# تتبع أسعار Black Friday وفقاً لقاعدة الـ 30 يوماً

> URL: https://foura.ai/ar/blog/black-friday-price-tracking-30-day-rule
> Updated: 2026-11-03
> Index: https://foura.ai/llms.txt

في مارس 2026، نشرت سلطات حماية المستهلك من 23 دولة في الاتحاد الأوروبي بالإضافة إلى أيسلندا والنرويج نتائج تدقيقها لمبيعات Black Friday وCyber Monday: تبيّن أن 30% من أصل 314 متجرًا إلكترونيًا فُحصت [أشارت إلى الخصومات بشكل غير صحيح](https://www.ccpc.ie/news-and-media/news/article/2026/03/26/investigation-by-ec--ccpc-and-european-consumer-authorities-finds-1-in-3-traders-incorrectly-display-discounts-online-during-black-friday-sales). القاعدة التي انتهكتها تلك المتاجر تتلخص في جملة واحدة. والتحقق منها يتطلب بيانات كان ينبغي البدء في جمعها قبل شهر من بدء التخفيضات.

## التحدي

بموجب توجيه بيان الأسعار الأوروبي (Price Indication Directive)، يتعين على أي متجر يعلن عن تخفيض في السعر أن يذكر، كسعر مرجعي، أدنى سعر طبقه خلال الأيام الثلاثين السابقة. وقد أضاف توجيه Omnibus تلك القاعدة في عام 2019، وتعين على المتاجر الالتزام بها منذ عام 2022. يصادف Black Friday يوم 27 نوفمبر هذا العام، ما يعني أن الفترة التي تحدد ما إذا كان السعر السابق في Black Friday حقيقيًا قد بدأت بالفعل في 28 أكتوبر. وبالتالي، فإن أي أداة تتبع تبدأ العمل عند ظهور لافتات العروض تكون متأخرة شهرًا كاملًا.

غطت عمليات الرصد التابعة للمفوضية الأوروبية، والتي بُنيت باستخدام Apify، نحو 16,000 منتج في 176 متجرًا لحملة تدقيق Black Friday لعام 2022، و[ساعدت بحلول أكتوبر 2025 في فحص 136,931 منتجًا من 1,556 متجر تجزئة](https://blog.apify.com/how-web-scraping-ai-and-the-eu-have-come-together-to-sweep-away-fake-discounts-in-europe/). وجمعت الأسعار أثناء فترة التخفيضات والأيام الثلاثين التي سبقتها، مع الاحتفاظ بلقطة شاشة لكل صفحة كدليل إثبات. كما أجرت Oxylabs دراسة مماثلة في الولايات المتحدة عام 2024: حيث [تتبعت 61,172 منتجًا كل ساعة](https://oxylabs.io/blog/oxylabs-research-on-fake-discounts-are-shopping-events-worth-the-deal) بدءًا من 13 أغسطس، ولم يكن سوى 4,529 منتجًا منها مشمولًا في عروض Black Friday ومعروضًا طوال فترة التسعين يومًا التي تطلبتها منهجيتها. إن معدل دوران وتغير قوائم المنتجات أسرع بكثير مما يخطط له معظم الناس.

لكن الجزء الصعب لا يكمن في الحجم وقابلية التوسع، بل في طبيعة القيمة الإحصائية نفسها.

السعر المرجعي هو الحد الأدنى، والحد الأدنى يُحدد بواسطة قراءة واحدة فقط. يتجاهل المتوسط الحسابي يومًا واحدًا شاذًا، أما الحد الأدنى *فهو* ذلك اليوم نفسه. ولهذا السبب، فإن كلا الخطأين المحتملين لأداة الكشط (scraper) يقلبان النتيجة تمامًا:

- **اليوم الفائت يخفي السعر الأدنى.** تستجيب الصفحة بصفحة تحقق (challenge page) أو شاشة موافقة أو تنتهي مهلة الطلب (timeout) في اليوم الوحيد الذي انخفض فيه السعر. تظهر قيمتك الدنيا أعلى من الحقيقة، ويمر الخصم الوهمي على أنه حقيقي.
- **السعر المقروء خطأ يختلق سعرًا أدنى وهميًا.** يستخرج المحلل البرمجي (parser) سعر "يبدأ من"، أو سعر الأعضاء، أو متغيرًا آخر للمنتج، أو ملحقًا من شريط العرض (carousel). تظهر قيمتك الدنيا أقل من الحقيقة، ويُصنف الخصم الحقيقي على أنه وهمي.

يمكن أن تكون الانخفاضات قصيرة الأجل. في [بحث Black Friday لعام 2025](https://www.which.co.uk/policy-and-insight/article/dont-believe-the-hype-most-black-friday-deals-the-same-price-or-cheaper-at-other-times-of-the-year-which-finds-a3TbD5x5KADs)، تتبعت منظمة ?Which نحو 175 منتجا لدى ثمانية متاجر تجزئة في المملكة المتحدة لمدة عام كامل: 83% منها كانت بالسعر نفسه أو أرخص مرة واحدة على الأقل خارج فترة التخفيضات الممتدة لأربعة أسابيع، كما انخفض سعر أحد أجهزة التلفزيون التي تتبعتها لفترة وجيزة من 1,039 جنيها إسترلينيا إلى 999 جنيها إسترلينيا في اليوم التالي مباشرة لـ Black Friday. (تمتلك المملكة المتحدة قواعدها الخاصة، لكن الانخفاض ليوم واحد يبدو متطابقا بالنسبة لأداة scraper).

بالنسبة لموقع صفقات، يكلف الخطأ الأول فقدان المصداقية. أما بالنسبة لجهة تنظيمية أو جمعية حماية مستهلك أو غرفة أخبار، فإن الخطأ الثاني يعني اتهام متجر تجزئة بأمر لم يرتكبه.

## النهج: الفجوة تبقى فجوة

تحتاج إلى طبقة تجميع لا تحول أبدا عملية جلب فاشلة إلى رقم، وإلى عملية حسابية ترفض إصدار حكم عبر نافذة زمنية تحتوي على ثغرات. لقد غطينا كيف يتحول الجلب السيئ إلى إشارة زائفة في [Alternative Data: When a Block Looks Like a Data Point](https://foura.ai/blog/alternative-data-silent-collection-gaps)؛ ويعد الحد الأدنى البالغ 30 يوما هو النسخة الأقل تسامحا من هذه المشكلة.

باستخدام منصة مثل FourA، تكون الأجزاء المتحركة محدودة:

- **تحقق من الصفحة قبل قراءتها.** يأخذ `validate` سلسلة نصية لا تحتوي عليها إلا صفحة المنتج الصحيحة، مثل رقم المقال الخاص بالسلعة نفسها. صفحة التحدي، أو صفحة "المنتج غير موجود"، أو شاشة الموافقة تعود كاستدعاء فاشل، وهو ما [لا يتم احتساب تكلفته](https://foura.ai/docs/api/outcomes) لأن [قاعدتك هي التي تحدد ما يعتبر نجاحا](https://foura.ai/blog/validate-decides-success). يحصل صفك على فجوة، وليس على سعر.
- **احتفظ بالإيصال.** تحمل كائنات responses معرّف `X-FourA-Request-Id`. خزنه مع السعر، والطابع الزمني، ورمز HTML الخام. يحتفظ سجل Activity لدينا بمعاينات request لمدة 24 ساعة فقط، لذلك يجب أن يكون أرشيف الأدلة محفوظا في جانبك.
- **اختر endpoint المناسب لكل متجر.** يتعامل Single مع صفحات المنتجات المعروضة على جانب الخادم. ويخصص Browser للمتاجر التي تبني السعر عبر JavaScript. ويغطي Proxy Finder مع `exitCountries` (حيث تتضمن خطتك الاستهداف الجغرافي حسب الدولة) المتاجر التي يعتمد سعرها على بلد الزائر، وهي مشكلة قريبة الصلة بما واجهناه مع [أسعار البقالة على مستوى المتجر](https://foura.ai/blog/grocery-price-scraping-store-shopper).

```python
import datetime as dt
import requests

API = "https://eu.api.foura.ai/api/single/"
HEADERS = {"X-API-Key": "pk_live_..."}

def observe(product, parse_price):
    """One observation. A failed fetch is a gap, never a price."""
    r = requests.post(API, headers=HEADERS, json={
        "method": "GET",
        "url": product["url"],
        "validate": {
            "status": {"accept": [200]},
            "data": {"accept": [product["article_no"]]},
        },
    })
    body = r.json()
    row = {"day": dt.date.today(), "url": product["url"], "price": None,
           "request_id": r.headers.get("X-FourA-Request-Id")}
    if r.status_code == 200 and not body.get("error"):
        row["price"] = parse_price(body["data"])  # None when it isn't sure
        row["html"] = body["data"]                # the evidence
    return row

def prior_price(rows, sale_day, days=30):
    start = sale_day - dt.timedelta(days=days)
    priced = [x for x in rows
              if start <= x["day"] < sale_day and x["price"] is not None]
    if len({x["day"] for x in priced}) < days:
        return None  # a missing day can hide the lowest price
    return min(x["price"] for x in priced)
```

`prior_price` التي تُرجع `None` هي السطر الأكثر فائدة في الملف. الخصم الذي لا يمكنك التحقق منه يذهب إلى قائمة "بلا حكم"، مع تحديد الأيام المفقودة بالاسم. نفضل تسليم تقرير يحتوي على تلك القائمة بدلا من تقرير خاطئ بكل ثقة.

هناك قراران آخران مكانهما قبل بدء التخفيضات، وليس خلالها. أولا، قم بأخذ عينات أكثر من مرة واحدة يوميا في الفئات سريعة التغير، حيث قامت Oxylabs بالفحص كل ساعة لسبب وجيه. ثانيا، اجمع بيانات تعود إلى فترة أبعد من 30 يوما. تقتصر القاعدة على النظر إلى الوراء لهذه المدة تحديدا، لذا فإن السعر الذي تم رفعه قبل فتح النافذة مباشرة وتم الإبقاء عليه حتى بدء التخفيضات لا يمكن رصده بموجبها. مسألة ما إذا كان ذلك مضللا تظل خاضعة للتوجيه الخاص بالممارسات التجارية غير العادلة ورأي قانوني. أما مسألة إمكانية إثبات حدوث ذلك فهي مسألة بيانات، ولا يجيب عنها سوى سجل تاريخي أطول.

## النتائج

سيناريو توضيحي يستند إلى الإعداد أعلاه: مجموعة حماية مستهلك تفحص 2,000 منتج عبر 40 متجرا في ثلاث دول، مرتين يوميا، من 1 أكتوبر حتى Cyber Monday.

- **244,000 رصد،** كل منها مخزن مع معرف الـ request الخاص به والصفحة الخام.
- **صفر صفحات تحدي في عمود السعر.** كل صف إما اجتاز فحص المنتج الخاص به أو تم تسجيله كفجوة صريحة.
- **ثلاثة أحكام، وليس اثنان.** الخصم إما مخالفة، أو ممتثل، أو "بلا حكم"، والحكم الثالث يسرد الأيام المفقودة.
- **أدلة مرفقة.** كل صفقة تم الإبلاغ عنها تُرسل مع الطوابع الزمنية والصفحات التي تدعم حدها الأدنى لمدة 30 يوما.
- **الارتفاعات التي سبقت النافذة قيد الرصد.** يظهر سجل ثمانية أسابيع سعرا ارتفع قبل 28 أكتوبر مباشرة و"انخفض" في 27 نوفمبر.
- **فجوات مجانية.** لا تُحسب تكلفة عملية الـ fetch المرفوضة، وبالتالي فإن إعادة المحاولة في اليوم نفسه تكلف فقط الاستدعاء الناجح.

## الخلاصة الأساسية

تُبنى معظم مسارات استخراج البيانات لتكون صحيحة في المتوسط، والمتوسطات تغفر الأخطاء. لكن قاعدة الـ 30 يوما تطلب الرقم الوحيد الذي تفشل فيه المسارات أكثر من غيره: القيمة المتطرفة. انخفاض واحد مختلق أو هبوط واحد مفقود، وينقلب الحكم تماما.

لذلك، فإن المعيار لأداة التحقق من الخصومات ليس أن تكون "صحيحة في الغالب". بل هو "ألا تختلق انخفاضا أبدا، وألا تفقد انخفاضا أبدا، وأن توضح متى تعذر عليها الحسم". تفتح نافذة تخفيضات يناير قبل عيد الميلاد، مما يعني أن الوقت المحدد للحكم التالي قد بدأ بالفعل.
