| name | fashion-trend |
| description | This skill should be used when the user asks to KREAM·커머스에서 키워드의 남녀 인기순 상품을 긁어 트렌드 리포트를 만들어 달라고 할 때 — "반팔티 KREAM 트렌드 만들어줘", "크림에서 요즘 인기 후드티 분석해줘", "맨투맨 인기순 긁어서 분석해줘", "KREAM 트렌드 리포트", "크림 트렌드 분석". KREAM 검색의 남/여 인기순 상품을 수집해 30-research/에 원자료로 저장하고, 상품 이미지가 들어간 트렌드 HTML 리포트를 60-output/에 만들며, 주간으로 쌓아 순위 변화를 추적한다. 특정 키워드의 KREAM 인기 트렌드·남녀 비교를 언급하면 명시적으로 "스킬 써줘"라고 하지 않아도 사용한다. 단순 상품 추천이나 "KREAM이 뭐야" 같은 개념 질문, KREAM 외 일반 웹 조사(/research)에는 사용하지 않는다. |
Fashion Trend — KREAM 인기 트렌드 리포트
키워드의 남/여 인기순 상품을 긁어 이미지가 들어간 트렌드 리포트를 만들고, 주간으로 쌓아 순위 변화를 추적한다.
매주 KREAM을 직접 둘러보며 "요즘 뭐가 뜨나" 확인하던 일을 자동화한다. 인기순(노출 순위)을 인기 신호로 삼고, 거래량은 스테디셀러 편향이 있어 보조로만 쓴다. 같은 키워드를 매주 쌓으면 순위 변화(Δ)가 진짜 트렌드를 드러낸다.
이 워크스페이스의 리서치 트랙(①)의 특화 도구다: 원자료는 30-research/에, 리포트는 60-output/에 남아 다음 아이데이션·기획의 근거가 된다.
⚠️ 크롤링 주의 — robots.txt·이용약관 확인, 과도한 요청 자제, 수집 데이터는 본인 분석용으로만.
워크플로우
Step 1: 입력 확인 + URL 조립
타입: prompt
키워드와 성별 범위를 AskUserQuestion으로 확인한다. 키워드 기본값은 반팔티이며, 사용자가 다른 키워드(후드티·맨투맨 등)를 말하면 그 키워드로 바꾼다.
- 키워드(기본 반팔티) · 성별(남/여/둘 다, 기본 둘 다)
- 날짜는 오늘(YYYY-MM-DD)로 잡는다.
키워드를 URL 인코딩해 정렬별 URL 2개를 만든다:
남성: https://kream.co.kr/search?keyword={키워드}&tab=products&sort=male_popularity
여성: https://kream.co.kr/search?keyword={키워드}&tab=products&sort=female_popularity
Step 2: 수집 (insane-search)
타입: api_mcp
각 URL을 insane-search engine으로 스크래핑해 응답 HTML을 30-research/_raw/에 저장한다. KREAM은 봇 차단 + Nuxt SPA라 일반 fetch로는 안 되므로 insane-search가 필요하다.
mkdir -p 30-research/_raw
cd <insane-search engine 디렉토리>
python3 -m engine "<URL>" > <workspace>/30-research/_raw/_raw-{성별}.html 2>/dev/null
insane-search 플러그인이 없으면 설치를 안내한다:
/plugin marketplace add https://github.com/fivetaku/gptaku_plugins.git → /plugin install insane-search
Step 3: 파싱 → 상품 표 저장
타입: script
scripts/parse.py로 __NUXT_DATA__를 파싱해 상품 표(마크다운)를 30-research/에 저장한다. 관심/리뷰/거래의 "만·천" 단위 축약은 반드시 실수치로 환산한다(parse.py가 처리) — 누락하면 거래가 최대 1만배 축소되는 버그가 생긴다. 이미지 URL도 상품 카드에서 추출해 함께 저장한다.
python3 .claude/skills/fashion-trend/scripts/parse.py \
30-research/_raw/_raw-남성.html 남성 {키워드} {날짜} 30-research
python3 .claude/skills/fashion-trend/scripts/parse.py \
30-research/_raw/_raw-여성.html 여성 {키워드} {날짜} 30-research
→ 30-research/kream-{키워드}-{성별}-{날짜}.md (이미지URL 컬럼 포함). 날짜 파일명 규칙은 주간 추적의 핵심이므로 고정한다. 파일 상단에 출처(KREAM 검색 URL)·수집일이 기록되는지 확인한다 (리서치 원자료 규칙).
Step 4: 분석
타입: prompt
저장된 두 MD를 읽고 인기순 중심으로 해석한다. 거래량은 "스테디셀러 참고"로만 다룬다(누적이라 출시 오래된 제품이 유리). 다룰 관점:
- 인기순 상위 브랜드/카테고리 점유, 남녀 순위 대조, 동일 상품의 성별 순위 델타
- 구조 분석: 카테고리 구성·가격대 분포·브랜드 공통/전용 맵
- 관심(현재 찜)·리뷰·거래는 시간축이 달라 단일 시점 비율 해석은 주의(진짜 전환·변화는 시계열로).
10-criteria/이 채워져 있으면 사용자 업무 관점의 시사점을 1~2개 덧붙인다 (예: 우리 타깃·카테고리와의 연결).
Step 5: HTML 리포트 생성
타입: generate
scripts/build_report.py로 다크 에디토리얼 매거진 HTML을 만든다. 순위순 상품 카드 그리드(썸네일 이미지 + 순위 뱃지 + 브랜드 + 상품명 + 가격) + 분석 섹션 + ⑥ 미래/변화 섹션.
python3 .claude/skills/fashion-trend/scripts/build_report.py \
30-research/kream-{키워드}-남성-{날짜}.md \
30-research/kream-{키워드}-여성-{날짜}.md \
{키워드} {날짜} 60-output/{날짜}-{키워드}-트렌드.html \
[직전주_남성_md] [직전주_여성_md]
→ 60-output/{날짜}-{키워드}-트렌드.html. 생성 후 open으로 열어 보여준다.
Step 6: 변화 추적 (시계열, 직전 주 데이터 있을 때)
타입: script
30-research/에 같은 키워드의 직전 날짜 MD가 있으면 build_report.py의 마지막 두 인자로 넘긴다. ⑥ 섹션이 안내문 대신 Δ순위·신규 진입·이탈 실측으로 채워진다. 없으면 이번 회차가 1주차 베이스라인이 된다.
Scripts
scripts/parse.py — __NUXT_DATA__ 파싱 + 이미지 추출 + 만/천/억 단위 환산 → 상품 MD 저장. 결정론적이라 같은 HTML이면 같은 결과.scripts/build_report.py — 남/여 MD → 다크 매거진 HTML. 직전 주 MD를 주면 Δ변화 섹션 자동 생성.
Settings
| 설정 | 기본값 | 변경 방법 |
|---|
| 키워드 | 반팔티 | Step 1 AskUserQuestion 또는 요청에 키워드 포함 |
| 성별 범위 | 둘 다 | Step 1 AskUserQuestion (남/여/둘 다) |
| 사이트 | KREAM | 현재 KREAM 전용 (URL·파서가 KREAM 구조 기준) |
