Десять запросов и 25 месяцев Wordstat: когда в России на самом деле ищут мерч и корпоративные подарки

Я работаю в производстве печати и вышивки на одежде, и каждую осень у нас повторяется один и тот же спор: когда начинать готовиться к новогоднему сезону. Одни говорят, что заказы на подарки приходят в декабре, другие уверены, что всё решается в октябре. Спорить на ощущениях надоело, поэтому я собрал помесячную частоту запросов из Wordstat и посчитал, что там на самом деле происходит.

Ниже данные, код и результаты, а в конце отдельный раздел о том, где этот метод меня обманывал.

Какие данные и как собраны

Я взял десять запросов из двух групп. Первая про печать и изделия: «мерч», «футболка с принтом», «печать на футболках», «вышивка на одежде», «худи с принтом», «кружка с фото», «нанесение логотипа». Вторая про корпоративный спрос: «корпоративный мерч», «подарки сотрудникам», «корпоративные подарки».

Для каждого запроса снята помесячная частота за 25 месяцев, с сентября 2024 по сентябрь 2026 года. Важная деталь: я брал именно месячную агрегацию Wordstat (режим «По месяцам»), а не суммировал недельные точки. Недели не выровнены по границам месяцев, и сумма недель иногда даёт даже противоположный тренд. Регион «все регионы», устройства все три.

Данные лежат в JSON такого вида:

{"корпоративные подарки": [
  {"period_start": "2024-09-01", "value": 13261},
  {"period_start": "2024-10-01", "value": 23804},
  ...
]}

Как считается индекс сезонности

Сырые частоты между запросами сравнивать бессмысленно: «мерч» спрашивают сотни тысяч раз в месяц, «корпоративный мерч» около тысячи. Поэтому я перевёл каждый ряд в индекс: частота месяца, делённая на среднюю частоту своего двенадцатимесячного окна. Единица означает обычный месяц, два означает вдвое больше среднего.

Окон два, с октября 2024 по сентябрь 2025 и с октября 2025 по сентябрь 2026. Индекс месяца усредняется по обоим, чтобы один необычный год не перекосил картину.

import statistics as st
from collections import defaultdict

def season_index(series):
    """series[0] = сентябрь 2024, всего 25 точек."""
    idx = defaultdict(list)
    for start in (1, 13):
        win = series[start:start + 12]
        mean = st.mean(p["value"] for p in win)
        for p in win:
            m = int(p["period_start"][5:7]) - 1
            idx[m].append(p["value"] / mean)
    return {m: st.mean(v) for m, v in idx.items()}

Второй функцией я искал аномалии: месяцы, где частота отличается от того же месяца годом раньше больше чем в полтора раза.

def anomalies(series, k=1.5):
    by = {p["period_start"]: p["value"] for p in series}
    out = []
    for d, v in by.items():
        prev = f"{int(d[:4]) - 1}{d[4:]}"
        if prev in by and (v / by[prev] > k or by[prev] / v > k):
            out.append((d, by[prev], v, round(v / by[prev], 2)))
    return out

Что получилось по десяти запросам

Сводная таблица, отсортированная по размаху между самым сильным и самым слабым месяцем:

«Год к году» здесь означает сумму последних двенадцати месяцев против двенадцати предыдущих.

Три наблюдения, ради которых всё затевалось

Корпоративные подарки ищут на два месяца раньше, чем подарки сотрудникам. Пик «корпоративных подарков» приходится на октябрь с индексом 1,77, а «подарки сотрудникам» взлетают только в декабре, до 3,65. В 2025 году «корпоративные подарки» дали 23 307 запросов в октябре и уже меньше в ноябре и декабре: 19 596 и 16 334. Похоже, что запрос с корпоративной формулировкой задают те, кто закупает, а «подарки сотрудникам» ищут те, кто вспомнил о празднике в последний момент. Для производства это две разные очереди: первая приходит с тиражом и временем на пробу, вторая хочет «к пятнице».

Футболки живут летом, а не к Новому году. Пик «печати на футболках» и «футболки с принтом» в июле, дно у первой в январе, у второй в октябре. Новогодний сезон поднимает худи (индекс 1,42 в декабре) и кружки с фото (1,45 в декабре), а футболки в декабре поднимаются всего на 10-19% от среднего. Если планировать закупку заготовок под сезон, это разные склады.

Кружка с фото пикует в феврале, а не в декабре. Индекс февраля 1,52, выше декабрьского. В обоих годах февраль сильнее января и марта: 9268 в феврале 2025 и 8019 в феврале 2026. Я связываю это с двумя февральскими праздниками подряд, но данных, которые это доказывают, у меня нет.

Где этот метод соврал

Этот раздел мне кажется важнее результатов.

Падение год к году почти везде, кроме самого широкого запроса. «Корпоративные подарки» минус 34%, «нанесение логотипа» минус 27%, «печать на футболках» минус 19%, а «мерч» плюс 11,7%. Первая мысль была «рынок падает», но я не могу отличить реальное падение от изменения того, как Wordstat считает показы. Сервис фильтрует автоматические запросы и меняет методику без публичных объявлений, а у узких коммерческих формулировок доля таких запросов может быть выше. По одному Wordstat этот вывод делать нельзя, нужен второй источник: данные о закупках или хотя бы собственная статистика обращений.

«Мерч» в августе 2026 года вырос в 1,66 раза. 936 614 запросов против 563 734 годом раньше. Ни один из девяти остальных запросов в тот же месяц так не вырос. Скорее всего, это фанатский мерч исполнителей или блогеров, а не корпоративный спрос: слово «мерч» в обычной речи означает прежде всего товары артистов. Поэтому для оценки бизнес-спроса широкий запрос не годится вовсе, и его рост в таблице не стоит читать как рост рынка.

Индекс скрывает абсолютный объём. У «корпоративного мерча» размах всего 1,45, и кажется, что это ровный круглогодичный спрос. На деле это около тысячи запросов в месяц, и любое событие в несколько сотен поисков двигает индекс заметнее, чем у запроса на десятки тысяч.

Два года данных дают только два окна. Индекс месяца усреднён всего по двум значениям, и если в одном году был сбой, он сдвигает результат наполовину. Аномалии из второй функции как раз показывают такие месяцы: у «корпоративных подарков» их семь из двенадцати во втором году, то есть ряд нестабилен и пик «октябрь» нужно перепроверить через год.

Границы, за которые выводы не выходят

• Это частота запросов, а не продажи. Человек, который ищет «подарки сотрудникам» в декабре, может ничего не купить.

• Формулировки выбраны мной. Другой набор запросов того же смысла, например с уточнением города, может дать другой пик.

• Регион «все регионы»: сезон в разных частях страны может отличаться, я это не проверял.

Источник данных и дата снятия

Помесячная частота Wordstat, режим «По месяцам», все регионы, все устройства, период с сентября 2024 по сентябрь 2026 года. Данные сняты 21 октября 2026 года. JSON, скрипт анализа и вывод прогона я сохранил целиком, чтобы результат можно было повторить и проверить.

Если коротко, для своего производства я сделал один практический вывод: корпоративную очередь на подарки надо открывать в сентябре и октябре, а не в декабре. Всё остальное в таблице пока скорее гипотезы, чем факты.