Jak získat data z Google Shopping — s kódem i bez něj

Google Shopping zpracuje každý měsíc víc než . To je obrovské množství cenových dat, trendů produktů a informací o prodejcích — a všechno je hned po ruce ve vašem prohlížeči, sesbírané z tisíců obchodů.

Dostat ta data z Google Shopping do tabulky? Tady většinou začíná problém. Strávil jsem dost času testováním různých přístupů — od no-code rozšíření do prohlížeče až po plnohodnotné Python skripty — a výsledek se pohybuje od „wow, to bylo jednoduché“ až po „už tři dny ladím CAPTCHA a mám toho plné zuby“. Většina návodů na tohle téma počítá s tím, že jste Python vývojář, ale podle mé zkušenosti většina lidí, kteří Google Shopping data potřebují, jsou provozní specialisté v ecommerce, cenoví analytici a marketéři, kteří chtějí čísla, ne psát kód. Proto je tenhle průvodce rozdělený do tří metod, seřazených od nejjednodušší po techničtější, abyste si mohli vybrat postup podle svých dovedností a času.

Co jsou data z Google Shopping?

Google Shopping je vyhledávač produktů. Zadáte třeba „wireless noise-cancelling headphones“ a Google vám zobrazí nabídky z desítek internetových obchodů — názvy produktů, ceny, prodejce, hodnocení, obrázky, odkazy. Je to živý katalog toho, co se právě prodává napříč internetem.

Proč získávat data z Google Shopping?

Jeden produkt vám skoro nic neřekne. Ale stovky produktů v přehledné tabulce? Tam už začnou být vidět vzorce.

Tady jsou nejčastější scénáře, se kterými jsem se setkal:

dnes používá cenové nástroje s podporou AI. Firmy, které investují do konkurenční cenové inteligence, hlásí návratnost až 29×. Amazon aktualizuje ceny zhruba každých 10 minut. Pokud pořád kontrolujete ceny konkurence ručně, matematika vám prostě nepřeje.

Thunderbit je AI Web Scraper rozšíření pro Chrome, které pomáhá firemním uživatelům získávat data z webu pomocí AI. Hodí se hlavně pro ecommerce týmy, cenové analytiky a marketéry, kteří chtějí strukturovaná data z Google Shopping bez psaní kódu.

Jaká data lze z Google Shopping skutečně získat?

Než si vyberete nástroj nebo napíšete jediný řádek kódu, je dobré přesně vědět, jaká pole jsou k dispozici — a která už chtějí trochu víc práce.

Pole z výsledků vyhledávání v Google Shopping

Když v Google Shopping spustíte vyhledávání, každá produktová karta ve výsledcích obsahuje:

Pole z detailních stránek produktů (data z podstránek)

Když kliknete na detail konkrétního produktu v Google Shopping, dostanete se k bohatším datům:

K těmhle polím se dostanete až po návštěvě podstránek jednotlivých produktů po získání výsledků vyhledávání. Nástroje s funkcí to umí automaticky — workflow popíšu níže.

Tři způsoby, jak získat data z Google Shopping (vyberte si)

Tři metody, seřazené od nejjednodušší po techničtější. Vyberte řádek, který odpovídá vaší situaci, a pokračujte dál:

Metoda 1: Získání dat z Google Shopping bez kódu (s Thunderbit)

• Náročnost: Začátečník
• Čas: ~2–5 minut
• Co budete potřebovat: Prohlížeč Chrome, (funguje i free verze), vyhledávací dotaz v Google Shopping

Nejrychlejší cesta od „potřebuju data z Google Shopping“ k „tady je moje tabulka“. Žádný kód, žádné API klíče, žádné nastavování proxy. Tímhle postupem jsem provedl desítky netechnických kolegů — a nikdo se nikde nezasekl.

Krok 1: Nainstalujte Thunderbit a otevřete Google Shopping

Nainstalujte z Chrome Web Store a zaregistrujte si bezplatný účet.

Pak přejděte do Google Shopping. Můžete jít přímo na shopping.google.com, nebo použít záložku Shopping v běžném vyhledávání Google. Vyhledejte produkt nebo kategorii, která vás zajímá — například „wireless noise-cancelling headphones“.

Měli byste vidět mřížku produktů s cenami, prodejci a hodnocením.

Krok 2: Klikněte na „AI Suggest Fields“ a nechte detekovat sloupce

Klikněte na ikonu rozšíření Thunderbit a otevřete postranní panel, pak stiskněte „AI Suggest Fields.“ AI projde stránku Google Shopping a navrhne sloupce: Název produktu, Cena, Prodejce, Hodnocení, Počet recenzí, URL obrázku, Odkaz na produkt.

Navržená pole si projděte. Můžete přejmenovat sloupce, odstranit ty, které nepotřebujete, nebo přidat vlastní. Pokud chcete něco konkrétního — třeba „získat jen číselnou cenu bez symbolu měny“ — můžete ke sloupci přidat Field AI Prompt.

Strukturu sloupců uvidíte jako náhled v panelu Thunderbit.

Krok 3: Klikněte na „Scrape“ a zkontrolujte výsledky

Klikněte na modré tlačítko „Scrape“. Thunderbit načte všechna viditelná produktová data do strukturované tabulky.

Více stránek? Thunderbit si stránkování řeší automaticky — buď přepíná mezi stránkami, nebo scrolluje a načítá další výsledky podle rozložení. Pokud máte hodně výsledků, můžete zvolit Cloud Scraping (rychlejší, zvládne až 50 stránek najednou, běží na distribuované infrastruktuře Thunderbitu) nebo Browser Scraping (používá vaši vlastní relaci Chrome — hodí se, pokud Google zobrazuje regionální výsledky nebo vyžaduje přihlášení).

Při mém testování trvalo získání 50 produktů asi 30 sekund. Stejný úkol ručně — otevřít každý produkt, zkopírovat název, cenu, prodejce a hodnocení — by mi zabral přes 20 minut.

Krok 4: Obohaťte data pomocí scrapování podstránek

Po prvním sběru klikněte v panelu Thunderbit na „Scrape Subpages“. AI navštíví detail každého produktu a přidá další pole — kompletní popis, všechny ceny od prodejců, specifikace a recenze — do původní tabulky.

Není potřeba žádné další nastavování — AI si sama zjistí strukturu detailní stránky a vytáhne relevantní data. Takhle jsem během necelých 5 minut vytvořil kompletní matici konkurenčních cen (produkt + všechny ceny + specifikace) pro 40 produktů.

Krok 5: Exportujte do Google Sheets, Excelu, Airtable nebo Notion

Klikněte na „Export“ a vyberte cíl — , Excel, Airtable nebo Notion. Všechno zdarma. K dispozici jsou i exporty do CSV a JSON.

Dva kliky ke sběru dat, jeden klik k exportu. Srovnatelný Python skript? Asi 60 řádků kódu, konfigurace proxy, řešení CAPTCHA a průběžná údržba.

Metoda 2: Získání dat z Google Shopping pomocí Pythonu + SERP API

• Náročnost: Středně pokročilý
• Čas: ~30 minut
• Co budete potřebovat: Python 3.10+, knihovny requests a pandas, klíč k SERP API (ScraperAPI, SerpApi nebo podobná služba)

Pokud potřebujete programový, opakovatelný přístup k datům z Google Shopping, SERP API je nejspolehlivější Python cesta. Ochranu proti botům, vykreslování JavaScriptu, rotaci proxy — to všechno řeší v pozadí. Vy pošlete HTTP požadavek a dostanete strukturovaný JSON zpět.

Krok 1: Připravte Python prostředí

Nainstalujte Python 3.12 (v letech 2025–2026 nejbezpečnější výchozí volba pro produkci) a potřebné balíčky:

1pip install requests pandas

Zaregistrujte se u poskytovatele SERP API. nabízí 100 bezplatných vyhledávání měsíčně; dává 5 000 bezplatných kreditů. Klíč API si vezměte z administračního panelu.

Krok 2: Nastavte požadavek API

Tady je minimální příklad s Google Shopping endpointem od ScraperAPI:

1import requests
2import pandas as pd
3API_KEY = "YOUR_API_KEY"
4query = "wireless noise cancelling headphones"
5resp = requests.get(
6    "https://api.scraperapi.com/structured/google/shopping",
7    params={"api_key": API_KEY, "query": query, "country_code": "us"}
8)
9data = resp.json()

API vrací strukturovaný JSON s poli jako title, price, link, thumbnail, source (prodejce) a rating.

Krok 3: Zpracujte JSON odpověď a vytáhněte pole

1products = data.get("shopping_results", [])
2rows = []
3for p in products:
4    rows.append({
5        "title": p.get("title"),
6        "price": p.get("price"),
7        "seller": p.get("source"),
8        "rating": p.get("rating"),
9        "reviews": p.get("reviews"),
10        "link": p.get("link"),
11        "thumbnail": p.get("thumbnail"),
12    })
13df = pd.DataFrame(rows)

Krok 4: Exportujte do CSV nebo JSON

1df.to_csv("google_shopping_results.csv", index=False)

Výhoda pro dávkové zpracování: můžete projít 50 klíčových slov a v jednom běhu skriptu vytvořit celý dataset. Nevýhoda je cena — SERP API účtují za každý dotaz a při tisících dotazů denně náklady rychle rostou. K tomu se ještě vrátíme níže.

Metoda 3: Získání dat z Google Shopping pomocí Pythonu + Playwright (automatizace prohlížeče)

• Náročnost: Pokročilý
• Čas: ~1 hodina+ (a průběžná údržba)
• Co budete potřebovat: Python 3.10+, Playwright, rezidenční proxy, trpělivost

Přístup „mám plnou kontrolu“. Spustíte skutečný prohlížeč, otevřete Google Shopping a vytáhnete data z renderované stránky. Je to nejuniverzálnější, ale zároveň nejkřehčí varianta — Google má agresivní ochranu proti botům a struktura stránky se několikrát ročně mění.

Varování z praxe: mluvil jsem s uživateli, kteří na tom týdny bojovali s CAPTCHA a blokacemi IP. Funguje to, ale počítejte s průběžnou údržbou.

Krok 1: Nastavte Playwright a proxy

1pip install playwright
2playwright install chromium

Budete potřebovat rezidenční proxy. Datacentrové IP adresy bývají blokované skoro okamžitě — jeden uživatel to shrnul bez obalu: „Všechny AWS IP budou blokované nebo narazí na CAPTCHA po 1/2 výsledcích.“ Služby jako Bright Data, Oxylabs nebo Decodo nabízejí rezidenční proxy pooly od zhruba 1–5 USD/GB.

Nastavte Playwright s realistickým user-agentem a vlastní proxy:

1from playwright.sync_api import sync_playwright
2with sync_playwright() as p:
3    browser = p.chromium.launch(
4        headless=True,
5        proxy={"server": "http://your-proxy:port", "username": "user", "password": "pass"}
6    )
7    context = browser.new_context(
8        user_agent="Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 ..."
9    )
10    page = context.new_page()

Krok 2: Přejděte do Google Shopping a obejděte anti-bot ochranu

Sestavte URL pro Google Shopping a otevřete ji:

1query = "wireless noise cancelling headphones"
2url = f"https://www.google.com/search?udm=28&q={query}&gl=us&hl=en"
3page.goto(url, wait_until="networkidle")

Pokud se zobrazí cookie consent pro EU, ošetřete ho takto:

1try:
2    page.click("button#L2AGLb", timeout=3000)
3except:
4    pass

Mezi kroky přidávejte lidsky působící pauzy — náhodné čekání 2–5 sekund mezi načteními stránek. Systémy Googlu detekují rychlé a pravidelné požadavky.

Krok 3: Scrollujte, procházejte stránky a extrahujte produkty

Google Shopping načítá výsledky dynamicky. Scrollujte, aby se načetla další data, a pak vytáhněte produktové karty:

1import time, random
2# Scroll pro načtení všech výsledků
3for _ in range(3):
4    page.evaluate("window.scrollBy(0, 1000)")
5    time.sleep(random.uniform(1.5, 3.0))
6# Extrakce produktových karet
7cards = page.query_selector_all("[jsname='ZvZkAe']")
8results = []
9for card in cards:
10    title = card.query_selector("h3")
11    price = card.query_selector("span.a8Pemb")
12    # ... vytáhnout další pole
13    results.append({
14        "title": title.inner_text() if title else None,
15        "price": price.inner_text() if price else None,
16    })

Důležitá poznámka: CSS selektory výše jsou orientační a budou se měnit. Google class names často rotuje. Už během let 2024–2026 se objevily tři různé sady selektorů. Opírejte se spíš o stabilnější atributy jako jsname, data-cid, tagy <h3> a img[alt] než o class names.

Krok 4: Uložte do CSV nebo JSON

1import json
2from datetime import datetime
3filename = f"shopping_{datetime.now().strftime('%Y%m%d_%H%M')}.json"
4with open(filename, "w") as f:
5    json.dump(results, f, indent=2)

Počítejte s tím, že tenhle skript budete muset pravidelně udržovat. Jakmile Google změní strukturu stránky — což se děje několikrát ročně — selektory přestanou fungovat a jste zpátky u ladění.

Největší problém: CAPTCHA a blokace proti botům

Fórum za fórem stejný příběh: „Strávil jsem pár týdnů, ale nakonec jsem na Google ochraně proti botům vzdal.“ CAPTCHA a blokace IP jsou hlavní důvod, proč lidé DIY Google Shopping scrapery opouštějí.

Jak Google scrapery blokuje a co s tím

V lednu 2025 Google zpřísnil situaci a pro SERP i Shopping výsledky začal vyžadovat JavaScript, čímž — včetně pipeline používaných SemRush a SimilarWeb. V září 2025 pak Google zrušil staré URL detailů produktů a přesměroval je na novou „Immersive Product“ vrstvu, která se načítá přes async AJAX. Každý návod napsaný před koncem roku 2025 je dnes z velké části zastaralý.

Jak se s těmito překážkami vypořádává každá metoda

SERP API řeší všechno v pozadí — proxy, renderování, CAPTCHA. Vy to vůbec neřešíte.

Thunderbit Cloud Scraping používá distribuovanou cloudovou infrastrukturu v USA, EU a Asii, aby automaticky zvládal vykreslování JS i ochranu proti botům. Režim Browser Scraping používá vaši vlastní přihlášenou relaci v Chrome, čímž obchází detekci, protože to vypadá jako běžné prohlížení.

DIY Playwright přenáší všechnu tíhu na vás — správu proxy, ladění prodlev, řešení CAPTCHA, údržbu selektorů a neustálý dohled nad tím, co se zlomilo.

Skutečné náklady na získávání dat z Google Shopping: upřímné srovnání

„50 dolarů za zhruba 20 tisíc požadavků… to je na můj hobby projekt trochu moc.“ Tahle stížnost se ve fórech objevuje pořád. Jenže diskuse většinou přehlíží největší náklad ze všech.

Tabulka porovnání nákladů

Skrytý náklad, který všichni přehlížejí: váš čas

DIY řešení za 0 $, které vám sežere 40 hodin ladění, ve skutečnosti zadarmo není. Při sazbě 50 $/hodinu je to 2 000 $ práce — za scraper, který se možná rozbije znovu příští měsíc, až Google změní DOM.

Studie McKinsey Technology Outlook uvádí, že . Pod touto hranicí „vlastní vývoj spotřebovává rozpočet bez návratnosti investice“. Pro většinu ecommerce týmů, které dělají pár stovek až pár tisíc kontrol týdně, je no-code nástroj nebo SERP API výrazně nákladově efektivnější než vlastní řešení.

Jak nastavit automatické sledování cen v Google Shopping

Většina návodů bere scrapování jako jednorázový úkol. Skutečný use case pro ecommerce týmy je průběžné, automatické monitorování. Nepotřebujete jen dnešní ceny — potřebujete včerejší, minulé týdenní i zítřejší.

Nastavení plánovaného scrapování v Thunderbit

Thunderbit Scheduled Scraper vám umožní popsat interval běžnou češtinou — „každý den v 9 ráno“ nebo „každé pondělí a čtvrtek v poledne“ — a AI z toho vytvoří opakovaný plán. Zadáte URL z Google Shopping, kliknete na „Schedule“ a je hotovo.

Každý běh se automaticky exportuje do Google Sheets, Airtable nebo Notion. Výsledkem je tabulka, která se denně doplňuje o ceny konkurence a je připravená pro kontingenční tabulky nebo upozornění.

Žádné cron joby. Žádná správa serveru. Žádné trápení s Lambda funkcemi. (Viděl jsem diskusní příspěvky vývojářů, kteří strávili dny snahou rozběhnout Selenium na AWS Lambda — plánovač Thunderbitu to celé obchází.)

Více o tvorbě najdete v našem samostatném deep dive článku.

Plánování v Pythonu (pro vývojáře)

Pokud používáte přístup přes SERP API, můžete spouštění naplánovat pomocí cron jobů (Linux/Mac), Windows Task Scheduleru nebo cloudových plánovačů jako AWS Lambda či Google Cloud Functions. Hodí se i knihovny typu APScheduler.

Nevýhoda: jste teď zodpovědní za monitoring funkčnosti skriptu, řešení chyb, rotaci proxy podle plánu a úpravy selektorů, jakmile Google změní stránku. Pro většinu týmů je čas vývojářů strávený údržbou plánovaného Python scraperu vyšší než cena specializovaného nástroje.

Tipy a osvědčené postupy pro scrapování dat z Google Shopping

Ať už zvolíte jakoukoli metodu, pár věcí vám ušetří spoustu starostí.

Respektujte limity rychlosti

Nesnažte se Google zasypat stovkami rychlých požadavků — budete zablokováni a vaše IP může zůstat označená i delší dobu. U DIY metod rozprostřete požadavky do rozmezí 10–20 sekund s náhodným rozptylem. Nástroje a API to řeší za vás.

Zvolte metodu podle objemu

Rychlý rozhodovací přehled:

• < 10 dotazů týdně → Thunderbit free tier nebo SerpApi free tier
• 10–1 000 dotazů týdně → placený plán SERP API nebo
• 1 000+ dotazů týdně → enterprise plán SERP API nebo Thunderbit Open API

Čistěte a ověřujte data

Ceny často obsahují symboly měny, lokální formátování (1.299,00 € vs $1,299.00) a občas i divné znaky. Použijte Field AI Prompts v Thunderbitu k normalizaci už při extrakci, nebo data očistěte dodatečně v pandas:

1df["price_num"] = df["price"].str.replace(r"[^\d.]", "", regex=True).astype(float)

Zkontrolujte duplicity mezi organickými a sponzorovanými výsledky — často se překrývají. Deduplicitaci dělejte podle trojice (název, cena, prodejce).

Znáte právní rámec

Scrapování veřejně dostupných produktových dat je obecně považováno za legální, ale právní prostředí se rychle vyvíjí. Nejdůležitější novinka: podle DMCA § 1201 za obcházení anti-scraping systému Googlu „SearchGuard“. To je nový způsob vymáhání, který obchází obrany uznané v dřívějších kauzách jako hiQ v. LinkedIn a Van Buren v. United States.

Praktická doporučení:

• Scrapujte jen veřejně dostupná data — nepřihlašujte se kvůli omezenému obsahu
• Nevytahujte osobní údaje (jména recenzentů, údaje o účtu)
• Počítejte s tím, že podmínky služby Googlu zakazují automatizovaný přístup — použití SERP API nebo rozšíření do prohlížeče snižuje, ale neodstraňuje právní šedou zónu
• Pro provoz v EU myslete na GDPR, i když produktové nabídky jsou většinou neosobní obchodní data
• Pokud stavíte komerční produkt nad scrapovanými daty, zvažte konzultaci s právníkem

Podrobněji jsme se tématu věnovali samostatně.

Kterou metodu byste měli použít pro získávání dat z Google Shopping?

Poté, co jsem všechny tři přístupy otestoval na stejných produktových kategoriích, skončil jsem u tohoto závěru:

Pokud nejste technický uživatel a potřebujete data rychle — použijte Thunderbit. Otevřete Google Shopping, klikněte dvakrát, exportujte. Čistou tabulku budete mít do 5 minut. vám umožní vyzkoušet to bez závazku a funkce scrapování podstránek vám dá bohatší data než většina Python skriptů.

Pokud jste vývojář a potřebujete opakovatelný programový přístup — použijte SERP API. Spolehlivost stojí za cenu za dotaz a vyhnete se všem problémům s bot ochranou. SerpApi má nejlepší dokumentaci; ScraperAPI zase nejštědřejší free tier.

Pokud potřebujete maximální kontrolu a stavíte vlastní pipeline — Playwright funguje, ale jděte do toho s otevřenýma očima. Počítejte s výrazným časem na správu proxy, údržbu selektorů a řešení CAPTCHA. V letech 2025–2026 je minimální funkční bypass stack curl_cffi s imitací Chrome + rezidenční proxy + tempo 10–20 sekund. Jednoduchý requests skript s rotujícími user-agenty je mrtvý.

Nejlepší metoda je ta, která vám dá přesná data, aniž by vám sežrala celý týden. Pro většinu lidí to není Python skript o 60 řádcích — jsou to dva kliky.

Podívejte se na , pokud potřebujete vyšší objem, nebo si pusťte naše návody na , kde workflow uvidíte v praxi.

Časté dotazy

Je scrapování dat z Google Shopping legální?

Získávání veřejně dostupných produktových dat je obecně legální na základě precedentů jako hiQ v. LinkedIn a Van Buren v. United States. Google ale ve svých podmínkách zakazuje automatizovaný přístup a žaloba Googlu na SerpApi z prosince 2025 přinesla novou argumentaci podle DMCA § 1201 o obcházení ochrany. Použití renomovaných nástrojů a API riziko snižuje. Pro komerční použití se poraďte s právníkem.

Lze Google Shopping scrapovat bez blokace?

Ano, ale záleží na metodě. SERP API zvládají anti-bot opatření automaticky. Thunderbit Cloud Scraping používá distribuovanou infrastrukturu, aby se blokacím vyhnul, zatímco Browser Scraping používá vaši vlastní relaci v Chrome, což vypadá jako běžné prohlížení. DIY Python skripty vyžadují rezidenční proxy, lidsky působící prodlevy a správu TLS fingerprintu — a i tak jsou blokace běžné.

Jaký je nejjednodušší způsob, jak získat data z Google Shopping?

Thunderbit Chrome Extension. Přejděte do Google Shopping, klikněte na „AI Suggest Fields“, pak na „Scrape“ a exportujte do Google Sheets nebo Excelu. Žádné programování, žádné API klíče, žádná konfigurace proxy. Celý proces zabere asi 2 minuty.

Jak často mohu Google Shopping scrapovat pro sledování cen?

S Thunderbit Scheduled Scraperem můžete nastavit denní, týdenní nebo vlastní intervaly pomocí popisu v běžném jazyce. U SERP API záleží frekvence na limitech vašeho plánu — většina poskytovatelů zvládne denní monitoring několika stovek SKU. DIY skripty mohou běžet tak často, jak dovolí vaše infrastruktura, ale vyšší frekvence znamená víc problémů s ochranou proti botům.

Lze data z Google Shopping exportovat do Google Sheets nebo Excelu?

Ano. Thunderbit exportuje přímo do Google Sheets, Excelu, Airtable a Notion zdarma. Python skripty mohou exportovat do CSV nebo JSON, které pak importujete do libovolného tabulkového nástroje. Pro průběžné monitorování vytvářejí plánované exporty Thunderbitu do Google Sheets živý, automaticky se aktualizující dataset.

• Zjistit více