← Todos os posts
Caso de uso 6 min de leitura

Detectando Violações de MAP em Seis Marketplaces

O monitoramento manual de MAP detecta violações com dias de atraso. Veja como equipes de proteção de marca fazem scraping da Amazon, Walmart, eBay e TikTok Shop em tempo quase real.

brand-protectionmap-monitoringecommerce-scrapingmarketplace-dataanti-counterfeit

O Desafio

Você gerencia uma marca de consumo. Sua política de revendedores determina que ninguém venda o produto principal abaixo de $179. Então, um cliente envia um e-mail: alguém na Amazon o anunciou por $144 no último fim de semana. No momento em que você verifica, o anúncio já sumiu. O vendedor reanunciou pelo preço correto no momento em que atingiu sua meta de velocidade de vendas. O estrago está feito, e você ainda tem Walmart, eBay, TikTok Shop e Google Shopping para verificar.

Este é o ritmo da aplicação de MAP em 2026. Apenas os produtos falsificados e piratas atingem $467 bilhões globalmente (dados da OECD e EUIPO, via Red Points), e isso antes de contar a arbitragem de mercado cinza e as violações de políticas de revendedores. Os marketplaces não fiscalizam os preços para você. E 79% das apreensões de falsificados agora vêm de remessas de pequenos pacotes, o que significa vendedores individuais passando pela alfândega em escala.

As marcas que detectam isso rapidamente não estão usando planilhas melhores. Elas operam uma infraestrutura de monitoramento que acessa cada página de produto em cada marketplace, a cada hora, em cada região onde vendem.

A Abordagem da FourA

A configuração ingênua é um scraper por marketplace, um cron job, um alerta. Então seu scraper quebra porque a Amazon lançou uma alteração de layout, seus IPs são bloqueados porque você está requisitando o mesmo produto repetidamente a partir de um único ASN, ou sua extração de preço retorna silenciosamente o preço sugerido riscado em vez da oferta real.

Um pipeline funcional tem quatro partes.

Descoberta. Comece com sua lista de SKUs e encontre cada oferta ativa nos marketplaces. ASINs da Amazon, IDs de itens do Walmart, IDs de anúncios do eBay, URLs de produtos do TikTok Shop. Isso é principalmente scraping de catálogo: acessar páginas de categoria, páginas de resultados de busca e variantes de PDP.

Coleta de páginas. Para cada oferta, obtenha a página ativa e capture o preço visível, o nome do vendedor, o proprietário do buy box, qualquer cupom ou desconto de Subscribe & Save, além de um timestamp. Alguns marketplaces entregam HTML limpo. O TikTok Shop e o Google Shopping renderizam a maior parte da lógica de preço em JavaScript, então você precisa de um navegador real, não de uma biblioteca de request.

Reconstrução de preço. É aqui que a maioria das equipes se complica. A Amazon mostra um preço de tabela, um desconto de Subscribe & Save de 5% a 15%, às vezes um cupom, às vezes uma divisão de pacote múltiplo. O preço real que o cliente paga raramente é o número no título. Um monitor que sinaliza apenas o título perde as violações ocultas na pilha de descontos.

Evidências e alertas. Quando você sinaliza uma violação, sua equipe de fiscalização precisa de provas: URL, captura de tela, preço exato, timestamp, vendedor e o tempo de atividade da oferta. Sem isso, o processo de disputa do marketplace não vai a lugar nenhum.

Uma plataforma como a FourA oferece uma única API para as partes complexas. Requests HTTP para marketplaces que entregam HTML limpo, sessões de navegador para aqueles com muito JavaScript e roteamento de proxy que você não precisa gerenciar. Você direciona um request para uma URL de produto da Amazon com a flag unblocker ativada, e headers equivalentes ao Chrome são enviados para que a página seja renderizada perfeitamente. Você direciona um request para a Amazon US por meio de um proxy da região dos EUA, depois o mesmo SKU para a Amazon DE por meio de um proxy da região da Alemanha, e os preços retornam no 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"] }
      }
    }
  }'

Essa é toda a chamada. Sem lógica de rotação de proxy no seu código. Sem verificação de "este site está rodando JavaScript hoje". A infraestrutura lida com roteamento e tentativas de reenvio; seu pipeline lida com a lógica de preços. Para uma leitura mais aprofundada sobre o que a flag unblocker realmente faz na rede, veja nossa análise do Web Unblocker.

A questão geográfica importa mais do que se imagina. Uma marca que vende para os EUA, UE e Reino Unido precisa de visibilidade de preços a partir do espaço de IP de cada região, pois os marketplaces às vezes exibem preços regionais ou ocultam a oferta completamente para IPs de fora da região. O roteamento por região significa que você pode verificar se um vendedor que anuncia "envio para todo o mundo" realmente viola o MAP nos mercados que importam.

Resultados

Uma marca de médio porte com 500 SKUs, seis marketplaces e três regiões acaba com cerca de 9.000 páginas de produtos para monitorar. A cobertura horária é de aproximadamente 216.000 requests por dia (cenário ilustrativo baseado em um escopo típico de proteção de marca de médio porte). Isso não é nada para uma API projetada para essa finalidade, mas seria uma equipe de engenharia em tempo integral se você decidisse construir tudo sozinho. No entanto, o número interessante não é o de requests por dia; é a frequência com que uma violação entra no ar e é detectada na mesma hora.

Na prática, o impacto da melhoria se parece com isto:

  • A latência de detecção cai de dias (scraping manual ou semanal) para menos de uma hora com polling de hora em hora
  • A cobertura passa de "os três marketplaces que consigo acompanhar" para todos os seis em que a marca realmente vende
  • Os falsos positivos caem drasticamente assim que a reconstrução de preço passa a processar cupons, S&S e pacotes múltiplos corretamente
  • A qualidade das evidências melhora quando cada detecção chega com uma captura de tela e timestamp vinculados ao request

Se você já leu nossa análise sobre agregação de anúncios imobiliários em escala, o padrão é o mesmo: muitas páginas, renderização mista, variação geográfica. O produto muda; o formato da infraestrutura não.

Ponto-chave

As violações de MAP não são um problema de qualidade de dados. Elas são um problema de tempo. Quem vê a violação primeiro tem a vantagem: a marca que a detecta antes que o anúncio converta em vendas, ou o revendedor que embolsa a margem e altera o preço antes que alguém perceba. Cada camada que sua pilha de monitoramento adiciona (precisão geográfica, renderização de JavaScript, reconstrução de pilha de preços) serve, na verdade, para recuperar minutos desse cronômetro.

As marcas que estão vencendo essa disputa em 2026 pararam de tratar a aplicação de MAP como uma auditoria trimestral. Elas começaram a tratá-la como infraestrutura ativa. A violação mais barata de corrigir é aquela que vem à tona na mesma hora em que aparece.