Cum să extragi date din Google Shopping — cu sau fără cod

Google Shopping procesează peste . Asta înseamnă o cantitate uriașă de date despre prețuri, tendințe de produse și informații despre vânzători — toate la tine în browser, agregate din mii de comercianți.

Să scoți datele astea din Google Shopping și să le pui într-un tabel? Aici începe partea mai complicată. Am testat tot felul de variante — de la extensii de browser fără cod până la scripturi Python complete — iar experiența poate merge de la „wow, chiar a fost simplu” până la „de trei zile repar CAPTCHA-uri și vreau să mă las”. Majoritatea ghidurilor de pe tema asta pornesc de la ideea că ești dezvoltator Python, dar din ce am văzut eu, mulți dintre cei care au nevoie de date din Google Shopping sunt operatori e-commerce, analiști de prețuri și specialiști în marketing care vor doar datele, fără să scrie cod. Așa că ghidul ăsta acoperă trei metode, de la cea mai simplă până la cea mai tehnică, ca să poți alege varianta potrivită pentru nivelul tău și timpul pe care îl ai.

Ce este, de fapt, Google Shopping Data?

Google Shopping este un motor de căutare pentru produse. Scrii „căști wireless cu anulare a zgomotului” și Google îți afișează oferte din zeci de magazine online — titluri de produse, prețuri, vânzători, evaluări, imagini, linkuri. Practic, e un catalog viu, actualizat continuu, al produselor disponibile pe internet.

De ce să extragi date din Google Shopping?

O singură pagină de produs spune foarte puțin. Dar când ai sute de produse, puse într-un tabel, apar tipare clare.

Iată cele mai frecvente utilizări pe care le-am întâlnit:

folosesc acum instrumente de pricing bazate pe AI. Companiile care investesc în intelligence competitiv pentru prețuri au raportat randamente de până la 29x. Amazon își actualizează prețurile cam la fiecare 10 minute. Dacă încă verifici prețurile concurenței manual, calculele nu sunt deloc în favoarea ta.

Thunderbit este o extensie Chrome AI Web Scraper care ajută utilizatorii business să extragă date de pe site-uri folosind AI. Este foarte utilă pentru operatori e-commerce, analiști de prețuri și specialiști în marketing care vor date structurate din Google Shopping, fără să scrie cod.

Ce date poți extrage, de fapt, din Google Shopping?

Înainte să alegi un instrument sau să scrii măcar o linie de cod, e bine să știi exact ce câmpuri sunt disponibile — și care dintre ele cer muncă în plus ca să le obții.

Câmpuri din rezultatele de căutare Google Shopping

Când faci o căutare în Google Shopping, fiecare card de produs din pagina de rezultate conține:

Câmpuri din paginile de detalii ale produselor (date din subpagină)

Dacă intri pe pagina de detalii a unui produs din Google Shopping, poți obține date mai bogate:

Ca să ajungi la câmpurile astea, trebuie să intri pe subpagina fiecărui produs după ce extragi rezultatele de căutare. Instrumentele care au funcție de fac asta automat — mai jos îți arăt cum arată fluxul.

Trei metode de a extrage date din Google Shopping (alege varianta potrivită)

Trei metode, ordonate de la cea mai simplă la cea mai tehnică. Alege rândul care ți se potrivește și sari direct la secțiunea relevantă:

Metoda 1: extrage date din Google Shopping fără cod (cu Thunderbit)

• Dificultate: Începător
• Timp necesar: ~2–5 minute
• Ce îți trebuie: browser Chrome, (merge și planul gratuit), o căutare în Google Shopping

Este cea mai rapidă cale de la „am nevoie de date din Google Shopping” la „uite tabelul meu”. Fără cod, fără chei API, fără configurare de proxy. Am trecut zeci de colegi non-tehnici prin fluxul ăsta — nimeni nu a rămas blocat.

Pasul 1: instalează Thunderbit și deschide Google Shopping

Instalează din Chrome Web Store și creează-ți un cont gratuit.

Apoi mergi în Google Shopping. Poți intra direct pe shopping.google.com sau poți folosi tabul Shopping dintr-o căutare Google obișnuită. Caută produsul sau categoria care te interesează — de exemplu, „wireless noise-cancelling headphones”.

Ar trebui să vezi o grilă cu produse, prețuri, vânzători și evaluări.

Pasul 2: apasă „AI Suggest Fields” ca să detectezi automat coloanele

Apasă pe iconița extensiei Thunderbit ca să deschizi bara laterală, apoi dă click pe „AI Suggest Fields.” AI-ul scanează pagina Google Shopping și propune coloane: Product Title, Price, Seller, Rating, Review Count, Image URL, Product Link.

Verifică câmpurile sugerate. Poți redenumi coloanele, poți scoate ce nu ai nevoie sau poți adăuga câmpuri personalizate. Dacă vrei ceva foarte specific — de exemplu, „extrage doar prețul numeric, fără simbolul monedei” — poți adăuga un Field AI Prompt pentru coloana aceea.

Ar trebui să vezi o previzualizare a structurii coloanelor în panoul Thunderbit.

Pasul 3: apasă „Scrape” și verifică rezultatele

Apasă butonul albastru „Scrape”. Thunderbit extrage toate listările de produse vizibile într-un tabel structurat.

Ai mai multe pagini? Thunderbit se ocupă automat de paginare — fie trece prin pagini, fie derulează ca să încarce mai multe rezultate, în funcție de layout. Dacă ai multe rezultate, poți alege între Cloud Scraping (mai rapid, poate procesa până la 50 de pagini odată, rulează pe infrastructura distribuită Thunderbit) sau Browser Scraping (folosește propria sesiune Chrome — util dacă Google afișează rezultate regionale sau cere autentificare).

Din testele mele, extragerea a 50 de listări de produse a durat cam 30 de secunde. Aceeași sarcină făcută manual — deschizând fiecare listare, copiind titlul, prețul, vânzătorul și evaluarea — mi-ar fi luat peste 20 de minute.

Pasul 4: îmbogățește datele cu subpage scraping

După prima extragere, apasă „Scrape Subpages” în panoul Thunderbit. AI-ul vizitează pagina de detalii a fiecărui produs și adaugă câmpuri suplimentare — descrieri complete, toate prețurile vânzătorilor, specificații și recenzii — în tabelul inițial.

Nu trebuie să configurezi nimic în plus — AI-ul înțelege structura fiecărei pagini și extrage datele relevante. Eu am construit așa o matrice completă de analiză a prețurilor concurenței (produs + toate prețurile vânzătorilor + specificații) pentru 40 de produse în mai puțin de 5 minute.

Pasul 5: exportă în Google Sheets, Excel, Airtable sau Notion

Apasă „Export” și alege destinația — , Excel, Airtable sau Notion. Totul gratuit. Sunt disponibile și descărcări CSV și JSON.

Două clickuri ca să extragi, un click ca să exporți. Echivalentul în Python? Cam 60 de linii de cod, configurare de proxy, gestionare CAPTCHA și mentenanță constantă.

Metoda 2: extrage date din Google Shopping cu Python + un SERP API

• Dificultate: Intermediar
• Timp necesar: ~30 minute
• Ce îți trebuie: Python 3.10+, bibliotecile requests și pandas, o cheie SERP API (ScraperAPI, SerpApi sau ceva similar)

Dacă ai nevoie de acces programatic, repetabil la datele din Google Shopping, un SERP API este cea mai sigură abordare în Python. Măsurile anti-bot, randarea JavaScript, rotația proxy-urilor — toate sunt rezolvate în fundal. Tu trimiți o cerere HTTP și primești JSON structurat înapoi.

Pasul 1: configurează mediul Python

Instalează Python 3.12 (cea mai sigură alegere pentru producție în 2025–2026) și pachetele necesare:

1pip install requests pandas

Creează un cont la un furnizor SERP API. oferă 100 de căutări gratuite pe lună; oferă 5.000 de credite gratuite. Ia cheia API din dashboard.

Pasul 2: configurează cererea API

Iată un exemplu minimal folosind endpoint-ul Google Shopping de la 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-ul returnează JSON structurat cu câmpuri precum title, price, link, thumbnail, source (vânzător) și rating.

Pasul 3: parsează răspunsul JSON și extrage câmpurile

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)

Pasul 4: exportă în CSV sau JSON

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

E potrivit pentru procesare în lot: poți itera prin 50 de cuvinte-cheie și construi un set complet de date într-o singură rulare. Compromisul este costul — SERP API-urile taxează per interogare, iar la mii de cereri pe zi, factura crește rapid. Mai multe despre prețuri mai jos.

Metoda 3: extrage date din Google Shopping cu Python + Playwright (automatizare browser)

• Dificultate: Avansat
• Timp necesar: ~1 oră+ (plus mentenanță continuă)
• Ce îți trebuie: Python 3.10+, Playwright, proxy-uri residential, răbdare

Abordarea asta îți dă control total. Pornești un browser real, intri în Google Shopping și extragi date din pagina randată. E cea mai flexibilă variantă, dar și cea mai fragilă — sistemele anti-bot ale Google sunt agresive, iar structura paginii se schimbă de mai multe ori pe an.

Atenție: am vorbit cu utilizatori care au petrecut săptămâni întregi luptându-se cu CAPTCHA-uri și blocări de IP folosind metoda asta. Funcționează, dar cere mentenanță continuă.

Pasul 1: configurează Playwright și proxy-urile

1pip install playwright
2playwright install chromium

Ai nevoie de proxy-uri residential. IP-urile din datacentere sunt blocate aproape imediat — un utilizator de pe forum a spus clar: „Toate IP-urile AWS vor fi blocate sau vor primi CAPTCHA după 1/2 rezultate.” Servicii precum Bright Data, Oxylabs sau Decodo oferă pool-uri de proxy-uri residential de la aproximativ 1–5 $/GB.

Configurează Playwright cu un user-agent realist și proxy-ul tău:

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()

Pasul 2: mergi în Google Shopping și gestionează măsurile anti-bot

Construiește URL-ul Google Shopping și deschide-l:

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")

Gestionează pop-up-ul de consimțământ pentru cookie-uri din UE dacă apare:

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

Adaugă întârzieri care să pară umane între acțiuni — 2–5 secunde cu un timp de așteptare aleatoriu între încărcările paginilor. Sistemele de detectare Google penalizează tiparele rapide și uniforme de cereri.

Pasul 3: derulează, treci prin pagini și extrage datele despre produse

Google Shopping încarcă rezultatele dinamic. Derulează pentru a declanșa încărcarea leneșă, apoi extrage cardurile de produs:

1import time, random
2# Scroll pentru a încărca toate rezultatele
3for _ in range(3):
4    page.evaluate("window.scrollBy(0, 1000)")
5    time.sleep(random.uniform(1.5, 3.0))
6# Extrage cardurile de produs
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    # ... extrage și alte câmpuri
13    results.append({
14        "title": title.inner_text() if title else None,
15        "price": price.inner_text() if price else None,
16    })

O notă importantă: selectorii CSS de mai sus sunt aproximativi și se vor schimba. Google rotește des numele claselor. Doar în 2024–2026 au fost documentate trei seturi diferite de selectori. Sprijină-te pe atribute mai stabile precum jsname, data-cid, tagurile <h3> și img[alt], nu pe numele claselor.

Pasul 4: salvează în CSV sau 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)

Trebuie să întreții scriptul regulat. Când Google schimbă structura paginii — ceea ce se întâmplă de mai multe ori pe an — selectorii se strică și revii la depanare.

Cea mai mare problemă: CAPTCHA-uri și blocaje anti-bot

Forum după forum, aceeași poveste: „Am pierdut câteva săptămâni, dar am renunțat în fața metodelor anti-bot ale Google.” CAPTCHA-urile și blocările de IP sunt motivul principal pentru care oamenii renunță la scraper-ele DIY pentru Google Shopping.

Cum blochează Google scraper-ele (și ce poți face)

În ianuarie 2025, Google a făcut execuția JavaScript obligatorie pentru rezultatele SERP și Shopping, — inclusiv fluxuri folosite de SemRush și SimilarWeb. Apoi, în septembrie 2025, Google a retras vechile URL-uri pentru paginile de detaliu ale produselor, redirecționându-le către o nouă interfață „Immersive Product”, încărcată prin AJAX asincron. Orice tutorial scris înainte de sfârșitul lui 2025 este, în mare parte, depășit.

Cum gestionează fiecare metodă aceste provocări

SERP API-urile rezolvă totul în fundal — proxy-uri, randare, rezolvare CAPTCHA. Tu nu trebuie să te gândești la ele.

Thunderbit Cloud Scraping folosește infrastructură cloud distribuită în SUA, UE și Asia ca să gestioneze automat randarea JS și măsurile anti-bot. Modul Browser Scraping folosește propria ta sesiune Chrome autentificată, ceea ce ocolește complet detecția, deoarece arată ca navigarea normală a unui utilizator.

DIY Playwright pune toată povara pe tine — administrarea proxy-urilor, ajustarea întârzierilor, rezolvarea CAPTCHA-urilor, mentenanța selectorilor și monitorizarea constantă a eventualelor erori.

Costul real al extragerii datelor din Google Shopping: o comparație sinceră

„50 $ pentru aproximativ 20.000 de cereri… cam mult pentru proiectul meu de hobby.” Plângerea asta apare constant pe forumuri. Dar, de obicei, conversația ignoră cel mai mare cost dintre toate.

Tabel de comparație a costurilor

Costul ascuns pe care îl ignoră toată lumea: timpul tău

O soluție DIY de 0 $ care îți mănâncă 40 de ore de depanare nu este gratuită. La 50 $/oră, înseamnă 2.000 $ în muncă — pentru un scraper care s-ar putea să se strice din nou luna viitoare, când Google își schimbă DOM-ul.

McKinsey Technology Outlook arată că pragul de rentabilitate build/buy apare abia peste . Sub acest nivel, construirea internă „mănâncă buget fără să aducă ROI”. Pentru cele mai multe echipe e-commerce care fac câteva sute până la câteva mii de interogări pe săptămână, un instrument fără cod sau un SERP API este mult mai eficient ca preț decât o soluție construită de la zero.

Cum să setezi monitorizarea automată a prețurilor din Google Shopping

Majoritatea ghidurilor tratează scraping-ul ca pe o sarcină unică. În realitate, pentru echipele e-commerce, cazul de utilizare important este monitorizarea continuă, automatizată. Nu ai nevoie doar de prețurile de azi — ai nevoie de cele de ieri, de săptămâna trecută și de mâine.

Setarea scraping-ului programat cu Thunderbit

Thunderbit Scheduled Scraper îți permite să descrii intervalul în limbaj natural — „în fiecare zi la ora 9” sau „în fiecare luni și joi la prânz” — iar AI-ul îl transformă într-un program recurent. Introdu URL-urile din Google Shopping, apasă „Schedule” și gata.

Fiecare rulare exportă automat în Google Sheets, Airtable sau Notion. Rezultatul final: un spreadsheet care se completează singur zilnic cu prețurile competitorilor, pregătit pentru pivot tables sau alerte.

Fără cron jobs. Fără administrare de server. Fără bătăi de cap cu Lambda. (Am văzut postări pe forum în care dezvoltatorii au pierdut zile întregi încercând să facă Selenium să ruleze în AWS Lambda — programatorul Thunderbit sare peste tot procesul ăsta.)

Pentru mai multe detalii despre construirea unor , avem și o analiză separată, mai detaliată.

Programare cu Python (pentru dezvoltatori)

Dacă folosești abordarea cu SERP API, poți programa rulările cu cron jobs (Linux/Mac), Windows Task Scheduler sau programatoare cloud precum AWS Lambda ori Google Cloud Functions. Funcționează și biblioteci Python precum APScheduler.

Compromisul: tu devii responsabil de monitorizarea stării scriptului, gestionarea erorilor, rotația proxy-urilor după program și actualizarea selectorilor când Google schimbă pagina. Pentru cele mai multe echipe, timpul de inginerie necesar pentru mentenanța unui scraper Python programat depășește costul unui instrument dedicat.

Sfaturi și bune practici pentru extragerea datelor din Google Shopping

Indiferent de metodă, câteva lucruri îți vor salva mult timp și nervi.

Respectă limitele de frecvență

Nu bombarda Google cu sute de cereri rapide — vei fi blocat, iar IP-ul tău poate rămâne marcat o vreme. Pentru metode DIY: lasă 10–20 de secunde între cereri, cu variație aleatorie. Instrumentele și API-urile rezolvă asta pentru tine.

Alege metoda în funcție de volum

Un ghid rapid de decizie:

• < 10 interogări/săptămână → planul gratuit Thunderbit sau planul gratuit SerpApi
• 10–1.000 interogări/săptămână → plan plătit SERP API sau
• 1.000+ interogări/săptămână → plan enterprise SERP API sau Thunderbit Open API

Curăță și validează datele

Prețurile vin cu simboluri de monedă, formatare specifică localizării (1.299,00 € vs $1,299.00) și uneori caractere reziduale. Folosește Field AI Prompts din Thunderbit ca să normalizezi datele chiar din momentul extragerii sau curăță-le ulterior cu pandas:

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

Verifică duplicatele dintre listările organice și cele sponsorizate — se suprapun adesea. Elimină duplicatele după tuplul (titlu, preț, vânzător).

Cunoaște cadrul legal

Extragerea datelor publice despre produse este, în general, considerată legală, dar peisajul juridic se schimbă repede. Cea mai importantă evoluție recentă: în baza DMCA § 1201 pentru ocolirea sistemului anti-scraping „SearchGuard” al Google. Acesta este un nou vector de aplicare a legii, diferit de apărările stabilite în cauze mai vechi precum hiQ v. LinkedIn și Van Buren v. United States.

Recomandări practice:

• Extrage doar date publice — nu te autentifica pentru a accesa conținut restricționat
• Nu extrage informații personale (nume de recenzenți, detalii despre cont)
• Ține cont că Termenii și Condițiile Google interzic accesul automatizat — folosirea unui SERP API sau a unei extensii de browser reduce (dar nu elimină) zonele gri juridic
• Pentru operațiuni în UE, ia în calcul GDPR, chiar dacă listările de produse sunt în mare parte date comerciale nepersonale
• Consultă un avocat dacă dezvolți un produs comercial bazat pe date extrase

Pentru o analiză mai amplă despre , am acoperit subiectul separat.

Ce metodă ar trebui să folosești pentru a extrage date din Google Shopping?

După ce am testat toate cele trei abordări pe aceleași categorii de produse, asta este concluzia mea:

Dacă ești un utilizator non-tehnic și ai nevoie rapid de date — folosește Thunderbit. Deschizi Google Shopping, dai două clickuri și exporți. În mai puțin de 5 minute ai un spreadsheet curat. îți permite să testezi fără angajament, iar funcția de subpage scraping îți oferă date mai bogate decât majoritatea scripturilor Python.

Dacă ești dezvoltator și ai nevoie de acces programatic, repetabil — folosește un SERP API. Fiabilitatea merită costul per interogare, iar tu scapi de toate problemele anti-bot. SerpApi are cea mai bună documentație; ScraperAPI are cel mai generos plan gratuit.

Dacă ai nevoie de control maxim și construiești un pipeline personalizat — Playwright funcționează, dar intră în proiect cu așteptări realiste. Alocă timp serios pentru administrarea proxy-urilor, mentenanța selectorilor și gestionarea CAPTCHA-urilor. În 2025–2026, stack-ul minim viabil de ocolire este curl_cffi cu imitare Chrome + proxy-uri residential + ritm de 10–20 de secunde. Un script simplu requests cu user-agent-uri rotative e deja istorie.

Cea mai bună metodă este cea care îți oferă date exacte fără să-ți consume toată săptămâna. Pentru majoritatea oamenilor, asta nu e un script Python de 60 de linii — ci două clickuri.

Vezi dacă ai nevoie de volum sau urmărește tutorialele noastre pe ca să vezi fluxul în acțiune.

Întrebări frecvente

Este legal să extragi date din Google Shopping?

Extragerea datelor publice despre produse este, în general, legală, potrivit unor precedente precum hiQ v. LinkedIn și Van Buren v. United States. Totuși, Termenii și Condițiile Google interzic accesul automatizat, iar procesul din decembrie 2025 împotriva SerpApi a introdus o nouă teorie de anti-eludare bazată pe DMCA § 1201. Folosirea unor instrumente și API-uri reputabile reduce riscul. Pentru cazuri comerciale, consultă un avocat.

Pot extrage date din Google Shopping fără să fiu blocat?

Da, dar metoda contează. SERP API-urile gestionează automat măsurile anti-bot. Thunderbit Cloud Scraping folosește infrastructură distribuită ca să evite blocările, iar modul Browser Scraping folosește propria ta sesiune Chrome (care arată ca navigarea normală). Scripturile Python DIY au nevoie de proxy-uri residential, întârzieri asemănătoare celor umane și gestionarea fingerprint-ului TLS — și chiar și așa, blocările sunt frecvente.

Care este cea mai simplă metodă de a extrage date din Google Shopping?

Extensia Chrome Thunderbit. Mergi în Google Shopping, apeși „AI Suggest Fields”, apoi „Scrape” și exporți în Google Sheets sau Excel. Fără cod, fără chei API, fără configurare de proxy. Întregul proces durează aproximativ 2 minute.

Cât de des pot extrage date din Google Shopping pentru monitorizarea prețurilor?

Cu Scheduled Scraper de la Thunderbit, poți seta monitorizare zilnică, săptămânală sau la un interval personalizat, folosind descrieri în limbaj natural. Cu SERP API-urile, frecvența depinde de limitele de credite ale planului tău — majoritatea furnizorilor oferă suficient pentru monitorizarea zilnică a câtorva sute de SKU-uri. Scripturile DIY pot rula cât permite infrastructura ta, dar frecvența mai mare înseamnă și mai multe probleme anti-bot.

Pot exporta datele din Google Shopping în Google Sheets sau Excel?

Da. Thunderbit exportă direct în Google Sheets, Excel, Airtable și Notion, gratuit. Scripturile Python pot exporta în CSV sau JSON, pe care apoi le poți importa în orice instrument de tip spreadsheet. Pentru monitorizare continuă, exporturile programate Thunderbit către Google Sheets creează un set de date live, care se actualizează automat.