El desafío
Gestionas una marca de consumo. Tu política de revendedores establece que nadie puede vender el producto estrella por debajo de 179 $. Luego, un cliente te envía un correo electrónico: alguien lo publicó en Amazon a 144 $ el fin de semana pasado. Para cuando lo revisas, la publicación ya no está. El vendedor volvió a publicar al precio correcto en el momento en que alcanzó su velocidad de ventas objetivo. El daño está hecho, y todavía tienes que revisar Walmart, eBay, TikTok Shop y Google Shopping.
Este es el ritmo del control de MAP en 2026. Los productos falsificados y pirateados alcanzaron por sí solos los 467 mil millones de dólares a nivel mundial (datos de la OCDE y la EUIPO, a través de Red Points), y eso sin contar el arbitraje del mercado gris y las infracciones de las políticas de revendedores. Los marketplaces no vigilan los precios por ti. Y el 79% de las incautaciones de productos falsificados proviene ahora de envíos de paquetes pequeños, lo que significa que vendedores individuales eluden la aduana a gran escala.
Las marcas que lo detectan rápido no utilizan mejores hojas de cálculo. Utilizan infraestructura de monitoreo que consulta cada página de producto en cada marketplace, cada hora, en cada región donde venden.
El enfoque de FourA
La configuración ingenua consiste en un scraper por marketplace, un cron job y una alerta. Luego, tu scraper deja de funcionar porque Amazon cambió su diseño, tus IP se bloquean porque consultas el mismo producto repetidamente desde un único ASN, o tu extracción de precios devuelve silenciosamente el MSRP tachado en lugar de la oferta real.
Un pipeline funcional consta de cuatro partes.
Descubrimiento. Comienza con tu lista de SKU y encuentra cada oferta activa en los marketplaces. ASIN de Amazon, IDs de artículos de Walmart, IDs de publicaciones de eBay, URL de productos de TikTok Shop. Esto consiste principalmente en scraping de catálogos: consultar páginas de categorías, páginas de resultados de búsqueda y variantes de PDP.
Recolección de páginas. Para cada oferta, obtén la página en vivo y extrae el precio visible, el nombre del vendedor, el titular de la Buy Box, cualquier cupón o descuento de Subscribe & Save, y una marca de tiempo. Algunos marketplaces entregan HTML limpio. TikTok Shop y Google Shopping renderizan la mayor parte de la lógica de precios en JavaScript, por lo que necesitas un navegador real, no una biblioteca de request.
Reconstrucción de precios. Aquí es donde la mayoría de los equipos falla. Amazon muestra un precio de lista, un descuento de Subscribe & Save del 5-15%, a veces un cupón y a veces una división por multipack. El precio real que paga el cliente rara vez es el número principal. Un monitor que solo detecta el precio principal pasa por alto las infracciones ocultas en la acumulación de descuentos.
Evidencia y alertas. Cuando detectas una infracción, tu equipo legal necesita pruebas: URL, captura de pantalla, precio exacto, marca de tiempo, vendedor y el tiempo de actividad de la oferta. Sin eso, el proceso de disputa en el marketplace no llega a ningún lado.
Una plataforma como FourA te ofrece una sola API para las partes complejas. Solicitudes HTTP para marketplaces que devuelven HTML limpio, sesiones de navegador para los que usan mucho JavaScript y un enrutamiento de proxy que no tienes que gestionar. Envías una solicitud a una URL de producto de Amazon con un perfil de navegador configurado y se envían headers equivalentes a Chrome para que la página se renderice de forma limpia. Envías una a Amazon US a través de un proxy de región US y luego el mismo SKU a Amazon DE mediante un proxy de región DE, y los precios se devuelven en el contexto local.
curl -X POST "https://api.foura.ai/api/proxy" \
-H "x-api-key: YOUR_KEY" \
-H "Content-Type: application/json" \
-d '{
"maxTries": 5,
"timeout_ms": 30000,
"request": {
"method": "GET",
"url": "https://www.amazon.com/dp/B0EXAMPLE",
"unblocker": true,
"validate": {
"status": { "accept": [200] },
"data": { "fail": ["captcha", "Robot Check"] }
}
}
}'
Esa es toda la llamada. Sin lógica de rotación de proxy en tu código. Sin comprobaciones de tipo "¿este sitio ejecuta JavaScript hoy?". La infraestructura gestiona el enrutamiento y los reintentos; tu pipeline gestiona la lógica de precios. Para profundizar en lo que la flag de perfil de navegador hace realmente a nivel de red, consulta nuestro análisis de Web Unblocker.
El factor geográfico importa más de lo que se piensa. Una marca que vende en EE. UU., la UE y el Reino Unido necesita visibilidad de precios desde el espacio de IP de cada región, ya que los marketplaces a veces muestran precios regionales u ocultan la oferta por completo a las IP de fuera de la región. El enrutamiento por región te permite verificar si un vendedor que anuncia "envíos a todo el mundo" realmente incumple el MAP en los mercados clave.
Resultados
Una marca mediana con 500 SKU, seis marketplaces y tres regiones termina con unas 9.000 páginas de productos para monitorizar. Una cobertura horaria representa alrededor de 216.000 requests al día (escenario ilustrativo basado en un alcance típico de protección de marca para el mercado intermedio). Eso no es nada para una API diseñada para ello, pero requeriría un equipo de ingeniería a tiempo completo si lo construyes por tu cuenta. Sin embargo, la cifra interesante no son las requests por día; es la frecuencia con la que una infracción se publica y se detecta en la misma hora.
En la práctica, la mejora se ve así:
- Latencia de detección: pasa de días (scraping manual o semanal) a menos de una hora con sondeo horario
- Cobertura: pasa de "los tres marketplaces que puedo abarcar" a los seis en los que la marca vende realmente
- Falsos positivos: caen drásticamente una vez que la reconstrucción de precios procesa cupones, S&S y paquetes múltiples correctamente
- Calidad de la evidencia: mejora cuando cada detección llega con una captura de pantalla y una marca de tiempo vinculadas a la request
Si ya leíste nuestro análisis sobre la agregación de listados inmobiliarios a escala, el patrón es el mismo: muchas páginas, renderizado mixto, variación geográfica. El producto cambia; la estructura de la infraestructura no.
Conclusión clave
Las infracciones de MAP no son un problema de calidad de datos. Son un problema de tiempo. Quien ve la infracción primero tiene la ventaja: la marca que la detecta antes de que la publicación convierta, o el revendedor que se embolsa el margen y cambia el precio antes de que alguien se dé cuenta. Cada capa que añade tu stack de monitorización (precisión geográfica, renderizado de JavaScript, reconstrucción del desglose de precios) en realidad solo sirve para recuperar minutos en ese reloj.
Las marcas que lideran esto en 2026 dejaron de tratar el cumplimiento de MAP como una auditoría trimestral. Comenzaron a tratarlo como infraestructura en tiempo real. La infracción más barata de solucionar es la que se detecta en la misma hora en que aparece.