Slik henter du Google Shopping-data — med eller uten kode

Google Shopping behandler over . Det er enorme mengder prisdata, produktrender og selgerinformasjon — alt samlet rett i nettleseren din, hentet fra tusenvis av nettbutikker.

Å få disse dataene ut av Google Shopping og over i et regneark? Der begynner det å bli litt kronglete. Jeg har brukt ganske mye tid på å teste ulike tilnærminger — fra no-code nettleserutvidelser til fullverdige Python-skript — og opplevelsen spenner fra «wow, dette var enkelt» til «jeg har brukt tre dager på å feilsøke CAPTCHA-er og vil bare gi opp». De fleste guider om dette temaet tar utgangspunkt i at du er Python-utvikler, men etter min erfaring er mange av dem som faktisk trenger Google Shopping-data e-handelsansvarlige, prisanalytikere og markedsførere som bare vil ha tallene uten å skrive kode. Derfor går denne guiden gjennom tre metoder, sortert fra enklest til mest teknisk, slik at du kan velge løsningen som passer kompetansen din og tiden du har.

Hva er Google Shopping-data?

Google Shopping er en produktsøkemotor. Skriv inn «trådløse hodetelefoner med støydemping», og Google henter fram resultater fra dusinvis av nettbutikker — produkttitler, priser, selgere, rangeringer, bilder og lenker. Det er et levende katalogsystem som oppdateres hele tiden og viser hva som er til salgs på nettet.

Hvorfor hente data fra Google Shopping?

Én produktside forteller deg nesten ingenting. Hundrevis av dem, strukturert i et regneark — der begynner mønstrene å dukke opp.

Her er de vanligste bruksområdene jeg har sett:

bruker nå prisverktøy med innebygd AI. Selskaper som investerer i konkurranseinnsikt på pris, har rapportert avkastning på opptil 29x. Amazon oppdaterer prisene omtrent hvert 10. minutt. Hvis du fortsatt sjekker konkurrentpriser manuelt, taler tallene ikke til din fordel.

Thunderbit er en AI Web Scraper Chrome-utvidelse som hjelper bedriftsbrukere med å hente data fra nettsteder ved hjelp av AI. Den er særlig nyttig for e-handelsansvarlige, prisanalytikere og markedsførere som vil ha strukturerte Google Shopping-data uten å skrive kode.

Hvilke data kan du faktisk hente fra Google Shopping?

Før du velger verktøy eller skriver en eneste kodelinje, er det nyttig å vite nøyaktig hvilke felt som er tilgjengelige — og hvilke som krever litt ekstra arbeid.

Felt fra søkeresultatene i Google Shopping

Når du søker i Google Shopping, inneholder hvert produktkort i resultatlisten:

Felt fra produktsider (underdatasider)

Hvis du klikker deg inn på en enkelt produktside i Google Shopping, kan du hente mer detaljert informasjon:

For å få tak i disse feltene må du besøke hver produktside etter at søkeresultatene er hentet inn. Verktøy med håndterer dette automatisk — jeg går gjennom arbeidsflyten lenger ned.

Tre måter å hente Google Shopping-data på (velg din vei)

Tre metoder, sortert fra enklest til mest teknisk. Velg raden som passer situasjonen din og hopp videre:

Metode 1: Hent Google Shopping-data uten kode (med Thunderbit)

• Vanskelighetsgrad: Nybegynner
• Tidsbruk: ~2–5 minutter
• Du trenger: Chrome-nettleser, (gratisnivå fungerer), et Google Shopping-søk

Den raskeste veien fra «jeg trenger Google Shopping-data» til «her er regnearket mitt». Ingen kode, ingen API-nøkler, ingen proxy-oppsett. Jeg har tatt ikke-tekniske kolleger gjennom denne arbeidsflyten dusinvis av ganger — null som satt fast.

Steg 1: Installer Thunderbit og åpne Google Shopping

Installer fra Chrome Web Store og opprett en gratis konto.

Gå deretter til Google Shopping. Du kan enten gå direkte til shopping.google.com eller bruke Shopping-fanen i et vanlig Google-søk. Søk etter produktet eller kategorien du er interessert i — for eksempel «trådløse hodetelefoner med støydemping».

Du skal nå se et rutenett med produkter, priser, selgere og vurderinger.

Steg 2: Klikk «AI Suggest Fields» for å oppdage kolonner automatisk

Klikk på Thunderbit-utvidelsesikonet for å åpne sidepanelet, og trykk deretter «AI Suggest Fields.» AI-en skanner Google Shopping-siden og foreslår kolonner: Produkttittel, Pris, Selger, Vurdering, Antall anmeldelser, Bilde-URL, Produktlenke.

Gå gjennom de foreslåtte feltene. Du kan gi kolonner nye navn, fjerne dem du ikke trenger, eller legge til egendefinerte felt. Hvis du vil være mer presis — for eksempel «hent bare den numeriske prisen uten valutasymbolet» — kan du legge til en Field AI Prompt på den kolonnen.

Du skal se en forhåndsvisning av kolonneoppsettet i Thunderbit-panelet.

Steg 3: Klikk «Scrape» og se gjennom resultatene

Trykk på den blå «Scrape»-knappen. Thunderbit henter alle synlige produktoppføringer inn i en strukturert tabell.

Flere sider? Thunderbit håndterer paginering automatisk — enten ved å klikke videre mellom sider eller ved å rulle for å laste inn flere resultater, avhengig av oppsettet. Hvis du har mange resultater, kan du velge mellom Cloud Scraping (raskere, håndterer opptil 50 sider om gangen, kjører på Thunderbits distribuerte infrastruktur) eller Browser Scraping (bruker din egen Chrome-økt — nyttig hvis Google viser regionbaserte resultater eller krever innlogging).

I testen min tok det rundt 30 sekunder å hente 50 produktoppføringer. Den samme jobben manuelt — åpne hver oppføring, kopiere tittel, pris, selger og vurdering — ville ha tatt meg over 20 minutter.

Steg 4: Berik dataene med underdatasider-scraping

Etter første innhenting klikker du «Scrape Subpages» i Thunderbit-panelet. AI-en besøker hver produktside og legger til flere felt — full beskrivelse, alle selgerpriser, spesifikasjoner og anmeldelser — i den opprinnelige tabellen.

Ingen ekstra oppsett nødvendig — AI-en skjønner strukturen på hver produktside og henter ut relevant data. Jeg bygde en komplett matrise for konkurrentpriser (produkt + alle selgerpriser + spesifikasjoner) for 40 produkter på under 5 minutter på denne måten.

Steg 5: Eksporter til Google Sheets, Excel, Airtable eller Notion

Klikk «Export» og velg hvor du vil sende dataene — , Excel, Airtable eller Notion. Alt gratis. CSV- og JSON-nedlasting er også tilgjengelig.

To klikk for å hente data, ett klikk for å eksportere. Tilsvarende Python-skript? Omtrent 60 linjer kode, proxy-oppsett, CAPTCHA-håndtering og løpende vedlikehold.

Metode 2: Hent Google Shopping-data med Python + en SERP API

• Vanskelighetsgrad: Mellomnivå
• Tidsbruk: ~30 minutter
• Du trenger: Python 3.10+, requests- og pandas-biblioteker, en SERP API-nøkkel (ScraperAPI, SerpApi eller lignende)

Hvis du trenger programmatisk og repeterbar tilgang til Google Shopping-data, er en SERP API den mest pålitelige Python-baserte tilnærmingen. Anti-bot-tiltak, JavaScript-rendering og rotering av proxyer håndteres i bakgrunnen. Du sender en HTTP-forespørsel og får strukturert JSON tilbake.

Steg 1: Sett opp Python-miljøet ditt

Installer Python 3.12 (det tryggeste standardvalget for produksjon i 2025–2026) og nødvendige pakker:

1pip install requests pandas

Registrer deg hos en leverandør av SERP API. tilbyr 100 gratis søk per måned; gir 5 000 gratis kreditter. Hent API-nøkkelen din fra dashbordet.

Steg 2: Konfigurer API-forespørselen din

Her er et minimalt eksempel med ScraperAPIs Google Shopping-endepunkt:

1import requests
2import pandas as pd
3API_KEY = "DIN_API_NØKKEL"
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-et returnerer strukturert JSON med felt som title, price, link, thumbnail, source (selger) og rating.

Steg 3: Parse JSON-svaret og trekk ut feltene

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)

Steg 4: Eksporter til CSV eller JSON

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

Vennlig for batchkjøring: loop gjennom 50 søkeord og bygg et fullstendig datasett i én kjøring. Ulempen er kostnaden — SERP API-er tar betalt per søk, og når du kommer opp i tusenvis av forespørsler per dag, vokser regningen. Mer om pris lenger ned.

Metode 3: Hent Google Shopping-data med Python + Playwright (nettleserautomatisering)

• Vanskelighetsgrad: Avansert
• Tidsbruk: ~1 time+ (pluss løpende vedlikehold)
• Du trenger: Python 3.10+, Playwright, residential proxies, tålmodighet

Tilnærmingen med «full kontroll». Du starter en ekte nettleser, går til Google Shopping og henter data fra den rendrerte siden. Den er mest fleksibel, men også mest sårbar — Googles anti-bot-systemer er aggressive, og sidens struktur endrer seg flere ganger i året.

En advarsel: Jeg har snakket med brukere som brukte uker på å kjempe mot CAPTCHA-er og IP-blokkeringer med denne metoden. Den fungerer, men du må regne med vedlikehold underveis.

Steg 1: Sett opp Playwright og proxyer

1pip install playwright
2playwright install chromium

Du trenger residential proxies. Datacenter-IP-er blir blokkert nesten umiddelbart — én forumbruker formulerte det ganske rett fram: «Alle AWS-IP-er blir blokkert eller møter CAPTCHA etter 1/2 resultater.» Tjenester som Bright Data, Oxylabs eller Decodo tilbyr residential proxy-pooler fra rundt 1–5 USD/GB.

Konfigurer Playwright med en realistisk user-agent og proxyen din:

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()

Steg 2: Gå til Google Shopping og håndter anti-bot-tiltak

Bygg Google Shopping-URL-en og åpne den:

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")

Håndter cookie-vinduet for EU hvis det dukker opp:

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

Legg inn menneskelignende pauser mellom handlingene — 2–5 sekunder tilfeldig ventetid mellom sideinnlastinger. Googles deteksjonssystemer flagger raske, jevne forespørselsmønstre.

Steg 3: Scroll, paginer og hent produktdata

Google Shopping laster inn resultater dynamisk. Scroll for å trigge lazy loading, og trekk deretter ut produktkortene:

1import time, random
2# Scroll for å laste inn alle resultater
3for _ in range(3):
4    page.evaluate("window.scrollBy(0, 1000)")
5    time.sleep(random.uniform(1.5, 3.0))
6# Hent produktkort
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    # ... hent andre felt
13    results.append({
14        "title": title.inner_text() if title else None,
15        "price": price.inner_text() if price else None,
16    })

Et viktig poeng: CSS-selektorene over er omtrentlige og vil endre seg. Google roterer klassenavn ofte. Tre ulike sett med selektorer har vært dokumentert bare i perioden 2024–2026. Legg heller vekt på mer stabile attributter som jsname, data-cid, <h3>-tagger og img[alt] enn på klassenavn.

Steg 4: Lagre til CSV eller 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)

Forvent at du må vedlikeholde dette skriptet jevnlig. Når Google endrer sidens struktur — noe som skjer flere ganger i året — ryker selektorene dine, og du er tilbake i feilsøking.

Den største hodepinen: CAPTCHA-er og anti-bot-blokkering

Forum etter forum, samme historie: «Jeg brukte noen uker, men ga til slutt opp mot Googles anti-bot-metoder.» CAPTCHA-er og IP-blokkeringer er den vanligste grunnen til at folk legger fra seg egne Google Shopping-scrapere.

Slik blokkerer Google scrapers (og hva du kan gjøre)

I januar 2025 gjorde Google JavaScript-kjøring obligatorisk for SERP- og Shopping-resultater, noe som — inkludert pipelines brukt av SemRush og SimilarWeb. Deretter, i september 2025, avviklet Google de gamle URL-ene for produktsider og sendte dem videre til en ny «Immersive Product»-visning som lastes via asynkron AJAX. Alle guider skrevet før slutten av 2025 er dermed stort sett utdaterte.

Slik håndterer hver metode disse utfordringene

SERP API-er håndterer alt i bakgrunnen — proxyer, rendering, CAPTCHA-løsning. Du trenger ikke tenke på det.

Thunderbit Cloud Scraping bruker distribuert skyinfrastruktur i USA, EU og Asia for å håndtere JS-rendering og anti-bot-tiltak automatisk. Browser Scraping-modusen bruker din egen autentiserte Chrome-økt, som omgår deteksjon fordi det ser ut som vanlig nettlesing.

DIY Playwright legger hele byrden på deg — proxyhåndtering, finjustering av forsinkelser, CAPTCHA-løsning, vedlikehold av selektorer og konstant overvåking for feil.

Den reelle kostnaden ved å hente Google Shopping-data: en ærlig sammenligning

«50 dollar for rundt 20k forespørsler… litt dyrt for hobbyprosjektet mitt.» Den klagen dukker opp hele tiden i forum. Men samtalen overser vanligvis den største kostnaden av alle.

Kostnadssammenligning

Den skjulte kostnaden alle overser: tiden din

En DIY-løsning til $0 som sluker 40 timer med feilsøking er ikke gratis. Med en timesats på $50 er det $2 000 i arbeidskostnad — for en scraper som kanskje bryter igjen neste måned når Google roterer DOM-en sin.

McKinseys Technology Outlook viser at . Under det nivået vil intern utvikling «spise budsjett uten å levere ROI». For de fleste e-handelsteam som gjør noen hundre til noen tusen oppslag i uken, er et no-code-verktøy eller en SERP API klart mer kostnadseffektivt enn å bygge selv.

Slik setter du opp automatisert prisovervåking i Google Shopping

De fleste guider behandler scraping som en engangsjobb. Den virkelige bruken for e-handelsteam er løpende, automatisert overvåking. Du trenger ikke bare dagens priser — du trenger gårsdagens, forrige ukes og morgendagens.

Slik setter du opp planlagt scraping med Thunderbit

Thunderbits Scheduled Scraper lar deg beskrive tidsintervallet i vanlig språk — «hver dag kl. 09:00» eller «hver mandag og torsdag kl. 12:00» — og AI-en gjør det om til en gjentakende plan. Legg inn Google Shopping-URL-ene dine, klikk «Schedule,» og du er ferdig.

Hver kjøring eksporteres automatisk til Google Sheets, Airtable eller Notion. Sluttilstanden: et regneark som fylles opp automatisk hver dag med konkurrentpriser, klart for pivottabeller eller varsler.

Ingen cron-jobber. Ingen serverdrift. Ingen Lambda-problemer. (Jeg har sett foruminnlegg fra utviklere som brukte dager på å få Selenium til å kjøre i AWS Lambda — Thunderbits planlegger hopper over alt det.)

For mer om å bygge , har vi en egen fordypning.

Planlegging med Python (for utviklere)

Hvis du bruker SERP API-tilnærmingen, kan du planlegge kjøringer med cron-jobber (Linux/Mac), Windows Task Scheduler eller skytjenester som AWS Lambda eller Google Cloud Functions. Python-biblioteker som APScheduler fungerer også.

Ulempen: Du blir selv ansvarlig for å overvåke at skriptet fungerer, håndtere feil, rotere proxyer etter plan og oppdatere selektorer når Google endrer siden. For de fleste team overstiger ingeniørtiden som går med til å vedlikeholde en planlagt Python-scraper kostnaden for et dedikert verktøy.

Tips og beste praksis for å hente Google Shopping-data

Uansett metode er det noen ting som vil spare deg for hodepine.

Respekter rate limits

Ikke bombardér Google med hundrevis av raske forespørsler — du blir blokkert, og IP-en din kan bli markert en stund. DIY-metoder: legg inn 10–20 sekunder mellom forespørsler med tilfeldig variasjon. Verktøy og API-er håndterer dette for deg.

Velg metode etter volum

En rask beslutningsguide:

• < 10 forespørsler/uke → Thunderbits gratisnivå eller SerpApis gratisnivå
• 10–1 000 forespørsler/uke → betalt SERP API-plan eller
• 1 000+ forespørsler/uke → SERP API med bedriftsplan eller Thunderbit Open API

Rydd og valider dataene dine

Priser kommer med valutasymboler, lokaliserte format (1.299,00 € vs $1,299.00) og av og til rare tegn. Bruk Thunderbits Field AI Prompts til å normalisere ved uttrekk, eller rydd opp med pandas i etterkant:

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

Se etter duplikater mellom organiske og sponsede treff — de overlapper ofte. Fjern duplikater basert på tuppel av (tittel, pris, selger).

Kjenn det juridiske landskapet

Å hente offentlig tilgjengelige produktdata er som regel lovlig, men det juridiske bildet endrer seg raskt. Den viktigste nyere utviklingen: under DMCA § 1201 for å omgå Googles anti-scraping-system «SearchGuard». Dette er en ny håndhevingslinje som går utenom forsvarene som ble etablert i tidligere saker som hiQ v. LinkedIn og Van Buren v. United States.

Praktiske råd:

• Hent bare offentlig tilgjengelige data — ikke logg inn for å få tilgang til begrenset innhold
• Ikke trekk ut personopplysninger (navn på anmeldere, kontodetaljer)
• Vær klar over at Googles vilkår for bruk forbyr automatisert tilgang — bruk av SERP API eller nettleserutvidelse reduserer (men fjerner ikke helt) juridiske gråsoner
• For virksomhet i EU, husk GDPR, selv om produktoppføringer i hovedsak er ikke-personlige kommersielle data
• Vurder juridisk rådgivning hvis du bygger et kommersielt produkt basert på hentede data

For en dypere gjennomgang av , har vi dekket temaet separat.

Hvilken metode bør du bruke for å hente Google Shopping-data?

Etter å ha kjørt alle tre tilnærmingene på de samme produktkategoriene, endte jeg her:

Hvis du er en ikke-teknisk bruker som trenger data raskt — bruk Thunderbit. Åpne Google Shopping, klikk to ganger, eksporter. Du får et rent regneark på under 5 minutter. lar deg teste uten forpliktelser, og underdataside-scraping gir deg rikere data enn de fleste Python-skript klarer å produsere.

Hvis du er utvikler og trenger repeterbar, programmatisk tilgang — bruk en SERP API. Påliteligheten er verdt kostnaden per søk, og du slipper alt styret med anti-bot. SerpApi har den beste dokumentasjonen; ScraperAPI har det mest generøse gratisnivået.

Hvis du trenger maksimal kontroll og bygger en egen pipeline — Playwright fungerer, men gå inn med åpne øyne. Sett av god tid til proxyhåndtering, vedlikehold av selektorer og CAPTCHA-håndtering. I 2025–2026 er minimumsoppsettet for å komme rundt blokkeringer curl_cffi med Chrome-etterligning + residential proxies + 10–20 sekunders mellomrom. Et vanlig requests-skript med roterende user-agents er dødt.

Den beste metoden er den som gir deg nøyaktige data uten å spise opp hele uken din. For de fleste er det ikke et Python-skript med 60 linjer — det er to klikk.

Sjekk ut hvis du trenger volum, eller se veiledningene våre på for å se arbeidsflyten i praksis.

Vanlige spørsmål

Er det lovlig å hente Google Shopping-data?

Å hente offentlig tilgjengelige produktdata er som regel lovlig, basert på presedens som hiQ v. LinkedIn og Van Buren v. United States. Men Googles vilkår for bruk forbyr automatisert tilgang, og Googles sak mot SerpApi i desember 2025 introduserte en ny DMCA § 1201-teori om omgåelse. Bruk av anerkjente verktøy og API-er reduserer risikoen. Ved kommersiell bruk bør du rådføre deg med jurist.

Kan jeg hente Google Shopping-data uten å bli blokkert?

Ja, men metoden betyr mye. SERP API-er håndterer anti-bot-tiltak automatisk. Thunderbits Cloud Scraping bruker distribuert infrastruktur for å unngå blokkeringer, mens Browser Scraping-modusen bruker din egen Chrome-økt (som ser ut som vanlig nettlesing). Egendefinerte Python-skript krever residential proxies, menneskelignende pauser og håndtering av TLS-fingerprinting — og selv da er blokkeringer vanlige.

Hva er den enkleste måten å hente Google Shopping-data på?

Thunderbits Chrome-utvidelse. Gå til Google Shopping, klikk «AI Suggest Fields», klikk «Scrape», og eksporter til Google Sheets eller Excel. Ingen koding, ingen API-nøkler, ingen proxy-oppsett. Hele prosessen tar omtrent 2 minutter.

Hvor ofte kan jeg hente Google Shopping for prisovervåking?

Med Thunderbits Scheduled Scraper kan du sette opp daglig, ukentlig eller tilpasset overvåking med beskrivelser i vanlig språk. Med SERP API-er avhenger frekvensen av kredittene i planen din — de fleste leverandører tilbyr nok til daglig overvåking av noen hundre SKU-er. DIY-skript kan kjøre så ofte infrastrukturen din tillater det, men høyere frekvens betyr mer anti-bot-støy.

Kan jeg eksportere Google Shopping-data til Google Sheets eller Excel?

Ja. Thunderbit eksporterer direkte til Google Sheets, Excel, Airtable og Notion gratis. Python-skript kan eksportere til CSV eller JSON, som du deretter kan importere i hvilket som helst regnearkverktøy. For løpende overvåking gir Thunderbits planlagte eksport til Google Sheets et levende datasett som oppdateres automatisk.