Wykrywanie naruszeń MAP w sześciu marketplace'ach

Wyzwanie

Zarządzasz marką konsumencką. Twoja polityka odsprzedaży mówi, że nikt nie może sprzedawać flagowego produktu poniżej 179 USD. Nagle klient pisze maila: ktoś na Amazonie wystawił go za 144 USD w zeszły weekend. Zanim to sprawdzisz, oferta już zniknęła. Sprzedawca przywrócił właściwą cenę w momencie, gdy osiągnął docelowe tempo sprzedaży. Szkoda została wyrządzona, a Ty masz jeszcze do sprawdzenia Walmart, eBay, TikTok Shop i Google Shopping.

Tak wygląda egzekwowanie MAP w 2026 roku. Same podróbki i pirackie towary osiągnęły wartość 467 miliardów dolarów na całym świecie (dane OECD i EUIPO, za Red Points), a to jeszcze przed uwzględnieniem arbitrażu na szarym rynku i naruszeń polityki odsprzedawców. Platformy marketplace nie pilnują cen za Ciebie. A 79% przejęć podróbek pochodzi obecnie z małych przesyłek kurierskich, co oznacza, że pojedynczy sprzedawcy omijają odprawę celną na masową skalę.

Marki, które szybko to wykrywają, nie korzystają z lepszych arkuszy kalkulacyjnych. Uruchamiają infrastrukturę monitorującą, która co godzinę odpytuje każdą stronę produktu w każdym marketplace i w każdym regionie, w którym prowadzą sprzedaż.

Podejście FourA

Naiwna konfiguracja to jeden scraper na każdy marketplace, jedno zadanie cron i jeden alert. Potem Twój scraper się sypie, bo Amazon wdrożył zmianę układu strony, Twoje adresy IP zostają zablokowane, bo odpytujesz ten sam produkt z jednego ASN, albo ekstrakcja cen po cichu zwraca przekreśloną sugerowaną cenę detaliczną (MSRP) zamiast rzeczywistej oferty.

Działający pipeline składa się z czterech części.

Discovery. Zacznij od listy SKU i znajdź każdą aktywną ofertę we wszystkich marketplace'ach. Identyfikatory ASIN na Amazonie, ID przedmiotów na Walmart, ID ofert na eBay, adresy URL produktów na TikTok Shop. To głównie scraping katalogów: odpytywanie stron kategorii, wyników wyszukiwania i wariantów PDP.

Page collection. Dla każdej oferty pobierz aktualną stronę i wyciągnij widoczną cenę, nazwę sprzedawcy, właściciela buy boxa, wszelkie kupony lub zniżki Subscribe & Save oraz znacznik czasu. Niektóre platformy serwują czysty HTML. TikTok Shop i Google Shopping renderują większość logiki cenowej w JavaScript, więc potrzebujesz prawdziwej przeglądarkki, a nie zwykłej biblioteki do wysyłania requestów.

Price reconstruction. Na tym etapie większość zespołów ponosi porażkę. Amazon pokazuje cenę katalogową, zniżkę Subscribe & Save na poziomie 5-15%, czasem kupon, a czasem podział na wielopaki. Rzeczywista cena, którą płaci klient, rzadko jest tą widoczną w nagłówku. Monitor, który sprawdza tylko główną cenę, pomija naruszenia ukryte w stosie rabatów.

Evidence and alerts. Kiedy wykryjesz naruszenie, Twój zespół ds. egzekwowania przepisów potrzebuje dowodów: URL, zrzut ekranu, dokładna cena, znacznik czasu, sprzedawca oraz czas trwania oferty. Bez tego proces odwoławczy w marketplace do niczego nie doprowadzi.

Platforma taka jak FourA daje Ci jedno API do obsługi tych trudnych elementów. Requesty HTTP dla marketplace'ów serwujących czysty HTML, sesje przeglądarki dla tych opartych na JavaScript oraz routing proxy, którym nie musisz zarządzać. Kierujesz request na adres URL produktu na Amazonie z ustawioną flagą unblocker, a system wysyła nagłówki odpowiadające przeglądarce Chrome, dzięki czemu strona renderuje się poprawnie. Kierujesz jeden request na Amazon US przez proxy z regionu USA, a następnie to samo SKU na Amazon DE przez proxy z regionu DE, a ceny wracają w lokalnym kontekście.

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"] }
      }
    }
  }'

To całe wywołanie. Brak logiki rotacji proxy w Twoim kodzie. Brak sprawdzania, czy „ta strona uruchamia dzisiaj JavaScript”. Infrastruktura obsługuje routing i ponowne próby, a Twój pipeline zajmuje się logiką cenową. Aby dowiedzieć się więcej o tym, co flaga unblocker faktycznie robi w sieci, zobacz naszą analizę Web Unblocker.

Kwestia geograficzna ma większe znaczenie, niż się wydaje. Marka sprzedająca w USA, UE i Wielkiej Brytanii potrzebuje widoczności cen z przestrzeni IP każdego z tych regionów, ponieważ platformy marketplace czasami serwują ceny regionalne lub całkowicie ukrywają ofertę przed adresami IP spoza regionu. Routing per region oznacza, że możesz zweryfikować, czy sprzedawca deklarujący „wysyłkę na cały świat” faktycznie łamie MAP na kluczowych rynkach.

Wyniki

Średniej wielkości marka z 500 SKU, sześcioma marketplace'ami i trzema regionami ma do monitorowania około 9 000 stron produktów. Cogodzinny monitoring to około 216 000 requestów dziennie (przykładowy scenariusz oparty na typowym zakresie ochrony marki dla średniego rynku). Dla API zaprojektowanego do tego celu to żaden wyczyn, podczas gdy samodzielna budowa takiego rozwiązania wymagałaby pracy całego zespołu inżynierów na pełen etat. Jednak najciekawszą liczbą nie jest liczba requestów dziennie, ale to, jak często naruszenie pojawia się i zostaje wykryte w ciągu tej samej godziny.

W praktyce poprawa wygląda następująco:

Opóźnienie wykrywania spada z kilku dni (przy scrapingu ręcznym lub cotygodniowym) do poniżej godziny przy cogodzinnym odpytywaniu
Pokrycie zmienia się z „trzech marketplace'ów, z którymi nadążam” na wszystkie sześć, na których marka faktycznie sprzedaje
Liczba fałszywych alarmów gwałtownie spada, gdy rekonstrukcja cen poprawnie obsługuje kupony, S&S i wielopaki
Jakość dowodów rośnie, gdy każde wykrycie zawiera zrzut ekranu i znacznik czasu przypisany do requestu

Jeśli czytałeś już naszą analizę agregacji ofert nieruchomości na dużą skalę, schemat jest taki sam: mnóstwo stron, mieszane renderowanie, zróżnicowanie geograficzne. Zmienia się produkt, ale struktura infrastruktury pozostaje bez zmian.

Kluczowe wnioski

Naruszenia MAP to nie problem z jakością danych. To problem z czasem. Kto pierwszy zauważy naruszenie, ten zyskuje przewagę: marka, która wykryje je, zanim oferta przełoży się na sprzedaż, czy odsprzedawca, który zgarnie marżę i zmieni cenę, zanim ktokolwiek się zorientuje. Każda warstwa, którą dodajesz do swojego stosu monitorującego (precyzja geograficzna, renderowanie JavaScript, rekonstrukcja stosu cenowego), to w rzeczywistości po prostu kupowanie cennych minut.

Marki, które wygrywają to starcie w 2026 roku, przestały traktować egzekwowanie MAP jak kwartalny audyt. Zaczęły traktować je jak działającą na żywo infrastrukturę. Najtańsze do naprawienia naruszenie to takie, które wychodzi na jaw w tej samej godzinie, w której się pojawiło.