Сбор карточек товаров: как автоматически собрать данные конкурентов

Зимой 2025 года ко мне обратился предприниматель, который запускал новый бренд на Wildberries. Ему нужно было проанализировать 2000 карточек конкурентов в категории «Товары для дома» — названия, описания, характеристики, цены, фото. Его менеджер копировал данные вручную три недели и обработал только 300 карточек. Когда я показал, как парсер собирает те же данные за 4 часа, он сказал: «Почему я не знал об этом раньше?»

Сбор карточек товаров — это автоматизированный процесс извлечения данных из карточек товаров на маркетплейсах и сайтах. Парсер «читает» карточку как человек и извлекает все нужные поля: название, описание, характеристики, цены, фото, отзывы, рейтинг.

Зачем нужен сбор карточек товаров:

Что можно собрать из карточки товара:

• ›Основная информация: название, бренд, артикул, категория, подкатегория
• ›Цены: текущая цена, цена до скидки, размер скидки
• ›Характеристики: все параметры из таблицы характеристик
• ›Описание: полный текст описания, ключевые слова
• ›Медиа: ссылки на фотографии, видео
• ›Рейтинг: средняя оценка, количество отзывов
• ›Продажи: примерное количество продаж в день/месяц
• ›SEO-данные: позиция в выдаче, ключевые слова в заголовке

Если вас интересует не только сбор карточек, но и полноценная автоматизация — читайте разработку парсеров маркетплейсов. Для мониторинга цен — мониторинг цен конкурентов.

Сбор карточек товаров — это не просто «скопировать данные». Это основа для десятков бизнес-задач.

1. Конкурентный анализ. Собираете карточки конкурентов и анализируете: какие характеристики они указывают, какие фото используют, как описывают товар. Находите слабые места и делаете лучше.

2. Наполнение каталога. Запускаете новый интернет-магазин и нужно быстро заполнить каталог тысячами товаров. Парсер собирает данные с поставщиков и маркетплейсов за часы вместо недель.

3. Мониторинг ассортимента. Отслеживаете, какие товары появляются у конкурентов, какие исчезают, какие категории растут.

4. Анализ ценообразования. Собираете цены по всем конкурентам и строите карту рынка. Видите, где завышены цены и можно зайти дешевле.

5. SEO-анализ. Анализируете заголовки и описания карточек конкурентов, находите ключевые слова, которые они используют.

6. Контроль качества контента. Проверяете, как отображаются ваши карточки на разных площадках. Фото загрузились? Описание корректное? Характеристики заполнены?

7. Подготовка к запуску на новой площадке. Переносите каталог с WB на Ozon или наоборот. Парсер собирает данные с одной площадки, вы адаптируете и загружаете на другую.

8. Аналитика отзывов. Собираете отзывы конкурентов, анализируете частые жалобы, находите боли клиентов.

9. Подготовка к переговорам с поставщиками. Собираете данные о ценах и объёмах продаж конкурентов — это аргумент в переговорах.

10. Создание базы данных товаров. Формируете единую базу данных с нормализованными характеристиками для аналитики.

Подробнее о парсинге данных и аналитике маркетплейсов.

Существует три основных метода сбора карточек товаров. Выбор зависит от площадки, объёма данных и требуемых полей.

1. Сбор через API маркетплейса.

Плюсы API: стабильность, структурированные данные, нет риска блокировки. Минусы API: ограниченный набор полей, только свои товары (для некоторых endpoints).

2. Скрейпинг витрины.

Парсер загружает страницу товара и извлекает данные из HTML. Используется Python + BeautifulSoup/Selenium/Playwright.

Плюсы скрейпинга: любые поля, данные о конкурентах, неограниченный объём. Минусы скрейпинга: может сломаться при обновлении вёрстки, нужна ротация прокси.

3. Экспорт из CMS/платформы.

Если данные есть в вашей CMS (1С-Битрикс, WordPress/WooCommerce, OpenCart), можно выгрузить их напрямую через API CMS.

Плюсы экспорта: быстрый, точный, без парсинга. Минусы экспорта: только ваши данные, нужен доступ к CMS.

Рекомендуемый стек технологий:

Узнать больше о методах парсинга Wildberries и парсере Ozon.

Этот кейс показывает, как автоматический сбор карточек товаров помог предпринимателю выбрать прибыльную нишу на Wildberries. Из портфолио: Сбор данных с WB.

Задача: Предприниматель планировал запустить бренд товаров для кухни на Wildberries. Нужно было проанализировать 5000 карточек в категории «Кухонные принадлежности»: цены, характеристики, рейтинги, объёмы продаж. Ручной сбор занял бы 3-4 недели.

Решение: Разработали парсер для сбора карточек товаров: - Массовый сбор: парсинг 5000 карточек за 6 часов через многопоточный скрейпинг - Полные данные: название, описание, все характеристики, цены, фото, рейтинг, количество отзывов - Нормализация: приведение характеристик к единому формату (например, «цвет» может быть записан 20 способами) - Экспорт: структурированный Excel-файл с фильтрами и сортировкой - Аналитика: автоматическое выявление топ-10 по продажам, средних цен, трендовых характеристик

Результаты: - 5000 карточек собраны за 6 часов (вместо 3-4 недель вручную) - Выявлена ниша с низкой конкуренцией и высоким спросом - Средний чек конкурентов: 1200₽, оптимальная цена входа: 890₽ - ROI анализа: предприниматель зашёл в нишу и за первый месяц вышел на оборот 800 000₽

Технологии: Python, asyncio, Playwright, aiohttp, pandas, openpyxl, PostgreSQL.

Почему это работает: Успех на маркетплейсе начинается с анализа. Прежде чем вкладывать деньги в товар, нужно понять рынок: кто конкуренты, какие цены, что покупатели ценят. Автоматический сбор карточек превращает недели анализа в часы.

Второй кейс демонстрирует, как сбор карточек товаров ускоряет запуск на новой площадке. Из портфолио: Сбор данных с маркетплейсов.

Задача: Селлер с ассортиментом 800 артикулов на Wildberries решил выйти на Ozon. Нужно было перенести все карточки товаров с адаптацией под требования Ozon. Ручное копирование заняло бы 2-3 месяца.

Решение: Разработали систему сбора и адаптации карточек: - Сбор с WB: парсинг всех 800 карточек с полными данными (название, описание, характеристики, фото) - Нормализация: приведение данных к формату Ozon (другие категории, другие поля характеристик) - Адаптация описаний: автоматическая замена «Wildberries» на «Ozon», корректировка под требования площадки - Генерация недостающих полей: автоматическое заполнение обязательных полей, которых нет на WB - Экспорт: готовый файл для загрузки через Ozon Seller

Результаты: - 800 карточек собраны и адаптированы за 2 дня (вместо 2-3 месяцев) - 95% карточек прошли модерацию с первого раза - Запуск на Ozon: через 1 неделю после начала проекта - Первые продажи на Ozon: через 2 недели - Экономия: ~200 000₽ на ручной работе менеджеров

Технологии: Python, Playwright, pandas, openpyxl, Wildberries API, Ozon API.

Почему это работает: При выходе на новую площадку 80% работы — это перенос и адаптация карточек. Автоматический сбор с одной площадки + адаптация под другую экономит месяцы работы.

Подробнее о парсере данных и выгрузке товаров в Excel.

Главная проблема сбора карточек товаров — не сам сбор, а нормализация данных. Каждый продавец заполняет характеристики по-разному, и одинаковые параметры могут быть записаны десятками способов.

Примеры «хаоса» в характеристиках:

Этапы нормализации:

1. 1.Сбор сырых данных. Парсер собирает все поля «как есть» из карточки.
2. 2.Очистка. Удаление дубликатов, исправление опечаток, приведение к единому регистру.
3. 3.Стандартизация единиц. Все объёмы в мл, все веса в граммах, все размеры в единой системе.
4. 4.Маппинг характеристик. Сопоставление полей из разных источников с единой схемой.
5. 5.Валидация. Проверка на корректность значений (цена > 0, вес > 0, рейтинг 1-5).
6. 6.Обогащение. Добавление вычисляемых полей (маржинальность, конкурентоспособность).

Инструменты нормализации:

Результат нормализации: единая база данных, где каждый товар имеет стандартизированный набор характеристик. Это позволяет сравнивать товары между собой, строить аналитику и принимать решения на основе данных.

Подробнее о парсинге данных и Python-разработке.

Настройка сбора карточек товаров — это процесс из 5 шагов.

Стоимость зависит от объёма данных, количества полей и сложности нормализации:

Разовый сбор (до 1000 карточек): - Сбор основных полей (название, цена, характеристики) - Экспорт в Excel/CSV - Стоимость: 15 000–30 000 ₽ - Срок: 1–3 дня

Массовый сбор (1000–10 000 карточек): - Полные данные + нормализация - Экспорт в Excel, JSON, Google Sheets - Стоимость: 30 000–70 000 ₽ - Срок: 3–7 дней

Комплексное решение (10 000+ карточек + автоматизация): - Регулярный сбор по расписанию - Нормализация, обогащение, аналитика - Интеграция с CMS/ERP - Стоимость: 70 000–200 000 ₽ - Срок: 2–4 недели

Ответы на вопросы, которые мне задают чаще всего.

Сбор карточек товаров — это фундамент для любого анализа на маркетплейсах. Без данных невозможно принимать обоснованные решения. Три ключевых вывода:

1. Автоматизация экономит 95% времени. Вместо недель ручного копирования — часы автоматического сбора. И без ошибок.

2. Нормализация — ключ к качеству. Сырые данные бесполезны. Нормализованные данные — это конкурентное преимущество.

3. Начните с конкретной задачи. Не «собрать всё», а «собрать 500 карточек конкурентов в моей категории для анализа цен». Конкретная задача с измеримым результатом.

Если хотите узнать больше — читайте сбор данных с маркетплейсов, парсер Wildberries и выгрузку товаров в Excel.