Google Shopping Data कैसे Scrape करें — बिना Code के और Code के साथ भी

Google Shopping हर महीने प्रोसेस करता है। यह कीमतों, product trends और seller information का बहुत बड़ा खजाना है — और वह भी सीधे आपके browser में, हजारों retailers से जुटकर.

लेकिन यही data Google Shopping से निकालकर spreadsheet में लाना? यहाँ असली पेंच शुरू होता है। मैंने अलग-अलग तरीकों को काफी समय तक test किया है — no-code browser extensions से लेकर full Python scripts तक — और experience कभी “वाह, कितना आसान!” जैसा रहा, तो कभी “CAPTCHA debug करते-करते तीन दिन हो गए, अब छोड़ना चाहता हूँ” जैसा। इस topic पर ज़्यादातर guides यह मानकर चलती हैं कि आप Python developer हैं, लेकिन मेरे experience में Google Shopping data की ज़रूरत रखने वाले बहुत से लोग ecommerce operators, pricing analysts और marketers होते हैं, जिन्हें बस numbers चाहिए — code लिखना नहीं। इसलिए यह guide तीन तरीकों को cover करती है, सबसे आसान से लेकर सबसे technical तक, ताकि आप अपनी skill level और time budget के हिसाब से सही रास्ता चुन सकें।

Google Shopping Data क्या होता है?

Google Shopping एक product search engine है। “wireless noise-cancelling headphones” जैसा कुछ search करें, और Google कई online stores से listings दिखाता है — product titles, prices, sellers, ratings, images, links। यानी इंटरनेट पर बिक्री के लिए उपलब्ध चीज़ों का एक live, लगातार update होने वाला catalog।

Google Shopping Data Scrape क्यों करें?

एक product page से बहुत कम समझ आता है। लेकिन जब सैकड़ों pages का data spreadsheet में structured form में होता है, तब patterns साफ दिखने लगते हैं।

मैंने जो सबसे common use cases देखे हैं, वे ये हैं:

अब AI-enabled pricing tools इस्तेमाल कर रहे हैं। Competitive pricing intelligence में निवेश करने वाली companies को 29x तक returns मिले हैं। Amazon लगभग हर 10 मिनट में prices update करता है। अगर आप अभी भी competitor prices हाथ से check कर रहे हैं, तो यह तरीका आपके पक्ष में नहीं है।

Thunderbit एक AI Web Scraper Chrome Extension है, जो business users को AI की मदद से websites से data निकालने में मदद करता है। यह खास तौर पर ecommerce operators, pricing analysts और marketers के लिए उपयोगी है, जो बिना code लिखे structured Google Shopping data चाहते हैं।

Google Shopping से आप असल में कौन-सा Data Scrape कर सकते हैं?

Tool चुनने या code लिखने से पहले यह जान लेना अच्छा रहता है कि कौन-कौन से fields मिल सकते हैं — और किन्हें निकालने में extra मेहनत लगती है।

Google Shopping Search Results से मिलने वाले Fields

जब आप Google Shopping पर search करते हैं, तो results page पर हर product card में यह information होती है:

Product Detail Pages से मिलने वाले Fields (Subpage Data)

अगर आप Google Shopping में किसी individual product की detail page खोलते हैं, तो और richer data मिल सकता है:

इन fields तक पहुँचने के लिए search results scrape करने के बाद हर product की subpage visit करनी पड़ती है। capability वाले tools यह काम अपने आप कर लेते हैं — नीचे workflow में मैं यह दिखाऊँगा।

Google Shopping Data Scrape करने के तीन तरीके (अपना रास्ता चुनें)

तीन methods, सबसे आसान से लेकर सबसे technical तक। अपनी situation के हिसाब से row चुनें और आगे बढ़ें:

Method 1: बिना Code के Google Shopping Data Scrape करें (Thunderbit से)

• Difficulty: Beginner
• Time Required: ~2–5 minutes
• What You'll Need: Chrome browser, (free tier चल जाता है), एक Google Shopping search query

“मुझे Google Shopping data चाहिए” से लेकर “लो, आपकी spreadsheet तैयार है” तक का सबसे तेज़ रास्ता। न code, न API keys, न proxy configuration। मैंने कई non-technical teammates को यह workflow dozens of times समझाया है — कोई भी फँसा नहीं।

Step 1: Thunderbit Install करें और Google Shopping खोलें

Chrome Web Store से install करें और free account बना लें।

फिर Google Shopping पर जाएँ। आप सीधे shopping.google.com खोल सकते हैं या normal Google search में Shopping tab इस्तेमाल कर सकते हैं। जिस product या category में interest है उसे search करें — जैसे, “wireless noise-cancelling headphones।”

आपको prices, sellers और ratings वाली product listings की grid दिखनी चाहिए।

Step 2: Columns अपने आप पहचानने के लिए “AI Suggest Fields” पर क्लिक करें

Thunderbit extension icon पर क्लिक करके sidebar खोलें, फिर "AI Suggest Fields" दबाएँ। AI Google Shopping page scan करके columns सुझाती है: Product Title, Price, Seller, Rating, Review Count, Image URL, Product Link.

Suggested fields को review करें। आप columns rename कर सकते हैं, जो नहीं चाहिए उन्हें हटा सकते हैं, या custom fields जोड़ सकते हैं। अगर आप specific output चाहते हैं — जैसे “currency symbol के बिना सिर्फ numeric price निकालना” — तो उस column में Field AI Prompt जोड़ सकते हैं।

Thunderbit panel में column structure का preview दिखना चाहिए।

Step 3: “Scrape” पर क्लिक करें और Results देखें

नीला "Scrape" button दबाएँ। Thunderbit हर visible product listing को structured table में खींच लेता है।

Multiple pages हैं? Thunderbit pagination अपने आप संभाल लेता है — layout के हिसाब से pages click करके या scroll करके और results load करके। अगर results बहुत ज़्यादा हैं, तो आप Cloud Scraping (तेज़, एक बार में 50 pages तक, Thunderbit की distributed infrastructure से चलता है) या Browser Scraping (आपका अपना Chrome session use करता है — तब useful जब Google region-specific results दिखाए या login चाहिए हो) चुन सकते हैं।

मेरे test में 50 product listings scrape करने में लगभग 30 seconds लगे। वही काम manually — हर listing खोलकर title, price, seller, rating copy करना — 20+ minutes लेता।

Step 4: Subpage Scraping से Data को और Rich बनाएं

Initial scrape के बाद Thunderbit panel में "Scrape Subpages" पर क्लिक करें। AI हर product की detail page पर जाती है और original table में अतिरिक्त fields जोड़ देती है — full descriptions, all seller prices, specifications, और reviews.

अलग configuration की ज़रूरत नहीं — AI खुद detail pages की structure समझकर relevant data निकाल लेती है। मैंने इसी तरह 40 products के लिए full competitive pricing matrix (product + all seller prices + specs) 5 minutes से भी कम में बना ली।

Step 5: Google Sheets, Excel, Airtable, या Notion में Export करें

"Export" पर क्लिक करें और अपनी destination चुनें — , Excel, Airtable, या Notion. यह सब free है। CSV और JSON download भी available हैं।

Scrape करने के लिए दो clicks, export के लिए एक click। वही काम Python script से? लगभग 60 lines of code, proxy configuration, CAPTCHA handling, और ongoing maintenance।

Method 2: Python + SERP API से Google Shopping Data Scrape करें

• Difficulty: Intermediate
• Time Required: ~30 minutes
• What You'll Need: Python 3.10+, requests और pandas libraries, एक SERP API key (ScraperAPI, SerpApi, या similar)

अगर आपको Google Shopping data तक programmatic और repeatable access चाहिए, तो SERP API Python-based तरीकों में सबसे भरोसेमंद है। Anti-bot measures, JavaScript rendering, proxy rotation — सब पीछे से संभलता है। आप HTTP request भेजते हैं, और structured JSON वापस मिलता है।

Step 1: अपना Python Environment सेट करें

Python 3.12 install करें (2025–2026 में production के लिए सबसे safe default) और ज़रूरी packages install करें:

1pip install requests pandas

किसी SERP API provider पर sign up करें। 100 free searches/month देता है; 5,000 free credits देता है। Dashboard से अपनी API key ले लें।

Step 2: API Request Configure करें

ScraperAPI के Google Shopping endpoint का एक minimal example:

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 structured JSON लौटाती है, जिसमें title, price, link, thumbnail, source (seller), और rating जैसे fields होते हैं।

Step 3: JSON Response Parse करें और Fields निकालें

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)

Step 4: CSV या JSON में Export करें

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

Batch-friendly: 50 keywords पर loop चलाइए और एक ही script run में पूरा dataset बना लीजिए। tradeoff है cost — SERP APIs query के हिसाब से charge करती हैं, और हज़ारों queries/day पर bill तेज़ी से बढ़ता है। नीचे pricing पर और बात करेंगे।

Method 3: Python + Playwright से Google Shopping Data Scrape करें (Browser Automation)

• Difficulty: Advanced
• Time Required: ~1 hour+ (plus ongoing maintenance)
• What You'll Need: Python 3.10+, Playwright, residential proxies, patience

यह “full control” वाला तरीका है। आप real browser launch करते हैं, Google Shopping खोलते हैं, और rendered page से data निकालते हैं। सबसे flexible, लेकिन सबसे fragile भी — Google की anti-bot systems कड़ी हैं, और page structure साल में कई बार बदलता है।

एक चेतावनी: मैंने ऐसे users से बात की है जिन्होंने इस approach में CAPTCHAs और IP blocks से लड़ते-लड़ते हफ्तों लगा दिए। यह चलता है, लेकिन ongoing maintenance के लिए तैयार रहें।

Step 1: Playwright और Proxies सेट करें

1pip install playwright
2playwright install chromium

आपको residential proxies चाहिए होंगी। Datacenter IPs लगभग तुरंत block हो जाते हैं — एक forum user ने साफ कहा: “All AWS IPs will be blocked or face CAPTCHA after 1/2 results.” Bright Data, Oxylabs, या Decodo जैसी services residential proxy pools देती हैं, आम तौर पर लगभग $1–5/GB से शुरू।

Playwright को realistic user-agent और अपने proxy के साथ configure करें:

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()

Step 2: Google Shopping पर जाएँ और Anti-Bot Measures संभालें

Google Shopping URL बनाकर जाएँ:

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")

अगर EU cookie consent popup आए, तो उसे संभालें:

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

Actions के बीच इंसानी अंदाज़ वाली delays जोड़ें — page loads के बीच 2–5 seconds का random wait. Google के detection systems तेज़, एक जैसे request patterns को पकड़ लेते हैं।

Step 3: Scroll करें, Paginate करें, और Product Data Extract करें

Google Shopping results dynamically load होते हैं। Lazy loading trigger करने के लिए scroll करें, फिर product cards extract करें:

1import time, random
2# Scroll to load all results
3for _ in range(3):
4    page.evaluate("window.scrollBy(0, 1000)")
5    time.sleep(random.uniform(1.5, 3.0))
6# Extract product cards
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    # ... other fields निकालें
13    results.append({
14        "title": title.inner_text() if title else None,
15        "price": price.inner_text() if price else None,
16    })

एक महत्वपूर्ण बात: ऊपर दिए गए CSS selectors approximate हैं और बदलेंगे। Google class names अक्सर rotate करता है। सिर्फ 2024–2026 के बीच तीन अलग selector sets documented रहे हैं। इसलिए class names के बजाय jsname, data-cid, <h3> tags, और img[alt] जैसे more stable attributes पर भरोसा करें।

Step 4: CSV या JSON में Save करें

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)

इस script को नियमित रूप से maintain करने के लिए तैयार रहें। जब Google page structure बदलता है — और यह साल में कई बार होता है — आपके selectors टूट जाते हैं और आपको फिर से debug करना पड़ता है।

सबसे बड़ी परेशानी: CAPTCHAs और Anti-Bot Blocks

फोरम दर फोरम, एक ही कहानी मिलती है: “मैंने कुछ हफ्ते लगाए, लेकिन Google की anti-bot methods के सामने हार मान ली।” DIY Google Shopping scrapers छोड़ने का सबसे बड़ा कारण CAPTCHAs और IP blocks ही हैं।

Google Scrapers को कैसे Block करता है (और क्या किया जा सकता है)

जनवरी 2025 में Google ने SERP और Shopping results के लिए JavaScript execution अनिवार्य कर दिया, जिससे कई static-HTML scrapers टूट गए — जिनमें SemRush और SimilarWeb द्वारा इस्तेमाल होने वाली pipelines भी शामिल थीं। फिर सितंबर 2025 में Google ने legacy product detail page URLs को deprecate कर दिया और उन्हें एक नए “Immersive Product” surface पर redirect किया, जो async AJAX से load होता है। late 2025 से पहले लिखी गई कोई भी tutorial अब काफी हद तक पुरानी हो चुकी है।

हर Method इन Challenges को कैसे संभालती है

SERP APIs सब कुछ पीछे से handle करती हैं — proxies, rendering, CAPTCHA solving. आपको इसके बारे में सोचना नहीं पड़ता।

Thunderbit Cloud Scraping US, EU और Asia में distributed cloud infrastructure का इस्तेमाल करके JS rendering और anti-bot measures अपने आप संभालता है। Browser Scraping mode आपका own authenticated Chrome session इस्तेमाल करता है, इसलिए detection से बच निकलता है क्योंकि यह normal user browsing जैसा दिखता है।

DIY Playwright में पूरा बोझ आपके ऊपर होता है — proxy management, delay tuning, CAPTCHA solving, selector maintenance, और breakage की लगातार निगरानी।

Google Shopping Data Scrape करने की असली लागत: ईमानदार तुलना

“$50 for around 20k requests… a bit steep for my hobby project.” यह शिकायत forums में बार-बार दिखती है। लेकिन आम तौर पर बातचीत सबसे बड़ी लागत को नज़रअंदाज़ कर देती है।

Cost Comparison Table

सबसे बड़ा Hidden Cost: आपका समय

अगर $0 वाला DIY solution 40 hours debugging खा जाता है, तो वह free नहीं है। $50/hour के हिसाब से यह $2,000 की labor cost है — एक ऐसे scraper के लिए जो अगले महीने Google के DOM बदलते ही फिर टूट सकता है।

McKinsey’s Technology Outlook के अनुसार । इससे नीचे, in-house development “budget खा जाता है लेकिन ROI नहीं देता।” ज़्यादातर ecommerce teams जो हफ्ते में कुछ सौ से कुछ हज़ार lookups करती हैं, उनके लिए no-code tool या SERP API खुद का scraper बनाने से काफी ज़्यादा cost-effective है।

Automated Google Shopping Price Monitoring कैसे सेट करें

ज़्यादातर guides scraping को एक बार का काम मानती हैं। Ecommerce teams के लिए असली use case चलती-फिरती, automated monitoring है। आपको सिर्फ आज की prices नहीं, बल्कि कल, पिछले हफ्ते और आगे आने वाले दिनों की कीमतें भी चाहिए।

Thunderbit के साथ Scheduled Scraping सेट करना

Thunderbit का Scheduled Scraper आपको समय का interval plain English में बताने देता है — “हर दिन सुबह 9 बजे” या “हर सोमवार और गुरुवार दोपहर 12 बजे” — और AI उसे recurring schedule में बदल देती है। अपने Google Shopping URLs डालें, "Schedule" पर क्लिक करें, और काम पूरा।

हर run अपने आप Google Sheets, Airtable, या Notion में export हो जाता है। नतीजा: एक spreadsheet जो रोज़ auto-populate होती रहती है, competitor prices के साथ, pivot tables या alerts के लिए तैयार।

न cron jobs. न server management. न Lambda function की परेशानी. (मैंने forums में ऐसे developers के posts देखे हैं जिन्होंने AWS Lambda पर Selenium चलाने में दिन लगा दिए — Thunderbit का scheduler यह सब skip कर देता है.)

बनाने पर और जानकारी चाहिए तो हमारे पास अलग deep dive है।

Python के साथ Scheduling (Developers के लिए)

अगर आप SERP API approach इस्तेमाल कर रहे हैं, तो runs को cron jobs (Linux/Mac), Windows Task Scheduler, या AWS Lambda और Google Cloud Functions जैसे cloud schedulers से schedule कर सकते हैं। APScheduler जैसी Python libraries भी काम करती हैं।

लेकिन tradeoff यह है कि अब script health monitor करना, failures handle करना, proxies को schedule के हिसाब से rotate करना, और Google के page बदलने पर selectors update करना आपकी ज़िम्मेदारी है। ज़्यादातर teams के लिए scheduled Python scraper को maintain करने में लगा engineering time, dedicated tool की cost से ज़्यादा पड़ता है।

Google Shopping Data Scrape करने के Tips और Best Practices

Method कोई भी हो, कुछ बातें आपको काफी headache से बचाएँगी।

Rate Limits का सम्मान करें

Google पर सैकड़ों तेज़ requests न मारें — block हो जाएंगे, और आपका IP कुछ समय के लिए flagged रह सकता है। DIY methods में requests के बीच 10–20 seconds का gap रखें और random jitter जोड़ें। Tools और APIs यह आपके लिए संभाल लेते हैं।

अपनी Volume के हिसाब से Method चुनें

एक quick decision guide:

• < 10 queries/week → Thunderbit free tier या SerpApi free tier
• 10–1,000 queries/week → SERP API paid plan या
• 1,000+ queries/week → SERP API enterprise plan या Thunderbit Open API

Data साफ करें और Validate करें

Prices के साथ currency symbols, locale-specific formatting (1.299,00 € vs $1,299.00), और कभी-कभी garbage characters भी आते हैं। Thunderbit के Field AI Prompts से extraction के समय ही format normalize करें, या बाद में pandas से साफ करें:

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

Organic और sponsored listings के बीच duplicates check करें — वे अक्सर overlap करते हैं। (title, price, seller) tuple से deduplicate करें।

Legal Landscape समझें

Publicly available product data scrape करना आम तौर पर legal माना जाता है, लेकिन legal landscape तेज़ी से बदल रहा है। सबसे महत्वपूर्ण हालिया विकास: under DMCA § 1201, Google के “SearchGuard” anti-scraping system को circumvent करने के आरोप में। यह एक नया enforcement vector है, जो hiQ v. LinkedIn और Van Buren v. United States जैसे earlier cases में बनी defenses से अलग है।

Practical guidelines:

• सिर्फ publicly available data scrape करें — restricted content के लिए login न करें
• personal information न निकालें (reviewer names, account details)
• ध्यान रखें कि Google’s Terms of Service automated access को prohibit करते हैं — SERP API या browser extension उपयोग करने से legal gray area कम होता है, लेकिन पूरी तरह खत्म नहीं होता
• EU operations के लिए GDPR को ध्यान में रखें, हालांकि product listings ज़्यादातर non-personal commercial data होती हैं
• अगर आप scraped data पर commercial product बना रहे हैं, तो legal counsel से सलाह लेना समझदारी है

पर और गहराई से जानने के लिए हमने यह विषय अलग से cover किया है।

Google Shopping Data Scrape करने के लिए कौन-सा Method चुनें?

एक ही product categories पर तीनों approaches चलाने के बाद, मैं यहाँ पहुँचा:

अगर आप non-technical user हैं और जल्दी data चाहिए — Thunderbit इस्तेमाल करें। Google Shopping खोलें, दो clicks करें, export करें। 5 minutes से कम में आपकी clean spreadsheet तैयार होगी। बिना commitment के try करने देता है, और subpage scraping feature ज़्यादातर Python scripts से भी richer data देता है।

अगर आप developer हैं और repeatable, programmatic access चाहिए — SERP API इस्तेमाल करें। Reliability, per-query cost के लायक है, और anti-bot headaches से बचत होती है। SerpApi की documentation सबसे अच्छी है; ScraperAPI का free tier सबसे generous है।

अगर आपको maximum control चाहिए और आप custom pipeline बना रहे हैं — Playwright काम करता है, लेकिन पूरी तैयारी के साथ जाएँ। Proxy management, selector maintenance, और CAPTCHA handling के लिए पर्याप्त समय बजट करें। 2025–2026 में minimum viable bypass stack है curl_cffi + Chrome impersonation + residential proxies + 10–20 second pacing. एक plain requests script with rotating user-agents अब practically dead है।

सबसे अच्छा method वही है जो बिना आपका पूरा हफ्ता खाए accurate data दे। ज़्यादातर लोगों के लिए वह 60-line Python script नहीं, बल्कि दो clicks हैं।

अगर आपको volume चाहिए तो देखें, या workflow को live देखने के लिए पर tutorials देखें।

FAQs

क्या Google Shopping data scrape करना legal है?

Publicly available product data scrape करना आम तौर पर legal माना जाता है, जैसे hiQ v. LinkedIn और Van Buren v. United States जैसे cases में देखा गया। लेकिन Google की Terms of Service automated access को रोकती हैं, और December 2025 में SerpApi के खिलाफ Google का मुकदमा DMCA § 1201 anti-circumvention theory को लेकर एक नया मोड़ था। भरोसेमंद tools और APIs इस्तेमाल करने से risk कम होता है। Commercial use के लिए legal counsel से सलाह लें।

क्या मैं Google Shopping scrape कर सकता हूँ बिना block हुए?

हाँ, लेकिन method महत्वपूर्ण है। SERP APIs anti-bot measures अपने आप संभालती हैं। Thunderbit का Cloud Scraping distributed infrastructure से blocks से बचने में मदद करता है, जबकि Browser Scraping mode आपका own Chrome session इस्तेमाल करता है (जो normal browsing जैसा दिखता है)। DIY Python scripts में residential proxies, human-like delays, और TLS fingerprint management चाहिए — फिर भी blocks आम हैं।

Google Shopping data scrape करने का सबसे आसान तरीका क्या है?

Thunderbit Chrome Extension। Google Shopping खोलें, “AI Suggest Fields” क्लिक करें, “Scrape” क्लिक करें, और Google Sheets या Excel में export करें। न coding, न API keys, न proxy configuration। पूरी प्रक्रिया लगभग 2 minutes लेती है।

Price monitoring के लिए मैं Google Shopping कितनी बार scrape कर सकता हूँ?

Thunderbit के Scheduled Scraper के साथ आप plain English descriptions की मदद से daily, weekly, या custom interval monitoring सेट कर सकते हैं। SERP APIs में frequency आपके plan के credit limits पर निर्भर करती है — ज़्यादातर providers कुछ सौ SKUs की daily monitoring के लिए पर्याप्त देते हैं। DIY scripts जितनी बार infrastructure allow करे उतनी बार चल सकते हैं, लेकिन frequency बढ़ने पर anti-bot headaches भी बढ़ते हैं।

क्या मैं Google Shopping data को Google Sheets या Excel में export कर सकता हूँ?

हाँ। Thunderbit सीधे Google Sheets, Excel, Airtable, और Notion में free export करता है। Python scripts CSV या JSON export कर सकती हैं, जिन्हें आप बाद में किसी भी spreadsheet tool में import कर सकते हैं। Ongoing monitoring के लिए Thunderbit के scheduled exports Google Sheets में live, auto-updating dataset बनाते हैं।