس سالبًا.
- تجميع التعديلات في عمليات GraphQL بدلًا من طلب REST لكل منتج.
- احترام حدود الاستخدام بقراءة تكلفة الاستعلام التي يرجعها Shopify والتوقف المؤقت عند الحاجة.
- إصدار تقرير بما تغيّر وما تم تخطيه ولماذا.
تحديث المتغيّرات بالجملة
قلب الأداة عملية واحدة تحدّث متغيّرات كثيرة للمنتج في طلب واحد:
MUTATION = '''
mutation UpdateVariants($productId: ID!, $variants: [ProductVariantsBulkInput!]!) {
productVariantsBulkUpdate(productId: $productId, variants: $variants) {
userErrors { field message }
}
}
'''
النتائج
تحديث 300 منتج انخفض من يوم عمل كامل (حوالي 8 ساعات) إلى ساعة تقريبًا، ونفس السكربتات تشغّل الآن مزامنة المخزون بين الفروع.
والأهم أن الفريق أصبح يثق في الأرقام من جديد. كل تشغيل يترك تقريرًا، فتُكتشف الأخطاء قبل أن يراها العملاء.
نصيحتي لأي متجر ينمو
- اعتبر الـ ERP أو ملف البيانات مصدر الحقيقة الوحيد وزامن منه.
- ابدأ بأتمتة الـ 80% المملّة أولًا. لا تحتاج تطبيقًا ضخمًا، بل بضعة سكربتات موثوقة.
- أضف فحوصات جودة (روابط معطّلة، فجوات في السعر أو المخزون) بجوار المزامنة. هنا يكمن التوفير الحقيقي في الوقت.
عندك مشروع في بالك؟
أبني متاجر وتطبيقات ويب سريعة وثنائية اللغة. دعنا نتحدث عن مشروعك.