Деньги в теме есть: Amazon seller tools продаются по $20–$399+/mo, enterprise — custom/$1,499+/mo; shopping extensions имеют большой масштаб. Но B2C-подписка на фильтр псевдо-брендов слабее, пользователи ждут free extension.
ЗАХВАТ36
Ров слабый: эвристики брендов, списки и DOM-фильтрация легко копируются; seller-intelligence и cashback продукты могут добавить trust score. Реальные активы — community brand graph, ранний медийный бренд и privacy positioning.
ДОСТУП24
Главный стоппер — лицензия и платформенный риск. GitHub SPDX None, README/LICENSE говорит FSL-1.1-MIT; до конвертации в MIT через 2 года коммерческий конкурирующий дериватив ограничен.
«Потенциал топит access: FSL-1.1-MIT и отсутствие SPDX-пермиссивности блокируют безопасный коммерческий форк сейчас.»
Рыночный анализ · Обзор
Knockoff — браузерное расширение, которое очищает выдачу Amazon от подозрительных псевдо-брендов и помогает покупать у реальных брендов.
Расширение для Chrome, Firefox и Safari работает прямо на страницах Amazon: скрывает, затемняет или помечает товары от подозрительных random-name/trademark-squat брендов. Оно использует allowlist/blocklist, списки известных и флагнутых брендов, эвристики названий и разные уровни фильтрации. Всё основное работает локально в content script без аккаунтов, трекинга и сетевых запросов на shopping path.
Какую боль решает
Amazon зашумлён одноразовыми брендами без репутации, гарантии и понятного производителя; покупателю трудно отличить реальный бренд от случайного набора букв вроде SZHLUX, HORUSDY или LATTOOK.
Сценарии использования
+Обычный покупатель ищет товар на Amazon и скрывает alphabet-soup бренды.
+Семья покупает детские товары, электронику или товары для животных и хочет снизить риск неизвестного производителя.
+Privacy-conscious пользователь хочет фильтр без передачи истории покупок на сервер.
+Комьюнити кураторов пополняет списки брендов и исправляет false positives.
+Бренд или retail-аналитик оценивает, насколько категория зашумлена pseudo-brands.
Целевой пользователь
B2C-покупатель Amazon; вторично — реселлеры, retail-аналитики и brand-protection команды.
Userscript показывает seller name, country и rating, подсвечивает China/Hong Kong sellers; Knockoff специально не делает seller-country lookup из-за rate limits.
ML/NER для выделения бренда в product titles, не browser extension и не Amazon UX-фильтр.
Позиционирование
В узкой OSS-нише очистки Amazon от pseudo-brands Knockoff уже выглядит лидером по звёздам и медийному шуму, но по зрелости это очень ранний проект без GitHub-релизов. Позиция: новый лидер-андердог в маленькой нише, не клон.
17M+ U.S. members, $4.6B Cash Back earned; Chrome Web Store extension has 3M users.
Consumer$0; merchant commission/cashback model
Текущая монетизация проекта
Прямой монетизации Knockoff не видно: сайт заявляет Free, fair source, no accounts, no tracking; Firefox listing не показывает платных тиров и заявляет отсутствие data collection. GitHub Sponsors, платная поддержка, open-core или облачный продукт не подтверждены. Текущий статус: скорее хобби/press-led public good, не SaaS.
Коммерческий потенциал
ПОТЕНЦИАЛ · СРЕДНИЙ
Заработать можно, но не как массовая подписка на extension за $5/mo. Лучший путь — B2B brand-safety layer: trust score API, paid curation, private lists, category reports или интеграция с seller/shopping tools.
Спрос и рынок
Спрос рядом подтверждён: brand protection market оценивается в $2.4B in 2025 → $4.5B by 2035, CAGR 6.7%; U.S. online brand protection software — $471.5M in 2025 → $1.1037B by 2033, CAGR 11.16%; e-commerce fraud detection/prevention — forecast to $188.62B in 2030, CAGR 20.7%. Shopping extensions тоже масштабны: Capital One Shopping CWS 10M users, Rakuten CWS 3M users, Honey acquisition около $4B. Но прямой consumer subscription для фильтра pseudo-brands слабее, чем B2B/API/affiliate-funded модели.
Ров / защищённость
Сейчас ров слабый: код, эвристики, списки и DOM-фильтрация легко воспроизводимы. Потенциальный ров — curated brand intelligence graph, community reporting, install base и доверенное privacy positioning.
Модели монетизации
+B2B API / data feed с verdict known/suspect/flagged/unbranded, category-level slop index и daily diffs.
+Paid Pro for power users за sync lists, category packs, family/team policies и advanced rules.
+Brand-protection reports для DTC/retail брендов: кто появляется рядом и какие pseudo-brands копируют категорию.
+Affiliate-safe shopping assistant, с высоким риском доверия из-за репутации affiliate/cashback рынка.
+Enterprise/private deployment для procurement teams и approved-brand policies.
Что нужно, чтобы сделать продукт
+Чёткая лицензия для коммерческого использования или отдельная commercial license.
+Stable release process, signed versions, changelog, tests и false-positive metrics.
+Бэкенд governance brand graph: кто добавил бренд, почему, confidence score и audit trail.
+Multi-market и non-English brand heuristics.
+Юридические дисклеймеры: pseudo-brand не равен counterfeit accusation.
+B2B packaging: API, dashboard, exports и SLAs.
⚖ ЛИЦЕНЗИЯ · МОЖНО ЛИ КОММЕРЦИАЛИЗИРОВАТЬ
Не свободно как MIT/Apache/BSD сегодня. README указывает FSL-1.1-MIT: code converts to MIT after two years; до конвертации это fair-source/source-available режим с коммерческими ограничениями. Для коммерческого продукта безопасный путь: получить commercial license или письменное разрешение от автора, оформить CLA/assignment для будущей монетизации, либо реализовать clean-room без копирования кода и данных.
Риски и подводные камни
ВЫСОКИЙЛИЦЕНЗИЯ
FSL-1.1-MIT сейчас не MIT/Apache/BSD. Коммерческий закрытый дериватив или конкурирующий продукт рискован до MIT-conversion через 2 года или отдельного разрешения. GitHub SPDX None усиливает due-diligence риск.
ВЫСОКИЙПРОЧЕЕ
Amazon DOM, anti-scraping и extension policies могут ломать функциональность; seller-country lookup уже исключён из-за 503/rate-limit.
ВЫСОКИЙЮР. СЕРАЯ ЗОНА
Пометка товаров как junk или pseudo-brand может вызвать претензии от продавцов и брендов; нужны нейтральные формулировки и appeal flow.
СРЕДНИЙМАЛЫЙ РЫНОК
Покупатели привыкли к бесплатным shopping extensions; прямой consumer subscription будет тяжёлым.
СРЕДНИЙПРОЧЕЕ
False positives по локальным и новым брендам, non-English marketplaces и mixed-case gibberish.
СРЕДНИЙКОНКУРЕНЦИЯ
Seller tools и cashback extensions могут добавить trust filters быстрее, чем Knockoff построит бизнес.
СРЕДНИЙЗАВИСИМОСТЬ ОТ АВТОРА
Очень молодой проект, no releases, владелец user account и около 5 контрибьюторов.
+Commercial analog pricing and scale were structured from the collected analysis, but not all figures were confirmed by two independent sources.
+Keepa paid pricing was taken from third-party reviews because the vendor pricing page was described as dynamic; confidence on that exact price is lower.
+BuyBotPro US monthly price was taken from a checkout/special page snippet, not a full public pricing table.
+Scale for BuyBotPro, SmartScout, DataHawk and SourceMogul was not confidently found.
+SellerSprite standard product pricing page was described as dynamic; only API example pricing was included.
+Market-size numbers are from market-research/public report pages and were not independently reconciled across multiple firms.
+Commercialization status of Knockoff is based on visible site/listing signals in the collected analysis; absence of paid tiers, Sponsors or contracts was not exhaustively proven.
+Legal/license conclusion is analytical, not legal advice; FSL-1.1-MIT interpretation should be reviewed by counsel before commercial use.
+Chrome Web Store user counts and Firefox listing facts were taken from collected analysis and not rechecked live.
+Stars for OSS alternatives are from the collected analysis and may change quickly.
Shpigford/knockoff собрал 7 звёзд за окно, тогда как у автора всего 717 подписчиков — эффективная аудитория ≈ 1,196. Это даёт surprise-индекс 0.00566 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 0% OF 1 FINDINGS
NO RELATED FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 1 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW