Speaker A
Ну что, ребят, всем привет. Блог 3. И в этом видео я покажу пример резерча рынка парсеров через чат GPT по нашему фреймворку со своими комментариями, как я это делал и что у меня в результате получилось. Поехали. Ну, начал я с
Резерч рынка парсеров через чат GPT с анализом ниш, аватаров и конкурентов для создания софта в HR-сегменте.
Key Takeaways
- Рынок парсеров резюме мал и нестабилен, что ограничивает коммерческий потенциал.
- Ключевые боли рекрутёров связаны с эффективным наймом и закрытием вакансий.
- Лучше рассматривать смежные ниши с большим спросом, например, резюме билдеры.
- Для успешного проекта необходимы глубокое понимание аватаров и их задач.
- Использование чат GPT помогает структурировать исследование и выявить перспективные направления.
What the video covers
- Автор проводит исследование рынка парсеров с помощью чат GPT по собственному фреймворку.
- Определены ключевые потребители и выбраны 4 основных аватара, исключая электронную коммерцию.
- Выбраны пять ниш для изучения: парсинг резюме, мониторинг вакансий, анализ отзывов, парсинг зарплат и контактной информации.
- Особое внимание уделяется боли и приоритетам рекрутёров как конечных пользователей.
- Проведен анализ этапов работы рекрутёра для выявления возможностей автоматизации.
- Исследованы существующие решения и продукты на рынке, включая отзывы и спрос через Google Trends и AlternativeTo.
- Выводы показывают, что ниша резюме парсеров невелика и сложна для подпроектов из-за необходимости больших датасетов.
- Рассмотрены смежные ниши и альтернативные продукты, например, резюме билдеры, которые имеют больший спрос.
- Проведен сравнительный анализ конкурентов и оценка их посещаемости и функционала.
- Подчеркнута важность визуализации аватаров для таргетинга и запуска маркетинговых кампаний.
Chapters
- 00:00Введение и постановка задачи исследования
- 01:10Выбор ниш для исследования парсеров
- 02:20Анализ болей и приоритетов рекрутёров
- 03:28Этапы работы рекрутёра и возможности автоматизации
- 04:43Обзор существующего софта для рекрутинга
- 05:34Исследование рынка резюме парсеров и спроса
- 07:33Выводы по нише резюме парсеров и альтернативы
- 09:40Анализ конкурентов и маркетинговые рекомендации
- 11:39Заключение и дальнейшие шаги исследования
Full Transcript — Download SRT & Markdown
Speaker A
вводного промпта. Попросил обрисовать ключевых потребителей. Он мне дал вот такое вот определение. Оно довольно расплывчатое, но тем не менее там есть кое-что, за что можно зацепиться. Парсинг и сбор данных с веб-страниц, автоматическое обновление данных с определённой периодичностью, интеграция с другими сервисами, ну и,
Speaker A
собственно, ключевые потребители: маркетинговые агентства, электронная коммерция, бизнес-аналитики, разработчики, журналисты и так далее. Я взял свои черновики и вставил туда вот это определение. Выбрал для себя четырёх ключевых аватаров, которым, по моему мнению, больше всего нужны парсеры. Ну и определил то, куда я вязываться не хочу,
Speaker A
а именно в электронную коммерцию. И дальше вот такой промпт засадил. Все промты будут в методичке. И он мне дальше ответил про ниши, которые на этом рынке есть, и про продукты, которые сейчас в этих нишах работают. Я
Speaker A
выбрал вот пять, в которых мне было бы самому интересно разобраться. Это автоматический парсинг резюме, мониторинг вакансий конкурентов, анализ отзывов работодателей, парсинг данных о зарплатах и парсинг контактной информации. Это моя отправная точка для этого ресерча. Напомню, что чат GPT мне
Speaker A
сгенерил несколько аватаров, несколько ниш, в которых актуален парсинг информации, в которых я теоретически мог бы сделать подпроект, и мне теперь нужно выбрать из них. Важный момент: в резерче любой ниши, любого сегмента важно исходить всегда от конечного человека,
Speaker A
от человека, который будет тебе платить деньги за твой софт. В нашем конкретном случае, допустим, это будет рекрутёр. И нам бы понять логику рассуждения рекрутёра и логику рассуждений начальника этого рекрутёра. Для этого есть вот такой вот интересный промпт, который позволяет понять боль номер один
Speaker A
и боль номер два конкретного аватара, то есть в этом случае рекрутёра. Что я имею в виду? Если рекрутёр будет плохо нанимать, от него будут плохие кандидаты, то, скорее всего, этот рекрутёр останется без работы. Также, если вакансии будут закрываться долго,
Speaker A
то рекрутёр тоже может остаться без работы, потому что это его основные обязанности. Именно в таких проблемах и кроется 90% денег. За проблемы третьего, четвёртого, пятого приоритета обычно никто не платит. Если их не решать, то ничего не изменится. И обычно все на это
Speaker A
забивают. Это как раз является причиной того, что боль такая есть, а денег в этой боли нет. Дальше можно немножко поиграть и отдебажить работу рекрутёра, посмотреть из каких составных частей она вообще состоит, за что там можно зацепиться. Возможно, там есть какие-то
Speaker A
составные части, которые хорошо подходят для подпроектов, которые можно автоматизировать. Вот что мне ответил чат GPT. Анализ, планирование, разработка стратегии, процесс привлечения кандидатов, отбор, первичная оценка, глубокое интервью, оценка, принятие решений и так далее. И вот если подрезюмировать это всё, то основная
Speaker A
задача у рекрутёра — поиск новых сотрудников. Если сотрудники не будут выходить на работу, то у компании будет другой рекрутёр. Это вполне закономерный исход. А вот по цели удержания сотрудника, моральный дух в команде и какие-то другие вещи, они, во-первых,
Speaker A
не являются первым приоритетом. Во-вторых, если их не решать, то, конечно, будет плохо, но в целом ничего критичного не случится, компания дальше работать будет. А если на критически важной позиции у тебя не будет в нужный момент правильного человека, то бизнес
Speaker A
встанет. Например, в магазине всегда должен быть кассир и водитель грузовика, который привозит туда продукты. Если их не будет, то магазин не будет работать.
Speaker A
Вот настолько это важно. И, соответственно, по этим критериям я отсел пункт 3 и пункт 4, потому что они не решают проблему воронки найма, привлечения новых сотрудников. Дальше я его спросил, каким он пользуется софтом и на каких этапах. Он сгенерил вот такой
Speaker A
вот список. Понятно, что там много комбайнов сложных продуктов, но есть и несколько маленьких. Ну, например, там HackerRank, Codility, CД Signal, несмотря на то, что это тоже платформа, но она довольно простая, и это, блин, не реализация Zoom или Microsoft Teams, которая
Speaker A
может годы занять. Ну так вот, провели экспресс-ресерч аватара HR-менеджера. И важно, на самом деле, в аватарах прямо визуально представлять, потому что когда вы будете запускать трафик, хорошо было бы просто по имейлу, по какой-то его анкете, по профилю в
Speaker A
LinkedIn понимать сразу же, целевой он или нецелевой. Дальше объясним, почему. Дальше возвращаемся в парсофт. Я загуглил вот такой запрос. Он мне выдал несколько резюме парсеров. Что подразумевается здесь под резюме парсером? А есть много разных форматов резюме, потому что люди их составляют в
Speaker A
свободной форме. И если у тебя есть какая-то внутренняя система, где ты хочешь автоматизированно упорядочивать всех этих кандидатов, тебе нужна какая-то софтина, которая будет из свободной формы переводить в какую-то структурированную. Для этого тут нужен вот этот вот парсер. Соответственно,
Speaker A
есть сабреддит, который я нашёл. Я провалился в него, посмотрел, что там вообще в этом сабреддите происходит. Тоже много интересного. Там ещё есть тема про рекрутёров. Ну то есть, тут сидят аватары, боль которых мы разобрали ранее. Вот дальше пошли вариации этого
Speaker A
запроса. Есть вот такой, там чуть другая выдача. Есть и вот такой — чуть другая выдача. Очень полезный сайт AlternativeTo позволяет сравнивать разные продукты и оценивать вообще объём спроса в разных рынках. Гуглил такое, нашёл вот такое. И он, кстати, был в ответе GPT. На него
Speaker A
есть какие-то отзывы, им действительно кто-то пользуется. По этим отзывам я на самом деле понял, что этот резюме парсер используют в интеграции в какие-то большие системы. И как такового спроса на эти резюме парсеры стабильного нет. И это подтвердилось Google-ом. Ну, тут
Speaker A
видно, что тут шаром покати. Никто не интересуется этой темой. Есть платформа AmazingHiring. Это система для HR-ов.
Speaker A
На неё интерес тоже небольшой, но в целом уже пики прострелы есть. Вот, например, запрос резюме парсер. Я так понял, это индусы гуглят, как это реализовать. И вот запрос суперпопулярная резюме билдера. Можно оценить спрос, сколько реально ищет резюме парсер и какая по объёму эта ниша,
Speaker A
и сколько ищет резюме билдер. И мне кажется, при прочих равных лучше делать билдер, чем парсер. Дальше я пошёл на YouTube, загуглил лучшие парсеры резюме.
Speaker A
Тут я не нашёл никаких видео со сравнениями. Это очень плохой признак. Это означает, что, скорее всего, ниша очень слабая, спроса мало, никто не ходит, не смотрит, не сравнивает, иначе бы здесь было очень много. Отсюда какие выводы? Вернёмся к нашему чек-листу. Вот
Speaker A
он на экране. Что мы по этому чек-листу получаем? Даже если мы будем делать аналог Chili, на который мы натолкнулись, всё равно рынок очень небольшой. Как мы видим, рынок резюме билдеров сильно больше, и при прочих равных делать их тоже проще. Если
Speaker A
проанализировать сайт Archily и отзывы на Archily, то станет понятно, что им пользуются в основном крупные или средние компании, которые разрабатывают какую-то свою систему, решают задачу парсинга вот кучи резюме и стандартизацию их в едином виде.
Speaker A
Соответственно, нет такого, что каждый день на этом рынке приходит там, не знаю, 100 аватаров и говорит: "Мне нужен такой продукт". Это разовая история. И поэтому и на Google Trends такой странный график, что там как будто ничего нет. Ещё один минус этой идеи в
Speaker A
том, что как подпроект делать такую штуку очень трудно, потому что для этого тебе нужен огромный датасет. Его надо откуда-то взять, придумать, решить много вопросов. Ну, в общем, ну, и, допустим, это соответствует моей личной концепции навыка. Однако я посмотрел, что там есть
Speaker A
в смежных нишах, какие похожие продукты. Наткнулся на вот это. Это уже не просто парсер, это какая-то система для процессинга документов. Типа сотрудник вых...
Speaker A
процесс как-то организовать. Я пошёл по старой схеме, посмотрел конкурентов, нашёл вот такую статью. С этой статьи нашёл вот такой вот сервис. Это уже не парсеры, но это сервисы для HR. И там уже как раз то, что нам сказал чат GPT в
Speaker A
роли этого аватара, что они решают проблему найма большего количества кандидатов через AI recкрутинг софtware.
Speaker A
Как раз попадают в боль номер один. Они это делают вот через вот эти фичи. И таких сервисов несколько. Но вернёмся к парсерам. Когда мы изучали парсеры дляров и рекрутёров, там много раз фигурировал LinkedIn и другие площадки.
Speaker A
Я подумал, как загуглить так, чтобы мне показало про парсеры именно под эти площадки. Я загуглил scrapper. Учуда оказался я в зелёном рынке. Даже попалась одна статья собрать. Это Side Project, где чел рассказывает, как он сделал LinkedIn Scraper. Там у него 139
Speaker A
опоутов, что довольно много. Есть комменты. Ну, понятно, что вот здесь Аватар - это девелопер, который что-то там разрабатывает. Ну и когда я перешёл в Google Trends и посмотрел, какое количество запросов, то стало понятно, что здесь-то рынок как раз гораздо более
Speaker A
устойчивый. Я нашёл несколько конкурентов вот. А довольно свежие Product Hun 2024 год. Сколько денег они берут, довольно понятно. Дальше я зашёл в Silr Web. Это бесплатная у меня версия. Посмотрел, сколько визитов, какие есть конкуренты. Конкурентов больших много-много визитов. Например,
Speaker A
вот у этого аж 108.000. Это небольшой. При этом он появился недавно, что для нас, как для ПД проекта, очень хорошо, потому что мы можем взять его за референс, просто по аналогии сделать. Ну вот как, э, выглядит сайт этого nobella.
Speaker A
Вот какие продукты есть. Они очень интересно делают. У них есть база данных публичных LinkedIn профиле для того, чтобы ты мог просто обратиться к копии, ничего не интегрировать, никакой парсер, не думать вообще про это. Есть даже addдо спредшита, что тоже может быть
Speaker A
отдельно являться пд-проектом. Вот это тоже довольно хороший selling pointт для пэпроекта, из которого дальше можно вырастить какой-то там большой продукт.
Speaker A
Тем временем я сравнил вот этот LinkedIn Scraper свеженький, который недавно появился с Rчили, который существует давно. И понятно стало, что Рчили, ну, прямо сильно меньше. Здесь было 27.000, тут 8.000. Ну, практически в четыре раза. Вернёмся к нашему чек-листу. Давай
Speaker A
посмотрим, сколько LinkedIn Scraper наберёт. Рынок хороший. Ну, рынок сильно лучше, чем резюме Parcerсер. Легко выбрать главного конкурента. Там масса вариантов. Хочешь большого старого, хочешь маленького, нового, хочешь какие-то альтернативы. Невысокий transaction cost. Трудно, на самом деле, сказать. Я думаю, что transaacion cost
Speaker A
по всем парсерам будет довольно высокий. Но есть тут одна штука, что на рынке, где устойчивый спрос, каждый день появляется не один аватар, а хотя бы 100 или 200 аватаров, которые для себя рассматривают решение. И, соответственно, для них, для новых,
Speaker A
выбор будет сильно проще, потому что у тебя ещё нет никакого парсера. Тебе не нужно отказываться от чего-то, переписывать какой-то код, тратить деньги на то, чтобы перейти на новый.
Speaker A
Плюс есть подпродукты LinkedIn Database, ээ, основанные на публичных данных, в котором transaction cost вообще микроскопический, потому что тебе, по сути, не надо ничего интегрировать, ты можешь по один раз по IP там что-то скачать и всё. Дальше, можно ли это
Speaker A
реализовать как пд-проект? Ну и тут вопрос: соответствует ли это твоей личной концепции навыкам? Ну и подытожим наверное общими рекомендациями моими по парсерам. Я сталкивался с этим рынком. Я могу сказать, что на этом рынке и большие компании тоже есть, и маленькие есть, и
Speaker A
одна из них - это brightdata.com. Brightdatacom они парсят всё парсят просто вот ээ, Instagram Facebook LinkedIn очень-очень много. У них есть очень много разных подпродуктов. И на самом деле те маленькие парсеры, которые появляются, они просто берут одну фичу
Speaker A
отбрать даты, делают её там либо дешевле, либо лучше и запускаются. Ну и, собственно, получают первых клиентов.
Speaker A
Просто походив по сайту бра братьдаты, ты можешь увидеть, сколько у них есть продуктов, под какие ниши. На самом деле, если ты это всё проанализируешь, то окажется, что продают они в основном.
Speaker A
Парсеры для поиска новых клиентов, которые позволяют бизнесу расти и масштабироваться. Новые клиенты для любого бизнеса - это боль номер один. И любые деньги будут тратиться, если твой продукт будет приводить качественных новых клиентов. Поэтому я думаю, что есть огромное количество подниш, есть
Speaker A
большое количество мелких площадок, которые у них почему-то не интегрированы. Ну, например, у них здесь есть Amazon Scrap. Криксста почему-то нет, хотя довольно большой. Либо он запрещает по своему terms of сервис парситься. Ну, кого это волнует, тоже есть AVI, есть
Speaker A
OLX, есть нишевые маркетплейсы, есть в этих маркетплейсах под ниши для парсинга автомобилей, для парсинга недвижимости, в общем, много разного, но объединяет их то, что это всё инструменты для поиска новых клиентов.
Speaker A
Потому что, ну, например, как это работает? Быстро появляется какой-то гараж на севере Москвы, ниже рынка. Тот, кто первый его купит, тот и зарабатывает всю маржу. Почему его выставляют ниже рынка? Это открытый вопрос. Может быть, хотят быстро продать, а может быть, там
Speaker A
какая-то проблема. Но в целом во многих областях вот так это и работает. И поэтому нужны какие-то инструменты парсинга и систематизации для того, чтобы ты был уверен, что у тебя твой продукт охватывает 100% объявления там.
Speaker A
Поэтому подытожим. При прочих равных всегда нужно делать парсер для поиска новых клиентов. Ну и, соответственно, с вот этими вот инструментами, которые я тебе сейчас показал. Если тебе нравятся ниши парсинга, ты можешь отфильтровать аватаров, поговорить с ними виртуально через чат GPT, понять, что у них болит,
Speaker A
дальше проанализировать отзывы на существующие продукты, найти референс, ну и запускаться. y
Topics:парсерырезерч рынкачат GPTрекрутингHR софтпарсинг резюмеавтоматизация наймарынок парсероврезюме билдеральтернативные продукты
