Контекст: бьюти-рынок, закрытый конкурент, требование «свой инструмент»
Бренд работает в парфюмерно-косметической нише, с приличным оборотом на крупных маркетплейсах. Внутри компании сильный аналитический фокус: директор хочет видеть каждый канал продвижения как набор цифр, а не как «доверьтесь нам, мы знаем».
На очной встрече конкурент-бренд предложил подписку на свой парсер блогеров за 100 тысяч в неделю — менеджер выбирает интересующие бренды, получает таблицу с упоминаниями и метриками. Бренду понравилась идея, но не понравилась зависимость от чужой инфраструктуры и непрозрачные правила игры.
Боль: внешняя реклама конкурентов — чёрный ящик
У бренда не было простого способа понять, кто рекламирует конкурентов в YouTube и других площадках, какие посты «залетают», какие ключевые слова в названиях/описаниях видео дают рост. Менеджер маркетинга мог пойти и руками просмотреть несколько каналов, но это не масштабируется и не системно.
При этом видно, что конкуренты активно работают с инфлюенсерами: вечно появляются новые видео, новые блогеры, новые упоминания. Без инструмента это была информация, которой бренд не владел.
Что сделали: платформа на готовом парсинге + AI-аналитика
Главное архитектурное решение — не строить свой парсер YouTube/IG с нуля (это месяцы и постоянная борьба с антибот-системами площадок). Вместо этого подключили готовый API-парсер блогеров (SocialKit / Apify), а собственную ценность добавили на уровне обработки данных и UI.
Менеджер вводит интересующий бренд → платформа подтягивает все видео с упоминанием за последний месяц → считаются метрики (просмотры, лайки, комментарии, ER, рост подписчиков канала, тональность). Дальше — AI-саммари: что общего у «залетевших» видео, какие ключевые слова в названиях работают, какие форматы заходят.
- Основной дашборд с витриной всех найденных видео-упоминаний и их метриками
- Главная таблица для определения «трендовых» видео по росту просмотров
- Список брендов-конкурентов с накопленной историей
- Детальная статистика по конкретному видео: динамика просмотров, лайков, комментариев
- AI-разбор «залетевшего» видео — что в нём такого, что выстрелило
- Подбор ключевых слов с помощью AI + web-search (откуда блогеры берут темы)
- Telegram-бот директору — короткий отчёт `/report Бренд`
Скриншоты платформы
Все экраны — на реальных данных по выбранным брендам. Имена клиента и интересующих ему конкурентов скрыты по NDA — на скринах вы видите интерфейс и метрики.
Как работает: типовой сценарий
Менеджер открывает «Список брендов», выбирает конкурента или вводит нового. Платформа запускает выгрузку за последний месяц по нескольким площадкам (YouTube, RuTube, VK).
Через несколько минут — таблица: какой блогер, какое видео, когда вышло, текущие просмотры, лайки, комментарии. Сортировка по росту просмотров — «залетевшие» видео сразу наверху. По клику открывается детальная статистика: динамика по дням, разбор содержания, AI-комментарий «почему это могло сработать».
Раз в неделю директор получает в Telegram сводку: какие новые видео-упоминания появились по интересующим брендам, какие из них показывают аномальный рост. Без захода в платформу — короткий пуш с цифрами.
Результат: видимость внешней рекламы при бюджете в разы ниже
Бренд получает то, за что у конкурента-агрегатора брали бы 5.2 миллиона рублей в год, за разовую разработку 600–800 тыс. ₽ и небольшие операционные расходы (~5–7 тыс. ₽/мес на API парсинга). При этом инструмент — свой, на сервере бренда, без зависимости от стороннего concierge.
Бонусный эффект: тестируя платформу на парсере самого этого конкурента, видим, с какими блогерами он работает. То есть мониторим не только конкурентов «вообще», но и того, кто продавал нам concierge — «поймали за руку».
