.jpg?locale=de)
Wie entscheiden Sie, welche Artikel in der nächsten Saison gepusht werden sollen?
Ich kann ungefähr einschätzen, was derzeit gut verkauft wird, aber es ist schwierig, dies anhand von Daten zu bestätigen.
In der Modebranche ändern sich Trends schnell. Informationen wie welche Artikel in Online-Shops aufsteigen, welche Aktionen Wettbewerber durchführen, was Kunden zufriedenstellt oder unzufrieden macht, sind für die Produktplanung wichtig.
Aber es gibt Schwierigkeiten.
- Es ist mühsam, die beliebten Artikel verschiedener Online-Shops einzeln zu überprüfen.
- Häufige Verpassen von Aktionen und Events der Wettbewerber.
- Schwierigkeiten bei der systematischen Analyse von Produktbewertungen.
- Fehlen eines Systems zur Verfolgung von Trendänderungen mit Daten.
Nur auf das Gefühl und die Erfahrung des Zuständigen zu verlassen, kann dazu führen, Trends zu verpassen.
Erfassen von Modetrenddaten durch E-Commerce-Crawling
Durch die Nutzung von HashScraper können automatisch Daten zu beliebten Produkten, Aktionen und Bewertungen von führenden Online-Shops in Korea gesammelt werden.
Beispiel für Crawling-Daten - Top 100 Produkte der Woche
{
"Channel": "무신사",
"Category": "아우터",
"Rank": "3",
"Product Name": "오버핏 퀼팅 패딩 점퍼",
"Brand": "OO",
"Price": "89,000",
"Original Price": "129,000",
"Discount Rate": "31%",
"Review Count": "1,247",
"Rating": "4.8",
"Collected Date": "2025-01-06"
}
Beispiel für Crawling-Daten - Produktbewertungen
{
"Channel": "무신사",
"Product Name": "오버핏 퀼팅 패딩 점퍼",
"Rating": "5",
"Review Body": "핏이 예쁘고 가벼워요. 다만 주머니가 좀 얕아서 물건 떨어질까 걱정됩니다.",
"Review Date": "2025-01-05",
"Reviewer Info": "165cm / 55kg / M 구매"
}
Durch regelmäßiges Sammeln von Informationen zu beliebten Produkten und Kundenbewertungen können Trendänderungen mit Daten verfolgt werden.
Überwachung von Wettbewerberaktionen und -events
Aktionen in der Mode-E-Commerce-Branche haben einen direkten Einfluss auf den Umsatz. Wenn man erkennt, wann und unter welchen Bedingungen Wettbewerber Rabatte gewähren, kann die eigene Aktionsstrategie feiner abgestimmt werden.
Beispiel für Crawling-Daten - Aktionen/Events
{
"Channel": "W컨셉",
"Event Type": "시즌오프",
"Event Name": "WINTER SALE UP TO 70%",
"Start Date": "2025-01-02",
"End Date": "2025-01-15",
"Target Category": "아우터, 니트, 코트",
"Discount Range": "50~70%",
"Promo Code": "WINTER70",
"Min Purchase": "50,000원",
"Collected Date": "2025-01-06"
}
{
"Channel": "무신사",
"Event Type": "브랜드 단독",
"Event Name": "OO브랜드 신상 10% 쿠폰",
"Start Date": "2025-01-05",
"End Date": "2025-01-12",
"Target Category": "전 상품",
"Discount Range": "10%",
"Promo Code": "NEWOO10",
"Min Purchase": "30,000원",
"Collected Date": "2025-01-06"
}
Erhebbare Aktionen-Datenpunkte
| Kategorie | Beschreibung |
|------|------|
| Art des Events | Saisonale Rabatte, Markenaktionen, Kategorierabatte, Flash Sales usw. |
| Eventname | Titel der Aktion |
| Dauer | Startdatum bis Enddatum |
| Zielkategorie | Kategorie/Marke, auf die der Rabatt angewendet wird |
| Rabattquote/Rabattpreis | Höhe des Rabatts |
| Aktionscode | Gutscheincode |
| Mindestkaufbetrag | Bedingungen für den Rabatt |
| Bonuspunkte/Punkte | Zusätzliche Vorteile |
| Versandvorteile | Kostenlose Versandbedingungen |
Beispiel für die Nutzung von Aktionsdaten
Durch tägliches Sammeln von Aktionen der Wettbewerber kann ein Jahreskalender für Aktionen erstellt werden.
| Zeitpunkt | Musinsa | W Concept | 29CM |
|------|--------|-------|------|
| Anfang Januar | Neujahrsverkauf (30-50%) | Winter Season Sale (50-70%) | Neujahrs-Coupon (15%) |
| Mitte Januar | - | - | Brand Week (20-40%) |
| Ende Januar | Lunar New Year Promotion | Lunar New Year Special | - |
Basierend auf diesen Daten:
- Eigene Aktionen durchführen, wenn Wettbewerber pausieren.
- Stärkere Vorteile bieten, wenn gleichzeitig mit Wettbewerbern.
- Jahresbudget für Aktionen effizient verteilen.
Anwendungsfall: Datenbasierte Produktplanung für ein Modeunternehmen
Ein inländisches Modeunternehmen wollte Daten für die Produktplanung und das Marketing nutzen. Ziel war es, Markttrends schnell zu erfassen, Wettbewerberbewegungen und Kundenreaktionen auf eigene Produkte systematisch zu analysieren.
Crawling-Einstellungen
- Zielkanäle: Musinsa, W Concept, 29CM, SSF Shop, Hanssem (5 Online-Shops)
- Erfassungspunkte: Top 100 Produkte der Woche, Events/Aktionen, Kundenbewertungen
- Crawling-Frequenz: Wöchentlich (täglich für Aktionen)
Analysierte Datenpunkte aus dem Crawling
| Analysepunkt | Anwendung |
|-----------|-----------|
| Beliebte Produkte der Woche | Identifizierung von Auf- und Absteigern in Kategorien, Referenz für die nächste Saisonplanung |
| Preisbereichsanalyse | Überprüfung der beliebten Preisbereiche pro Kategorie, Festlegung von Preisstrategien |
| Wettbewerberaktionen | Erkennen von Rabattzeiten und -höhen der Wettbewerber, Anpassung der Marketingzeitpunkte |
| Analyse von Kundenbewertungen | Identifizierung von Kundenzufriedenheits- und Beschwerdepunkten, Einbeziehung in Produktverbesserungen |
| Verfolgung von Trendänderungen | Früherkennung von Trendanstiegen und -abfällen durch wöchentliche Datenakkumulation |
Quantitative Leistung
| Punkt | Wert |
|------|------|
| Überwachte Kanäle | 5 Online-Shops |
| Wöchentliche Erfassung | Top 100 × 5 Kanäle = 500 Produkte |
| Aktionserfassung | Tägliche Überwachung |
| Berichtszyklus | Wöchentliche Trendberichte |
Die gesammelten Daten werden wöchentlich in Trendberichten zusammengefasst und mit dem Produktplanungs- und Marketingteam geteilt.
Beispiele für die Nutzung gesammelter Daten
1. Frühes Auffinden beliebter Artikel
Durch die Verfolgung der Top 100-Ranglistenänderungen können aufstrebende Artikel frühzeitig entdeckt werden.
| Woche | Produkt | Rangänderung | Signal |
|------|------|----------|--------|
| 1. Woche | Stepp-Padding | 87. → 45. | Aufstieg |
| 2. Woche | Stepp-Padding | 45. → 12. | Steiler Anstieg |
| 3. Woche | Stepp-Padding | 12. → 3. | Trend bestätigt |
Artikel, die zwei Wochen in Folge steigen, haben eine hohe Wahrscheinlichkeit, zu einem Trend zu werden.
2. Produktverbesserung basierend auf Bewertungen
Durch die Identifizierung wiederholt erwähnter Beschwerdepunkte in Bewertungen können diese in zukünftige Produkte einfließen.
| Beschwerde-Keywords | Erwähnungsrate | Verbesserungsrichtung |
|------------|----------|----------|
| Flache Taschen | 23% | Verbesserung der Taschentiefe |
| Kleine Größe | 18% | Ergänzung des Größenleitfadens |
| Pilling | 12% | Verbesserung der Stoffqualität |
Auch in folgenden Fällen können Sie die Daten nutzen
Saisonale Planung
Durch die Akkumulation von Daten zu beliebten Artikeln in der gleichen Zeit des Vorjahres können Sie die Planung für die nächste Saison unterstützen.
Start einer neuen Marke
Sie können im Voraus herausfinden, welche Preisklasse und welcher Stil in der Kategorie, in die Sie eintreten möchten, beliebt sind.
Marketingzeitpunkte
Durch Analyse der Aktionenmuster der Wettbewerber können Sie den optimalen Zeitpunkt für Ihre Aktionen festlegen.
Datenintegration
Die gesammelten Daten werden im Rohdatenformat bereitgestellt, und je nach Bedarf können verschiedene Integrationsmethoden gewählt werden.
- Excel-Download - Rohdaten
- E-Mail-Versand - Empfang von Benachrichtigungen über Top 100-Ranglistenänderungen und Wettbewerberaktionen
- API-Integration - Echtzeitintegration in interne Dashboards
- DB-Integration - Direktes Laden in interne Analyse-Systeme
Fazit
Modetrends sind zuerst in den Daten der Online-Shops sichtbar.
Durch das Sammeln von Daten darüber, welche Artikel im Trend liegen, welche Aktionen Wettbewerber durchführen und was Kunden zufrieden oder unzufrieden macht, können Produkte nicht nur aufgrund von Gefühl, sondern aufgrund von Fakten geplant werden.
Das Betreiben, Warten und Überwachen von Crawling-Tools wird vollständig von HashScraper übernommen. Selbst bei Änderungen der Plattformrichtlinien oder auftretenden Sammelproblemen müssen Kunden nicht direkt eingreifen.
Jetzt starten
Mit HashScraper können Sie automatisch Daten zu beliebten Produkten, Aktionen und Bewertungen von Online-Shops sammeln.
Link zum Musinsa-Produktsammelbot
Wenn Sie Crawling für andere Online-Shops oder maßgeschneiderte Datensammlungen benötigen, kontaktieren Sie uns bitte.
