Un buen seguimiento de precios no es un scraper que se ejecuta cada noche, sino un proceso con alcance definido, productos emparejados, precios comparables y alertas que alguien lee. Estos son los pasos.
Antes de extraer una sola página, escribe qué decisión va a mejorar el dato. Puede ser reajustar tu tarifa cuando un competidor baja, detectar promociones agresivas en tu categoría, validar el precio de entrada de un nuevo producto o vigilar el mercado de segunda mano para fijar el valor residual. Cada decisión implica una frecuencia, un nivel de detalle y un destinatario distintos. Un seguimiento sin decisión asociada acaba siendo un panel que nadie abre.
Esta guía sigue el orden en el que montamos los proyectos de monitorización de precios de la competencia: alcance, fuentes, emparejamiento, normalización, frecuencia, calidad, alertas y entrega.
Lista los competidores, los productos o categorías y los mercados que importan. Es mejor empezar con un alcance pequeño y fiable que con uno enorme y ruidoso. Un criterio útil: elige los productos que concentran tu margen o tu volumen y los tres o cinco competidores con los que realmente se compara tu cliente. Anota también qué precio te interesa: el de escaparate, el de oferta, el precio con envío o el de la versión base.
No todos los precios están en el mismo sitio. Según el sector, la fuente cambia:
El problema más subestimado del seguimiento de precios es decidir que dos productos son «el mismo». Un modelo de coche tiene versiones, motorizaciones y paquetes; un electrodoméstico tiene referencias que cambian por mercado; un anuncio de segunda mano es único. Para emparejar, define una clave estable (marca, modelo, versión, año o referencia del fabricante) y usa coincidencias exactas en los campos fiables antes de recurrir a similitud de texto.
Cuando uses texto, hazlo con cuidado. La detección por subcadenas produce falsos positivos: buscar «ev» para encontrar eléctricos clasifica «Clio evolution» como eléctrico. Tokeniza, compara palabras completas y, siempre que exista, apóyate en un campo estructurado como el combustible. Registra qué señal decidió cada emparejamiento para poder auditarlo. La guía de normalización de precios de configuradores desarrolla este ejemplo.
Un precio sin su base no es comparable. Antes de calcular nada, declara si el importe lleva IVA, si es de tarifa o con descuento, en qué moneda está y si incluye gastos como envío o impuestos de matriculación. En los configuradores de coches ya vemos el problema: Kia publica msrp_before_discount, discount_amount e is_net_price, mientras BMW separa gross_list_price, net_list_price y total_taxes. Hasta que no se traducen a un esquema común, comparar marcas es comparar bases fiscales.
Conserva siempre el valor original junto al normalizado. Así, si una regla de conversión resulta ser errónea, puedes recalcular sin volver a extraer.
La frecuencia correcta depende de la velocidad a la que cambia el precio y de lo que cuesta reaccionar tarde. Los precios de tarifa de un fabricante cambian con poca frecuencia y bastan ejecuciones semanales o mensuales; los precios de un marketplace con ofertas relámpago pueden requerir ejecuciones diarias o más frecuentes; los anuncios de segunda mano se vigilan para detectar altas, bajas y cambios de precio. Ejecutar más a menudo de lo necesario solo añade ruido y coste, y más rara vez de lo necesario hace que llegues tarde al movimiento que querías ver.
Con una frecuencia estable acumulas histórico, y el histórico es lo que convierte un precio puntual en una serie: puedes ver tendencias, estacionalidad y el efecto de las promociones. Si todavía no lo guardas, empieza hoy.
Los datos web traen ruido: precios a cero, monedas mezcladas, duplicados, anuncios caducados y cambios de formato. Dos políticas posibles son filtrar o marcar. Nuestra recomendación es marcar y dejar pasar: añade una bandera de calidad a cada registro dudoso y deja que quien consume el dato decida. Si filtras en silencio, un competidor que desaparece del dato parece que subió el precio o que dejó de vender, y nadie lo sabrá.
Añade una alerta de volumen: si una ejecución trae notablemente menos registros que la anterior, probablemente haya cambiado la fuente, no el mercado. Esa comprobación detecta antes que ninguna otra los extractores rotos.
El valor llega cuando el dato alcanza a quien decide. Define los eventos que merecen alerta (un competidor baja por debajo de un umbral, aparece un producto nuevo, desaparece uno), y entrega la información en el formato que tu equipo ya usa: un CSV o JSON programado, una API, un bucket o una integración con tu herramienta de análisis. Evita alertas por cada cambio mínimo; una alerta que se envía todos los días deja de leerse.
Si prefieres no operar la cadena, el servicio de scraping a medida cubre el acceso, el mantenimiento y la entrega, y en comprar datasets puedes ver qué conjuntos existen ya extraídos.
Trabaja con datos públicos de producto y excluye los datos personales: teléfonos, correos, nombres de vendedores particulares y similares no hacen falta para vigilar precios y generan riesgo. Respeta las condiciones de uso de cada fuente y consulta la licencia de datos de tu proveedor para saber qué usos están cubiertos. Nada de esto sustituye al asesoramiento jurídico para tu caso concreto, pero un proceso que parte de datos de producto, con la fuente anotada en cada registro, es una base mucho más sólida.
La forma más rápida de saber si un dato te sirve es mirar filas reales. En muestras puedes descargar ficheros de hasta 100 filas, en JSON y CSV, por cada fuente, ya saneados de datos personales. Compáralos con tus productos y tus competidores, y si el dato responde a tu pregunta, pasa a un seguimiento recurrente.
Depende de lo rápido que cambien. Para precios de tarifa suele bastar una ejecución semanal o mensual; para marketplaces con ofertas, diaria o más frecuente. Lo importante es que la frecuencia sea estable para poder acumular histórico y comparar series.
Define una clave estable, como marca, modelo, versión y año, y empareja con coincidencias exactas antes de usar similitud de texto. Registra qué señal decidió cada emparejamiento y no uses subcadenas, que producen falsos positivos como «ev» dentro de «Clio evolution».
Mejor marcarlos y dejarlos pasar. Una bandera de calidad permite que el analista decida, mientras que un filtro silencioso hace que un dato ausente parezca un cambio de mercado. Un precio a cero o una moneda inesperada se anotan, no se borran.
Teléfonos, correos, nombres de vendedores particulares, identificadores de usuario y similares. Para monitorizar precios no hacen falta y generan riesgo. Nuestras muestras los excluyen y la licencia de datos detalla qué se entrega.
Sí. Rastriq puede operar la extracción, el emparejamiento, la normalización y la entrega, o suministrar datasets ya extraídos. Puedes empezar con una muestra y definir después fuentes, frecuencia y formato.
Descarga una muestra real de hasta 100 filas, ya saneada, o cuéntanos qué fuentes necesitas.