# Theo dõi giá Black Friday theo quy định 30 ngày

> URL: https://foura.ai/vi/blog/black-friday-price-tracking-30-day-rule
> Updated: 2026-11-03
> Index: https://foura.ai/llms.txt

Vào tháng 3 năm 2026, các cơ quan bảo vệ người tiêu dùng từ 23 quốc gia EU cùng Iceland và Na Uy đã công bố đợt kiểm tra các đợt giảm giá Black Friday và Cyber Monday: 30% trong số 314 cửa hàng trực tuyến được kiểm tra [đã dẫn chiếu giá giảm không chính xác](https://www.ccpc.ie/news-and-media/news/article/2026/03/26/investigation-by-ec--ccpc-and-european-consumer-authorities-finds-1-in-3-traders-incorrectly-display-discounts-online-during-black-friday-sales). Quy định mà các cửa hàng đó vi phạm gói gọn trong một câu. Để kiểm tra quy định này cần dữ liệu mà đáng lẽ bạn phải bắt đầu thu thập từ một tháng trước đợt giảm giá.

## Thách thức

Theo Chỉ thị về Chỉ dẫn Giá của EU, một cửa hàng khi công bố giảm giá phải trích dẫn giá thấp nhất mà họ đã áp dụng trong 30 ngày trước đó làm mức giá tham chiếu. Chỉ thị Omnibus đã bổ sung quy định đó vào năm 2019, và các cửa hàng phải tuân thủ kể từ năm 2022. Black Friday năm nay rơi vào ngày 27 tháng 11, vì vậy khoảng thời gian quyết định xem mức giá gốc trước đây của Black Friday có trung thực hay không đã bắt đầu tính từ ngày 28 tháng 10. Một công cụ theo dõi chỉ bắt đầu chạy khi các biểu ngữ quảng cáo xuất hiện là đã muộn mất một tháng.

Hệ thống giám sát của chính Ủy ban Châu Âu, được xây dựng với Apify, đã theo dõi 16.000 sản phẩm tại 176 cửa hàng trong đợt rà soát Black Friday năm 2022 và [tính đến tháng 10 năm 2025 đã hỗ trợ kiểm tra 136.931 sản phẩm từ 1.556 nhà bán lẻ](https://blog.apify.com/how-web-scraping-ai-and-the-eu-have-come-together-to-sweep-away-fake-discounts-in-europe/). Hệ thống đã thu thập giá trong đợt giảm giá cùng 30 ngày trước đó, đồng thời lưu ảnh chụp màn hình của từng trang làm bằng chứng. Oxylabs đã triển khai một phiên bản tại Mỹ vào năm 2024: họ [đã theo dõi 61.172 sản phẩm mỗi giờ](https://oxylabs.io/blog/oxylabs-research-on-fake-discounts-are-shopping-events-worth-the-deal) từ ngày 13 tháng 8, và chỉ có 4.529 sản phẩm trong số đó vừa được giảm giá vào Black Friday vừa được niêm yết đủ 90 ngày theo yêu cầu phương pháp luận của họ. Danh sách sản phẩm biến động nhanh hơn phần lớn các kế hoạch dự tính.

Nhưng phần khó nhất không nằm ở quy mô. Nó nằm ở giá trị thống kê.

Giá tham chiếu là giá trị tối thiểu, và giá trị tối thiểu được quyết định bởi một quan sát đơn lẻ. Giá trị trung bình có thể bỏ qua một ngày dữ liệu lỗi; còn giá trị tối thiểu *chính là* ngày đó. Đó là lý do tại sao cả hai lỗi sai phổ biến của scraper đều làm đảo ngược kết luận:

- **Bỏ lỡ một ngày sẽ che giấu mức giá thấp nhất.** Trang web trả về màn hình xác thực, màn hình chấp thuận cookie hoặc timeout đúng vào ngày duy nhất giá giảm sâu. Mức tối thiểu bạn ghi nhận sẽ cao hơn thực tế, và một mức giảm giá giả mạo lại được coi là hợp lệ.
- **Đọc sai giá sẽ tạo ra một mức giá thấp ảo.** Parser của bạn lấy nhầm giá "chỉ từ", giá dành cho thành viên, một biến thể khác hoặc một phụ kiện trong carousel. Mức tối thiểu bạn ghi nhận sẽ thấp hơn thực tế, và một đợt giảm giá trung thực lại bị gắn cờ là giả mạo.

Mức giảm có thể rất ngắn. Trong [nghiên cứu Black Friday 2025](https://www.which.co.uk/policy-and-insight/article/dont-believe-the-hype-most-black-friday-deals-the-same-price-or-cheaper-at-other-times-of-the-year-which-finds-a3TbD5x5KADs), Which? đã theo dõi 175 sản phẩm tại tám nhà bán lẻ ở Anh trong một năm: 83% có giá tương đương hoặc rẻ hơn ít nhất một lần ngoài đợt giảm giá bốn tuần, và một chiếc TV được theo dõi đã giảm giá ngắn từ £1.039 xuống £999 vào ngày sau Black Friday. (Vương quốc Anh có các quy định riêng, nhưng một đợt giảm giá một ngày hiển thị tương tự đối với scraper.)

Đối với một trang web chuyên săn deal, lỗi đầu tiên làm mất đi độ uy tín. Đối với cơ quan quản lý, tổ chức bảo vệ người tiêu dùng hoặc tòa soạn báo, lỗi thứ hai đồng nghĩa với việc cáo buộc nhà bán lẻ về điều họ không hề làm.

## Phương Pháp: Khoảng Trống Vẫn Là Khoảng Trống

Bạn cần một tầng thu thập không bao giờ biến một lượt fetch thất bại thành một con số, cùng một thuật toán tính toán từ chối đưa ra kết luận trên một khoảng thời gian bị khuyết dữ liệu. Chúng tôi đã phân tích cách một lượt fetch lỗi trở thành tín hiệu giả trong [Alternative Data: When a Block Looks Like a Data Point](https://foura.ai/blog/alternative-data-silent-collection-gaps); mức tối thiểu 30 ngày là phiên bản khắt khe nhất của vấn đề đó.

Với một nền tảng như FourA, các thành phần vận hành rất tinh gọn:

- **Xác thực trang trước khi đọc nội dung.** `validate` nhận một chuỗi ký tự chỉ xuất hiện trên đúng trang sản phẩm đó, chẳng hạn như mã định danh sản phẩm. Trang thử thách (challenge page), trang "không tìm thấy sản phẩm" hoặc màn hình chấp thuận cookie sẽ trả về kết quả là một lệnh gọi thất bại, điều này [không bị tính phí](https://foura.ai/docs/api/outcomes) vì [quy tắc của bạn quyết định điều kiện thành công](https://foura.ai/blog/validate-decides-success). Dòng dữ liệu của bạn ghi nhận một khoảng trống chứ không phải một mức giá.
- **Lưu lại biên nhận.** Mỗi response đều đi kèm một `X-FourA-Request-Id`. Hãy lưu mã này cùng với giá, timestamp và HTML thô. Nhật ký Activity của chúng tôi chỉ lưu bản xem trước request trong 24 giờ, vì vậy kho lưu trữ bằng chứng phải nằm ở phía bạn.
- **Chọn endpoint phù hợp cho từng cửa hàng.** Single xử lý các trang sản phẩm render từ phía server. Browser dành cho các cửa hàng tạo giá bằng JavaScript. Proxy Finder với `exitCountries` (nếu gói dịch vụ của bạn hỗ trợ nhắm mục tiêu theo quốc gia) xử lý các cửa hàng thay đổi giá tùy theo quốc gia của khách truy cập, một biến thể của vấn đề chúng tôi từng gặp với [giá hàng tạp hóa theo từng cửa hàng](https://foura.ai/blog/grocery-price-scraping-store-shopper).

```python
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` trả về `None` là dòng hữu ích nhất trong tệp. Một mức giảm giá không thể xác minh sẽ được đưa vào danh sách "no verdict", kèm theo tên các ngày bị thiếu dữ liệu. Chúng tôi thà xuất một báo cáo có danh sách đó còn hơn là một báo cáo sai nhưng đầy tự tin.

Hai quyết định nữa cần được đưa ra trước đợt giảm giá, không phải trong lúc diễn ra. Thứ nhất, lấy mẫu nhiều hơn một lần mỗi ngày đối với các danh mục biến động nhanh; Oxylabs kiểm tra mỗi giờ đều có lý do. Thứ hai, thu thập dữ liệu xa hơn mốc 30 ngày. Quy định này chỉ hồi cứu chính xác khoảng thời gian đó, vì vậy mức giá bị tăng ngay trước khi khung thời gian bắt đầu và giữ nguyên cho đến đợt giảm giá sẽ không bị phát hiện. Liệu điều đó có gây hiểu lầm hay không là câu hỏi dành cho Chỉ thị về Thực tiễn Thương mại Không lành mạnh và luật sư. Liệu bạn có thể chứng minh điều đó đã xảy ra hay không là câu hỏi về dữ liệu, và chỉ có lịch sử dữ liệu dài hơn mới trả lời được.

## Kết quả

Kịch bản minh họa dựa trên thiết lập ở trên: một nhóm bảo vệ người tiêu dùng kiểm tra 2.000 sản phẩm tại 40 cửa hàng trên ba quốc gia, hai lần một ngày, từ ngày 1 tháng 10 đến Cyber Monday.

- **244.000 lượt quan sát,** mỗi lượt được lưu trữ cùng với request id và trang thô.
- **Không có trang challenge nào trong cột giá.** Mỗi hàng đều vượt qua bước kiểm tra sản phẩm hoặc là một khoảng trống dữ liệu rõ ràng.
- **Ba kết luận, không phải hai.** Một mức giảm giá là vi phạm, tuân thủ hoặc "no verdict", và trường hợp thứ ba liệt kê rõ những ngày bị thiếu.
- **Bằng chứng đính kèm.** Mọi ưu đãi bị gắn cờ đều đi kèm với timestamp và các trang làm căn cứ cho mức giá thấp nhất trong 30 ngày.
- **Quan sát được các đợt tăng giá trước khung thời gian.** Lịch sử dữ liệu tám tuần cho thấy mức giá tăng ngay trước ngày 28 tháng 10 và "giảm" vào ngày 27 tháng 11.
- **Các khoảng trống không tính phí.** Một lượt fetch bị từ chối sẽ không bị tính phí, do đó lượt retry trong cùng ngày chỉ tốn chi phí cho lệnh gọi thành công.

## Kết luận chính

Hầu hết các pipeline scraping được xây dựng để đạt độ chính xác ở mức trung bình, và các giá trị trung bình thường dễ bỏ qua sai số. Quy định 30 ngày yêu cầu một con số mà pipeline xử lý kém nhất: giá trị ngoại lai cực trị. Chỉ cần một mức giá thấp bị tạo khống hoặc một đợt giảm giá bị bỏ sót, kết luận sẽ đảo ngược hoàn toàn.

Vì vậy, tiêu chuẩn cho một hệ thống kiểm tra giảm giá không phải là "hầu như đúng". Tiêu chuẩn phải là "không bao giờ tạo khống mức giá thấp, không bao giờ bỏ sót mức giá thấp, và báo rõ khi không thể xác định". Khung thời gian cho đợt giảm giá tháng Giêng bắt đầu từ trước Giáng sinh, đồng nghĩa với việc đồng hồ đếm ngược cho kết luận tiếp theo đã bắt đầu chạy.
