Селлер выгрузил поисковые запросы Wildberries и проанализировал файл с помощью Claude, чтобы найти резкие скачки спроса. Получился практический метод поиска ниш — с примерами и промптом.
Почему это важно
- Рост поисковых запросов — ранний сигнал потенциального спроса, который можно поймать до насыщения конкуренцией.
- ИИ помогает отделить сезонные колебания от реальных трендов и отсеять мусор.
- Примеры роста: «вельветовые брюки женские» — с 25 145 до 70 677 (x2.8), «пиджак женский классический» — с 7 608 до 28 126 (x3.7), «кружевное боди с длинным рукавом» — с 769 до 10 825 (x14.1).
- Аномалия: «набор автомобилиста» — с 13 тыс. до 600 тыс. запросов. Причина неясна, но такие всплески требуют проверки.
Гипотезы (мнение)
- Рост «набора автомобилиста» может быть связан с сезонным фактором (подготовка к зиме) или изменениями в правилах.
- Часть скачков может быть следствием изменений в методике подсчёта WB или аномалий данных, а не реального роста спроса.
- Связка «выгрузка WB + LLM-анализ» может стать стандартным инструментом нишевого ресёрча у селлеров.
- Рост запросов по одежде (брюки, пиджак, боди) может отражать сезонную смену гардероба.
Что делать селлеру
- Сделайте собственную выгрузку поисковых запросов WB за два периода и сравните динамику.
- Используйте LLM для классификации запросов: сезонные/несезонные, отсев мусора.
- Проверяйте найденные ниши на конкуренцию, маржинальность и доступность поставки перед входом.
- Возьмите прикреплённый к посту промпт как отправную точку и адаптируйте под свои данные.
- Валидируйте аномальные скачки (как «набор автомобилиста») через дополнительные источники.
Источники
- @wbbillion — https://t.me/wbbillion/2322
