W marcu 2026 roku organy ochrony konsumentów z 23 krajów UE oraz Islandii i Norwegii opublikowały wyniki kontroli wyprzedaży z okazji Black Friday i Cyber Monday: 30% z 314 sprawdzonych sklepów internetowych nieprawidłowo podawało ceny odniesienia. Reguła, którą te sklepy złamały, mieści się w jednym zdaniu. Jej weryfikacja wymaga jednak danych, których zbieranie należało zacząć miesiąc przed wyprzedażą.
Wyzwanie
Zgodnie z unijną dyrektywą w sprawie podawania cen, sklep ogłaszający obniżkę musi podać jako cenę odniesienia najniższą cenę stosowaną w ciągu ostatnich 30 dni. Dyrektywa Omnibus dodała tę regułę w 2019 roku, a sklepy muszą jej przestrzegać od 2022 roku. W tym roku Black Friday przypada na 27 listopada, więc okno decydujące o tym, czy przekreślona cena wyjściowa jest rzetelna, otworzyło się 28 października. Tracker uruchomiony dopiero po pojawieniu się banerów jest spóźniony o miesiąc.
Monitoring prowadzony przez samą Komisję, zbudowany z użyciem platformy Apify, objął 16 000 produktów w 176 sklepach podczas kontroli Black Friday 2022 i do października 2025 roku pomógł sprawdzić 136 931 produktów od 1 556 sprzedawców. Zbierano ceny w trakcie wyprzedaży oraz w ciągu 30 dni przed nią, a także zachowywano zrzut ekranu każdej strony jako dowód. Oxylabs przeprowadził amerykańską wersję tego badania w 2024 roku: śledzono 61 172 produkty co godzinę od 13 sierpnia, z czego zaledwie 4 529 było jednocześnie objętych promocją w Black Friday i obecnych w ofercie przez 90 dni wymaganych przez metodologię. Rotacja list produktów jest szybsza, niż większość zakłada.
Jednak najtrudniejsza nie jest skala. Jest nią statystyka.
Cena odniesienia to wartość minimalna, a o minimum decyduje pojedyncza obserwacja. Średnia ignoruje jeden nieudany dzień, ale minimum jest tym dniem. Dlatego oba rodzaje błędów scrapera całkowicie zmieniają wynik:
- Pominięty dzień ukrywa najniższą cenę. Strona zwraca challenge page, ekran zgody na pliki cookie lub timeout akurat w tym jednym dniu, gdy cena spadła. Twoje minimum okazuje się wyższe niż w rzeczywistości, a fałszywa promocja uchodzi na sucho.
- Błędnie odczytana cena wymyśla sztuczne minimum. Twój parser pobiera cenę "od", cenę dla zalogowanych, inny wariant lub akcesorium z karuzeli produktów. Twoje minimum wychodzi niższe niż w rzeczywistości, a uczciwa obniżka zostaje oznaczona jako fałszywa.
Spadki cen bywają krótkie. W swoim badaniu dotyczącym Black Friday 2025 organizacja Which? monitorowała 175 produktów u ośmiu brytyjskich sprzedawców przez rok: 83% z nich miało taką samą lub niższą cenę przynajmniej raz poza czterotygodniowym okresem wyprzedaży, a jeden ze śledzonych telewizorów potaniał na krótko z 1039 £ do 999 £ dzień po Black Friday. (Wielka Brytania ma własne przepisy, ale jednodniowy spadek wygląda dla scrapera tak samo).
Dla serwisu z promocjami pierwszy błąd oznacza utratę wiarygodności. Dla regulatora, organizacji konsumenckiej czy redakcji drugi błąd oznacza oskarżenie sprzedawcy o coś, czego nie zrobił.
Podejście: luka pozostaje luką
Potrzebujesz warstwy zbierania danych, która nigdy nie zamienia nieudanego pobrania w liczbę, oraz kalkulacji, która odmawia wydania werdyktu dla przedziału czasowego z brakami. Opisaliśmy, jak błędne pobranie staje się fałszywym sygnałem w artykule Dane alternatywne: gdy blokada wygląda jak punkt danych; 30-dniowe minimum to najbardziej bezwzględny wariant tego problemu.
Na platformie takiej jak FourA kluczowe elementy są proste:
- Zweryfikuj stronę przed jej odczytaniem.
validateprzyjmuje ciąg znaków, który zawiera wyłącznie właściwa strona produktu, na przykład unikalny numer artykułu. Strona z weryfikacją, strona "nie znaleziono produktu" lub ekran zgody na pliki cookie zwracane są jako nieudane wywołanie, które nie podlega opłacie, ponieważ to Twoja reguła decyduje o tym, co uznaje się za sukces. Twój wiersz danych otrzymuje lukę, a nie cenę. - Zachowuj potwierdzenie. Odpowiedzi zawierają
X-FourA-Request-Id. Przechowuj go wraz z ceną, znacznikiem czasu i surowym kodem HTML. Nasz dziennik aktywności przechowuje podglądy requestów tylko przez 24 godziny, więc archiwum dowodowe musi znajdować się po Twojej stronie. - Dobieraj endpoint pod dany sklep. Single obsługuje strony produktów renderowane po stronie serwera. Browser służy do sklepów, które generują cenę w JavaScript. Proxy Finder z
exitCountries(jeśli Twój plan obejmuje targetowanie na kraje) obsługuje sklepy, w których cena zależy od kraju odwiedzającego, co jest zbliżone do problemu, na który natrafiliśmy przy cenach artykułów spożywczych na poziomie konkretnych sklepów stacjonarnych.
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 zwracajace None to najbardziej użyteczna linijka w tym pliku. Rabat, którego nie da się zweryfikować, trafia na listę "brak werdyktu" z wyszczególnionymi brakującymi dniami. Wolimy dostarczyć raport z taką listą niż raport, który z pełnym przekonaniem wprowadza w błąd.
Dwie kolejne decyzje należy podjąć przed wyprzedażą, a nie w jej trakcie. Po pierwsze, próbkuj częściej niż raz dziennie w dynamicznych kategoriach; Oxylabs sprawdzał dane co godzinę nie bez powodu. Po drugie, zbieraj dane z okresu dłuższego niż 30 dni. Przepis sięga wstecz dokładnie o tyle, więc cena podniesiona tuż przed rozpoczęciem tego okna i utrzymana do wyprzedaży jest dla niego niewidoczna. To, czy jest to wprowadzanie w błąd, to kwestia dyrektywy o nieuczciwych praktykach handlowych i sprawa dla prawnika. To, czy potrafisz wykazać, że tak się stało, to kwestia danych, a na nią odpowiada wyłącznie dłuższa historia.
Wyniki
Przykładowy scenariusz oparty na powyższej konfiguracji: organizacja konsumencka sprawdza 2000 produktów w 40 sklepach w trzech krajach, dwa razy dziennie, od 1 października do Cyber Monday.
- 244 000 obserwacji, każda zapisana z identyfikatorem request id i surową stroną.
- Zero stron typu challenge w kolumnie cen. Każdy wiersz przeszedł weryfikację produktu albo stanowi jawną lukę.
- Trzy werdykty zamiast dwóch. Rabat to naruszenie, zgodność albo "brak werdyktu", przy czym ten trzeci wymienia brakujące dni.
- Dołączone dowody. Każda oznaczona oferta zawiera znaczniki czasu oraz strony potwierdzające jej 30-dniowe minimum.
- Widoczne podwyżki sprzed okna. Osiem tygodni historii ujawnia cenę, która wzrosła tuż przed 28 października i "spadła" 27 listopada.
- Darmowe luki. Odrzucone pobranie nie podlega opłacie, więc ponowienie żądania tego samego dnia kosztuje tylko za udane wywołanie.
Kluczowy wniosek
Większość procesów scrapingu projektuje się tak, aby były poprawne średnio, a średnie wybaczają błędy. Zasada 30 dni wymaga jednak wartości, z którą tego typu pipeline radzi sobie najgorzej: wartości skrajnej. Jedno zmyślone minimum lub jeden pominięty spadek ceny zmienia werdykt na przeciwny.
Poprzeczka dla narzędzia weryfikującego rabaty nie brzmi więc "przeważnie poprawne". Brzmi: "nigdy nie wymyśla minimum, nigdy żadnego nie pomija i informuje, gdy nie jest w stanie tego ustalić". Okno dla wyprzedaży styczniowych otwiera się przed świętami, co oznacza, że zegar dla kolejnego werdyktu już tyka.