En marzo de 2026, las autoridades de consumo de 23 países de la UE, más Islandia y Noruega, publicaron su inspección de las ventas de Black Friday y Cyber Monday: el 30% de las 314 tiendas online analizadas indicaban los descuentos de forma incorrecta. La norma que infringieron esas tiendas cabe en una sola frase. Verificarla exige datos que deberías haber empezado a recopilar un mes antes de la campaña de rebajas.
El desafío
Según la Directiva sobre indicación de los precios de la UE, una tienda que anuncia una reducción de precio debe indicar, como precio de referencia, el precio más bajo que haya aplicado en los últimos 30 días. La Directiva Ómnibus incorporó esa regla en 2019, y las tiendas han tenido que cumplirla desde 2022. El Black Friday cae el 27 de noviembre este año, por lo que el intervalo que determina si el precio anterior de Black Friday es legítimo comenzó el 28 de octubre. Un sistema de seguimiento que se inicia cuando ya están puestos los banners llega un mes tarde.
La propia monitorización de la Comisión, creada con Apify, cubrió 16.000 productos en 176 tiendas durante el barrido de Black Friday de 2022 y hacia octubre de 2025 había ayudado a revisar 136.931 productos de 1.556 vendedores. Recopiló precios durante la campaña y los 30 días previos, y guardó una captura de pantalla de cada página como prueba. Oxylabs ejecutó una versión para EE. UU. en 2024: rastreó 61.172 productos cada hora a partir del 13 de agosto, y solo 4.529 de ellos estaban rebajados en Black Friday y a la vez catalogados durante los 90 días que exigía su metodología. Las listas de productos rotan más rápido de lo que la mayoría planifica.
Sin embargo, la parte difícil no es la escala. Es la métrica estadística.
Un precio de referencia es un mínimo, y un mínimo queda determinado por una sola observación. Un promedio descarta un día anómalo; un mínimo es ese día. Por eso, los dos errores típicos de un scraper invierten el veredicto:
- Un día perdido oculta el mínimo. La página responde con un challenge, una pantalla de consentimiento o un timeout el único día en que el precio bajó. Tu mínimo resulta más alto que el real, y un descuento engañoso pasa como auténtico.
- Un precio mal interpretado inventa un mínimo. Tu parser extrae un precio "desde", un precio para miembros, otra variante o un accesorio de un carrusel. Tu mínimo resulta más bajo que el real, y un descuento legítimo se marca como engañoso.
Las caídas pueden ser breves. En su investigación del Black Friday de 2025, Which? hizo seguimiento a 175 productos en ocho retailers del Reino Unido durante un año: el 83% tuvo el mismo precio o uno más barato al menos una vez fuera del periodo de cuatro semanas de rebajas, y un televisor rastreado bajó brevemente de £1.039 a £999 el día posterior al Black Friday. (El Reino Unido tiene sus propias reglas, pero una caída de un solo día se ve exactamente igual para un scraper).
Para un sitio de ofertas, el primer error cuesta credibilidad. Para un regulador, un grupo de consumidores o una redacción periodística, el segundo implica acusar a un retailer de algo que no hizo.
El enfoque: un hueco sigue siendo un hueco
Necesitas una capa de recolección que nunca transforme un fetch fallido en un número, y un cálculo que se niegue a emitir un veredicto sobre una ventana con vacíos. Ya explicamos cómo un mal fetch se convierte en una señal falsa en Alternative Data: When a Block Looks Like a Data Point; un mínimo de 30 días es la versión más implacable de ese problema.
Con una plataforma como FourA, las piezas operativas son mínimas:
- Verifica la página antes de leerla.
validatetoma una cadena que solo la página de producto correcta incluye, como el número de artículo propio del producto. Una página de challenge, una página de "producto no encontrado" o una pantalla de consentimiento regresan como una llamada fallida, la cual no se factura porque tu regla decide qué cuenta como éxito. Tu fila registra un hueco, no un precio. - Guarda el comprobante. Las respuestas incluyen un
X-FourA-Request-Id. Almacénalo con el precio, la marca de tiempo y el HTML sin procesar. Nuestro registro de Activity guarda vistas previas de las solicitudes solo durante 24 horas, por lo que el archivo de evidencias debe residir de tu lado. - Elige el endpoint por tienda. Single gestiona páginas de producto renderizadas en el servidor. Browser es para tiendas que construyen el precio con JavaScript. Proxy Finder con
exitCountries(si tu plan incluye segmentación por país) cubre las tiendas donde el precio depende del país del visitante, un problema muy similar al que vimos con los precios de supermercados por tienda física.
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 devolver None es la línea más útil del archivo. Un descuento que no puedes verificar va a una lista de "sin veredicto", indicando los días faltantes. Preferimos entregar un informe con esa lista que uno que esté equivocado con total seguridad.
Dos decisiones más deben tomarse antes de la oferta, no durante ella. Primero, toma muestras más de una vez al día en categorías con alta rotación; Oxylabs revisaba cada hora por una buena razón. Segundo, recopila datos más allá de los 30 días. La norma mira exactamente ese periodo hacia atrás, por lo que un precio que sube justo antes de que se abra la ventana y se mantiene hasta la rebaja resulta invisible para ella. Determinar si eso es engañoso compete a la Directiva sobre Prácticas Comerciales Desleales y a un abogado. Determinar si puedes demostrar que ocurrió es una cuestión de datos, y solo un historial más extenso puede responderla.
Resultados
Escenario ilustrativo basado en la configuración anterior: una organización de consumidores que monitoriza 2.000 productos en 40 tiendas de tres países, dos veces al día, desde el 1 de octubre hasta el Cyber Monday.
- 244.000 observaciones, cada una almacenada con su request id y la página sin procesar.
- Cero páginas de desafío (challenge pages) en la columna de precios. Cada fila superó su validación de producto o figura como una omisión explícita.
- Tres veredictos, no dos. Un descuento infringe la norma, cumple o queda en "sin veredicto", y este último detalla los días que faltan.
- Pruebas adjuntas. Cada oferta marcada incluye las marcas de tiempo y las páginas que respaldan su mínimo de 30 días.
- Subidas previas a la ventana visibles. Ocho semanas de historial muestran un precio que subió justo antes del 28 de octubre y "cayó" el 27 de noviembre.
- Omisiones sin coste. Una petición rechazada no se factura, por lo que un reintento el mismo día solo cuesta la llamada que funciona.
Conclusión principal
La mayoría de los pipelines de scraping están diseñados para ser precisos en promedio, y los promedios perdonan. La regla de los 30 días exige el único dato en el que un pipeline suele fallar más: el extremo. Un valor mínimo inventado o una caída no registrada alteran el veredicto por completo.
Por tanto, el estándar para un verificador de descuentos no es "acertar en la mayoría de los casos". Es "no inventar nunca un mínimo, no perderse ninguno y avisar cuando no sea posible determinarlo". La ventana para las rebajas de enero se abre antes de Navidad, lo que significa que el tiempo para el próximo veredicto ya está corriendo.