Cara Scrape Data Google Shopping — Dengan atau Tanpa Kode

Google Shopping memproses lebih dari . Jumlah data harga, tren produk, dan informasi penjual yang sangat besar itu — semuanya sudah tersedia di browser Anda, dikurasi dari ribuan retailer.

Mengeluarkan data itu dari Google Shopping lalu memindahkannya ke spreadsheet? Nah, di situ urusannya mulai agak ribet. Saya sudah cukup banyak menghabiskan waktu untuk mencoba berbagai pendekatan — dari ekstensi browser tanpa kode sampai skrip Python penuh — dan hasilnya berkisar dari "wah, gampang banget" sampai "saya sudah tiga hari debug CAPTCHA dan hampir menyerah." Banyak panduan soal ini mengasumsikan Anda developer Python, padahal menurut pengalaman saya, sebagian besar orang yang butuh data Google Shopping justru operator ecommerce, analis harga, dan marketer yang ingin angkanya tanpa harus menulis kode. Jadi panduan ini membahas tiga metode, diurutkan dari yang paling mudah sampai yang paling teknis, supaya Anda bisa pilih jalur yang paling pas dengan kemampuan dan waktu Anda.

Apa Itu Data Google Shopping?

Google Shopping adalah mesin pencari produk. Ketik "wireless noise-cancelling headphones" dan Google akan menampilkan daftar dari puluhan toko online — judul produk, harga, penjual, rating, gambar, tautan. Katalog hidup yang terus diperbarui tentang produk apa saja yang dijual di internet.

Mengapa Scrape Data Google Shopping?

Satu halaman produk cuma memberi sedikit informasi. Ratusan halaman yang dirapikan di spreadsheet — di situlah polanya mulai kelihatan.

Berikut beberapa use case yang paling sering saya temui:

sekarang memakai alat pricing berbasis AI. Perusahaan yang berinvestasi di intelijen harga kompetitif melaporkan ROI sampai 29x. Amazon memperbarui harga kira-kira setiap 10 menit. Kalau Anda masih cek harga kompetitor secara manual, jelas hitungannya tidak masuk.

Thunderbit adalah ekstensi Chrome AI Web Scraper yang membantu pengguna bisnis mengambil data dari website dengan bantuan AI. Alat ini sangat berguna untuk operator ecommerce, analis harga, dan marketer yang ingin mendapatkan data Google Shopping dalam format terstruktur tanpa menulis kode.

Data Apa Saja yang Bisa Di-scrape dari Google Shopping?

Sebelum memilih alat atau menulis satu baris kode pun, ada baiknya Anda tahu field apa saja yang tersedia — dan mana yang butuh usaha ekstra untuk diambil.

Field dari Hasil Pencarian Google Shopping

Saat Anda menjalankan pencarian di Google Shopping, setiap kartu produk di halaman hasil biasanya berisi:

Field dari Halaman Detail Produk (Data Subpage)

Kalau Anda membuka halaman detail produk di Google Shopping, Anda bisa mendapatkan data yang lebih kaya:

Untuk mengakses field-field ini, Anda perlu membuka subpage tiap produk setelah hasil pencarian di-scrape. Alat yang punya kemampuan bisa menangani ini secara otomatis — alur kerjanya akan saya jelaskan di bawah.

Tiga Cara Scrape Data Google Shopping (Pilih Jalur Anda)

Tiga metode, diurutkan dari yang paling mudah sampai yang paling teknis. Pilih baris yang paling cocok dengan kebutuhan Anda lalu langsung lompat ke bagian itu:

Metode 1: Scrape Data Google Shopping Tanpa Kode (Pakai Thunderbit)

• Tingkat Kesulitan: Pemula
• Waktu Dibutuhkan: ~2–5 menit
• Yang Dibutuhkan: Browser Chrome, (tier gratis bisa dipakai), query pencarian Google Shopping

Jalur tercepat dari "saya butuh data Google Shopping" ke "ini spreadsheet-nya." Tanpa kode, tanpa API key, tanpa konfigurasi proxy. Saya sudah berkali-kali membimbing rekan tim non-teknis lewat alur ini — dan sejauh ini tidak ada yang mentok.

Langkah 1: Instal Thunderbit dan Buka Google Shopping

Instal dari Chrome Web Store dan daftar akun gratis.

Lalu buka Google Shopping. Anda bisa langsung ke shopping.google.com atau pakai tab Shopping di pencarian Google biasa. Cari produk atau kategori yang Anda mau — misalnya, "wireless noise-cancelling headphones."

Anda akan melihat grid daftar produk beserta harga, penjual, dan rating.

Langkah 2: Klik "AI Suggest Fields" untuk Deteksi Kolom Otomatis

Klik ikon ekstensi Thunderbit untuk membuka sidebar, lalu tekan "AI Suggest Fields." AI akan memindai halaman Google Shopping dan mengusulkan kolom: Product Title, Price, Seller, Rating, Review Count, Image URL, Product Link.

Tinjau field yang disarankan. Anda bisa mengganti nama kolom, menghapus yang tidak perlu, atau menambahkan field kustom. Kalau ingin lebih spesifik — misalnya, "ambil hanya angka harga tanpa simbol mata uang" — Anda bisa menambahkan Field AI Prompt pada kolom tersebut.

Anda akan melihat pratinjau struktur kolom di panel Thunderbit.

Langkah 3: Klik "Scrape" dan Tinjau Hasilnya

Tekan tombol biru "Scrape". Thunderbit akan menarik semua listing produk yang terlihat ke dalam tabel terstruktur.

Ada beberapa halaman? Thunderbit menangani pagination secara otomatis — baik lewat klik antar halaman maupun scroll untuk memuat hasil tambahan, tergantung tata letak halaman. Kalau hasilnya banyak, Anda bisa pilih antara Cloud Scraping (lebih cepat, menangani hingga 50 halaman sekaligus, berjalan di infrastruktur terdistribusi Thunderbit) atau Browser Scraping (memakai sesi Chrome Anda sendiri — berguna kalau Google menampilkan hasil khusus per wilayah atau butuh login).

Dari pengujian saya, scrape 50 listing produk butuh sekitar 30 detik. Kalau dikerjakan manual — buka satu per satu, salin judul, harga, penjual, rating — bisa habis 20+ menit.

Langkah 4: Perkaya Data dengan Subpage Scraping

Setelah scrape awal selesai, klik "Scrape Subpages" di panel Thunderbit. AI akan membuka halaman detail tiap produk dan menambahkan field tambahan — deskripsi lengkap, semua harga penjual, spesifikasi, dan ulasan — ke tabel awal.

Tidak perlu konfigurasi tambahan — AI akan mengenali struktur halaman detail dan mengambil data yang relevan. Dengan cara ini, saya pernah membuat matriks harga kompetitif lengkap (produk + semua harga penjual + spesifikasi) untuk 40 produk dalam waktu kurang dari 5 menit.

Langkah 5: Ekspor ke Google Sheets, Excel, Airtable, atau Notion

Klik "Export" dan pilih tujuan Anda — , Excel, Airtable, atau Notion. Semuanya gratis. Unduhan CSV dan JSON juga tersedia.

Dua klik untuk scrape, satu klik untuk export. Skrip Python yang setara? Kurang lebih 60 baris kode, konfigurasi proxy, penanganan CAPTCHA, dan maintenance berkelanjutan.

Metode 2: Scrape Data Google Shopping dengan Python + SERP API

• Tingkat Kesulitan: Menengah
• Waktu Dibutuhkan: ~30 menit
• Yang Dibutuhkan: Python 3.10+, library requests dan pandas, API key SERP (ScraperAPI, SerpApi, atau sejenisnya)

Kalau Anda butuh akses data Google Shopping yang programatik dan bisa diulang, SERP API adalah pendekatan berbasis Python yang paling andal. Semua urusan anti-bot, rendering JavaScript, dan rotasi proxy ditangani di belakang layar. Anda kirim HTTP request, lalu menerima JSON terstruktur.

Langkah 1: Siapkan Environment Python

Instal Python 3.12 (default produksi paling aman untuk 2025–2026) dan package yang diperlukan:

1pip install requests pandas

Daftar ke penyedia SERP API. menawarkan 100 pencarian gratis/bulan; memberi 5.000 kredit gratis. Ambil API key dari dashboard.

Langkah 2: Konfigurasi Request API Anda

Berikut contoh minimal memakai endpoint Google Shopping milik 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 akan mengembalikan JSON terstruktur dengan field seperti title, price, link, thumbnail, source (penjual), dan rating.

Langkah 3: Parse Respons JSON dan Ambil Field yang Dibutuhkan

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)

Langkah 4: Ekspor ke CSV atau JSON

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

Cocok untuk proses batch: loop 50 keyword dan bangun dataset lengkap dalam satu kali run script. Trade-off-nya adalah biaya — SERP API mengenakan tarif per query, dan kalau volumenya ribuan query per hari, biayanya cepat naik. Saya bahas soal harga lebih lanjut di bawah.

Metode 3: Scrape Data Google Shopping dengan Python + Playwright (Otomasi Browser)

• Tingkat Kesulitan: Lanjutan
• Waktu Dibutuhkan: ~1 jam+ (ditambah maintenance berkelanjutan)
• Yang Dibutuhkan: Python 3.10+, Playwright, residential proxy, kesabaran

Ini pendekatan "kontrol penuh." Anda membuka browser sungguhan, masuk ke Google Shopping, lalu mengekstrak data dari halaman yang sudah dirender. Paling fleksibel, tapi juga paling rapuh — sistem anti-bot Google agresif, dan struktur halaman berubah beberapa kali setahun.

Peringatan jujur: saya pernah berbicara dengan pengguna yang menghabiskan berminggu-minggu melawan CAPTCHA dan blok IP dengan pendekatan ini. Bisa jalan, tapi siap-siap untuk maintenance terus-menerus.

Langkah 1: Siapkan Playwright dan Proxy

1pip install playwright
2playwright install chromium

Anda akan membutuhkan residential proxy. IP datacenter biasanya langsung diblokir — seorang pengguna forum pernah bilang blak-blakan: "Semua IP AWS akan diblokir atau kena CAPTCHA setelah 1/2 hasil." Layanan seperti Bright Data, Oxylabs, atau Decodo menawarkan pool residential proxy mulai sekitar $1–5/GB.

Konfigurasikan Playwright dengan user-agent yang realistis dan proxy Anda:

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()

Langkah 2: Buka Google Shopping dan Tangani Anti-Bot

Buat URL Google Shopping lalu buka:

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")

Tangani popup persetujuan cookie EU jika muncul:

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

Tambahkan jeda yang terasa seperti perilaku manusia antar aksi — tunggu acak 2–5 detik di antara load halaman. Sistem deteksi Google bisa menandai pola request yang terlalu cepat dan seragam.

Langkah 3: Scroll, Paginate, dan Ambil Data Produk

Google Shopping memuat hasil secara dinamis. Scroll untuk memicu lazy loading, lalu ambil kartu produk:

1import time, random
2# Scroll untuk memuat semua hasil
3for _ in range(3):
4    page.evaluate("window.scrollBy(0, 1000)")
5    time.sleep(random.uniform(1.5, 3.0))
6# Ambil kartu produk
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    # ... ambil field lainnya
13    results.append({
14        "title": title.inner_text() if title else None,
15        "price": price.inner_text() if price else None,
16    })

Catatan penting: selector CSS di atas hanya perkiraan dan akan berubah. Google sering mengganti nama class. Tiga set selector berbeda sudah terdokumentasi hanya dalam periode 2024–2026. Andalkan atribut yang lebih stabil seperti jsname, data-cid, tag <h3>, dan img[alt] daripada class name.

Langkah 4: Simpan ke CSV atau 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)

Siapkan diri untuk merawat skrip ini secara rutin. Saat Google mengubah struktur halaman — yang terjadi beberapa kali per tahun — selector Anda rusak dan Anda balik lagi ke mode debugging.

Tantangan Terbesar: CAPTCHA dan Blok Anti-Bot

Forum demi forum, ceritanya sama: "Saya habiskan beberapa minggu tapi menyerah melawan metode anti-bot Google." CAPTCHA dan blok IP adalah alasan nomor satu kenapa orang meninggalkan scraper Google Shopping buatan sendiri.

Cara Google Memblokir Scraper (dan Apa yang Bisa Dilakukan)

Pada Januari 2025, Google mewajibkan eksekusi JavaScript untuk hasil SERP dan Shopping, — termasuk pipeline yang dipakai SemRush dan SimilarWeb. Lalu pada September 2025, Google menghentikan URL halaman detail produk lama dan mengarahkannya ke surface baru "Immersive Product" yang dimuat lewat async AJAX. Tutorial apa pun yang ditulis sebelum akhir 2025 sekarang sebagian besar sudah usang.

Cara Setiap Metode Menangani Tantangan Ini

SERP API menangani semuanya di belakang layar — proxy, rendering, CAPTCHA solving. Anda tidak perlu pusing memikirkannya.

Thunderbit Cloud Scraping memakai infrastruktur cloud terdistribusi di AS, Eropa, dan Asia untuk menangani rendering JS dan anti-bot secara otomatis. Mode Browser Scraping memakai sesi Chrome Anda sendiri yang sudah terautentikasi, sehingga menghindari deteksi karena terlihat seperti browsing normal.

DIY Playwright membebankan semuanya kepada Anda — manajemen proxy, penyesuaian delay, pemecahan CAPTCHA, maintenance selector, dan pemantauan terus-menerus kalau ada yang rusak.

Biaya Sebenarnya untuk Scrape Data Google Shopping: Perbandingan Jujur

"$50 untuk sekitar 20 ribu request… lumayan mahal buat proyek hobi saya." Keluhan seperti itu sering muncul di forum. Tapi biasanya ada satu biaya besar yang justru sering diabaikan.

Tabel Perbandingan Biaya

Biaya Tersembunyi yang Sering Diabaikan: Waktu Anda

Solusi DIY senilai $0 yang menghabiskan 40 jam debugging bukan gratis. Dengan tarif $50/jam, itu setara $2.000 biaya tenaga kerja — untuk scraper yang mungkin rusak lagi bulan depan saat Google mengubah DOM-nya.

McKinsey's Technology Outlook menemukan bahwa titik impas build/buy baru tercapai setelah . Di bawah ambang itu, membangun sendiri "menghabiskan anggaran tanpa memberi ROI." Untuk sebagian besar tim ecommerce yang hanya melakukan beberapa ratus sampai beberapa ribu lookup per minggu, alat tanpa kode atau SERP API jauh lebih hemat biaya dibandingkan membangun sendiri.

Cara Menyiapkan Pemantauan Harga Google Shopping Secara Otomatis

Sebagian besar panduan memperlakukan scraping sebagai tugas sekali jalan. Padahal use case nyata untuk tim ecommerce adalah pemantauan berkelanjutan dan otomatis. Anda bukan cuma butuh harga hari ini — Anda juga butuh harga kemarin, minggu lalu, dan besok.

Menyiapkan Scheduled Scraping dengan Thunderbit

Scheduled Scraper milik Thunderbit memungkinkan Anda menjelaskan interval waktu dengan bahasa sederhana — "setiap hari jam 9 pagi" atau "setiap Senin dan Kamis jam 12 siang" — lalu AI mengubahnya jadi jadwal berulang. Masukkan URL Google Shopping Anda, klik "Schedule," lalu selesai.

Setiap run otomatis diekspor ke Google Sheets, Airtable, atau Notion. Hasil akhirnya: spreadsheet yang terisi otomatis setiap hari dengan harga kompetitor, siap dipakai untuk pivot table atau alert.

Tanpa cron job. Tanpa urusan manajemen server. Tanpa pusing function Lambda. (Saya pernah melihat posting forum dari developer yang butuh berhari-hari hanya untuk menjalankan Selenium di AWS Lambda — scheduler Thunderbit melewati semua itu.)

Untuk pembahasan lebih lanjut tentang membangun , kami punya artikel khusus yang lebih mendalam.

Menjadwalkan dengan Python (untuk Developer)

Kalau Anda memakai pendekatan SERP API, Anda bisa menjadwalkan run dengan cron job (Linux/Mac), Windows Task Scheduler, atau cloud scheduler seperti AWS Lambda atau Google Cloud Functions. Library Python seperti APScheduler juga bisa dipakai.

Trade-off-nya: sekarang Anda bertanggung jawab atas kesehatan skrip, menangani kegagalan, rotasi proxy sesuai jadwal, dan memperbarui selector saat Google mengubah halaman. Untuk sebagian besar tim, waktu engineering yang habis untuk merawat scraper Python terjadwal lebih besar daripada biaya memakai alat khusus.

Tips dan Best Practice untuk Scrape Data Google Shopping

Apa pun metodenya, ada beberapa hal yang akan menyelamatkan Anda dari banyak headache.

Hormati Batas Request

Jangan bombardir Google dengan ratusan request cepat — Anda akan diblokir, dan IP Anda bisa tetap ditandai untuk sementara. Metode DIY: beri jeda 10–20 detik antar request dengan jitter acak. Alat dan API biasanya sudah menanganinya.

Sesuaikan Metode dengan Volume Anda

Panduan keputusan cepat:

• < 10 query/minggu → Thunderbit tier gratis atau SerpApi tier gratis
• 10–1.000 query/minggu → SERP API paket berbayar atau
• 1.000+ query/minggu → SERP API enterprise atau Thunderbit Open API

Bersihkan dan Validasi Data Anda

Harga sering datang dengan simbol mata uang, format lokal (1.299,00 € vs $1,299.00), dan kadang karakter sampah. Pakai Field AI Prompts Thunderbit untuk menormalisasi saat ekstraksi, atau bersihkan setelahnya dengan pandas:

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

Periksa duplikasi antara listing organik dan sponsored — sering kali tumpang tindih. Deduplicate berdasarkan tuple (title, price, seller).

Pahami Lanskap Legal

Scraping data produk yang tersedia publik umumnya dianggap legal, tetapi lanskap hukumnya terus berubah cepat. Perkembangan terbaru yang paling penting: berdasarkan DMCA § 1201 karena dianggap mengakali sistem anti-scraping "SearchGuard" milik Google. Ini adalah jalur penegakan baru yang mengesampingkan pembelaan yang dibangun pada kasus-kasus sebelumnya seperti hiQ v. LinkedIn dan Van Buren v. United States.

Panduan praktis:

• Scrape hanya data yang tersedia publik — jangan login untuk mengakses konten terbatas
• Jangan ekstrak informasi pribadi (nama reviewer, detail akun)
• Sadari bahwa Terms of Service Google melarang akses otomatis — memakai SERP API atau ekstensi browser mengurangi, tapi tidak menghilangkan, area abu-abu hukum
• Untuk operasi di Uni Eropa, tetap perhatikan GDPR, walaupun listing produk umumnya adalah data komersial non-pribadi
• Pertimbangkan konsultasi dengan penasihat hukum jika Anda membangun produk komersial berbasis data hasil scraping

Untuk pembahasan lebih dalam tentang , kami sudah membahas topik ini secara terpisah.

Metode Mana yang Sebaiknya Anda Pakai untuk Scrape Data Google Shopping?

Setelah mencoba ketiga pendekatan ini pada kategori produk yang sama, inilah kesimpulan saya:

Kalau Anda pengguna non-teknis yang butuh data cepat — pakai Thunderbit. Buka Google Shopping, klik dua kali, lalu export. Anda akan punya spreadsheet rapi dalam waktu di bawah 5 menit. memungkinkan Anda mencobanya tanpa komitmen, dan fitur subpage scraping memberi data yang lebih kaya daripada kebanyakan skrip Python.

Kalau Anda developer yang butuh akses programatik yang bisa diulang — pakai SERP API. Keandalannya sepadan dengan biaya per query, dan Anda terhindar dari semua masalah anti-bot. SerpApi punya dokumentasi terbaik; ScraperAPI punya tier gratis paling generous.

Kalau Anda butuh kontrol maksimal dan sedang membangun pipeline kustom — Playwright bisa dipakai, tapi masuklah dengan sadar. Siapkan waktu besar untuk manajemen proxy, maintenance selector, dan penanganan CAPTCHA. Di 2025–2026, stack bypass minimal yang masih masuk akal adalah curl_cffi dengan impersonasi Chrome + residential proxy + pacing 10–20 detik. Skrip requests polos dengan user-agent yang dirotasi sudah tidak cukup.

Metode terbaik adalah yang memberi Anda data akurat tanpa menghabiskan minggu Anda. Bagi kebanyakan orang, itu bukan skrip Python 60 baris — melainkan dua klik.

Lihat kalau Anda butuh volume, atau tonton tutorial kami di untuk melihat alurnya secara langsung.

FAQ

Apakah legal untuk scrape data Google Shopping?

Scraping data produk yang tersedia publik umumnya legal berdasarkan preseden seperti hiQ v. LinkedIn dan Van Buren v. United States. Namun, Terms of Service Google melarang akses otomatis, dan gugatan Google terhadap SerpApi pada Desember 2025 memperkenalkan teori anti-circumvention baru berdasarkan DMCA § 1201. Menggunakan alat dan API yang bereputasi baik dapat mengurangi risiko. Untuk use case komersial, konsultasikan dengan penasihat hukum.

Bisakah saya scrape Google Shopping tanpa diblokir?

Bisa, tetapi metodenya sangat menentukan. SERP API menangani langkah anti-bot secara otomatis. Cloud Scraping Thunderbit memakai infrastruktur terdistribusi untuk menghindari blokir, sementara mode Browser Scraping memakai sesi Chrome Anda sendiri (yang terlihat seperti browsing normal). Skrip Python DIY memerlukan residential proxy, jeda seperti manusia, dan manajemen TLS fingerprint — dan meskipun begitu, blokir tetap sering terjadi.

Apa cara termudah untuk scrape data Google Shopping?

Ekstensi Chrome milik Thunderbit. Buka Google Shopping, klik "AI Suggest Fields," klik "Scrape," lalu export ke Google Sheets atau Excel. Tanpa coding, tanpa API key, tanpa konfigurasi proxy. Seluruh prosesnya sekitar 2 menit.

Seberapa sering saya bisa scrape Google Shopping untuk monitoring harga?

Dengan Scheduled Scraper Thunderbit, Anda bisa membuat monitoring harian, mingguan, atau interval kustom dengan deskripsi bahasa sederhana. Dengan SERP API, frekuensinya tergantung batas kredit paket Anda — kebanyakan penyedia cukup untuk monitoring harian beberapa ratus SKU. Skrip DIY bisa dijalankan sesering infrastruktur Anda sanggup, tetapi frekuensi yang lebih tinggi berarti lebih banyak masalah anti-bot.

Bisakah saya mengekspor data Google Shopping ke Google Sheets atau Excel?

Ya. Thunderbit mengekspor langsung ke Google Sheets, Excel, Airtable, dan Notion secara gratis. Skrip Python bisa mengekspor ke CSV atau JSON, lalu Anda impor ke spreadsheet tool apa pun. Untuk monitoring berkelanjutan, ekspor terjadwal Thunderbit ke Google Sheets akan menghasilkan dataset hidup yang terus diperbarui.