Scraper de E-Commerce: 4 Provedores Avaliados
Comparamos quatro provedores de dados da web em 100 domínios de e-commerce, coletando 65.000 páginas de produto e de busca, cada um com 5 a 5.000 requisições simultâneas.
Tempo de resposta e taxa de sucesso
Na média entre os níveis de concorrência, Bright Data atingiu a maior taxa de sucesso (76%) com uma mediana de 16 segundos. Apify registrou o maior tempo de resposta mediano, com 46 segundos.
O tempo de resposta é relatado como a mediana (P50), a requisição típica, e a cauda (P90), ou seja, os 10% mais lentos das requisições.
As taxas de sucesso são calculadas em média entre os níveis de concorrência de 5 e 100, pois apenas Bright Data e Nimble concluíram uma execução completa a 5.000.
Veja nossa metodologia de benchmark de e-commerce para saber como testamos.
Taxa de sucesso do scraper de e-commerce por concorrência
Bright Data registrou a maior taxa de sucesso geral. Com 5.000 requisições paralelas, Bright Data manteve 71% e Nimble, 56%.
Concorrência é o número de requisições enviadas ao mesmo tempo. O nível de 5.000 requisições sobrecarrega os limites de taxa e a infraestrutura de um provedor.
Taxa de sucesso em páginas de produto e de busca
Todos os provedores tiveram pontuação maior em páginas de produto (detalhe) do que em páginas de busca (listagem).
- Páginas de busca (listagem) retornam muitos itens de uma consulta ou categoria, geralmente paginadas e renderizadas dinamicamente, o que torna a extração consistente mais difícil.
- Páginas de produto (detalhe) mostram um único item com campos estruturados, como título, preço, SKU e imagens.
Taxa de sucesso por fornecedor de anti-bot
Identificamos o fornecedor de anti-bot de cada um dos 100 domínios e, em seguida, agrupamos a mesma medição de sucesso verificada por conteúdo por fornecedor. Akamai cobre 42, Cloudflare 16, AWS WAF 10, HUMAN 8, DataDome 6, e 18 domínios carregam fornecedores pequenos demais para constar no gráfico.
A maior diferença está no DataDome, que defende 6 dos domínios. Bright Data obteve 92.5% lá, contra 46.0% a 75.3% dos outros três provedores.
Na Akamai, o maior grupo, com 42 domínios, os quatro provedores variam de 65.7% a 70.4%, com intervalos sobrepostos.
Análise dos scrapers de e-commerce
Bright Data oferece uma API de Web Scraper combinada com uma interface sem código, juntamente com um scraper dedicado de e-commerce e mais de 1.000 scrapers prontos que cobrem marketplaces como Amazon, eBay, AliExpress, Walmart e Target. A combinação de acesso à API e um painel de controle sem código torna a solução utilizável tanto por equipes de engenharia quanto por equipes não técnicas. Em nosso benchmark, Bright Data registrou a maior taxa de sucesso geral e foi um dos poucos provedores a manter sua taxa sob carga simultânea pesada.
Desempenho:
- Maior taxa de sucesso geral: 76% em 100 domínios.
- Manteve sua taxa sob carga: um dos dois provedores a sustentar sucesso em 5.000 requisições simultâneas (71%).
Comece com 5K registros gratuito/mês para testar o scraper da Bright Data
Visite o siteZyte API é uma API de web scraping que combina tratamento de bloqueios, renderização headless e capacidades de extração com IA para estruturar HTML bruto em dados tipados, como nomes de produtos, preços e avaliações, a partir de páginas de produto de varejo. É acessível via REST e integra-se ao framework open-source Scrapy, que a Zyte mantém, juntamente com a hospedagem Scrapy Cloud. Em nosso benchmark, registrou a segunda maior taxa de sucesso geral e permaneceu consistente nos principais marketplaces e sob concorrência elevada.
Desempenho:
- Segunda maior taxa de sucesso geral: 72% em 100 domínios.
- Consistente nos principais marketplaces: Amazon 95%, Walmart 97%, Target 96%, eBay 98%.
- Menor diferença entre produto e busca: 74% em páginas de produto e 70% em páginas de busca, a menor diferença entre as duas entre todos os provedores.
Comece com $5 de crédito gratuito para testar o scraper da Zyte
Visite o siteO marketplace do Apify hospeda milhares de Actors criados pela Apify e por sua comunidade, atendendo tanto desenvolvedores quanto agentes.
Em nosso benchmark, usamos a E-commerce Scraping Tool, um único Actor universal que extrai dados de produtos e preços, detalhes de categoria, avaliações e informações do vendedor de plataformas de varejo e marketplaces como Amazon, Walmart e eBay, a partir de uma URL de produto, uma URL de categoria ou uma busca por palavra-chave.
Desempenho:
- Sucesso em carga padrão: 70% no geral, 96% na Amazon e 92% na Best Buy.
- Flexibilidade: aceita uma URL de produto, uma URL de categoria ou uma busca por palavra-chave e exporta JSON, CSV, Excel, XML ou HTML.
- Tempo de resposta e carga: tempo de resposta mediano de 46 segundos.
Comece com $5 gratuito por mês para testar o scraper da Apify
Visite o siteNimble oferece uma API de web scraping de uso geral, juntamente com uma API dedicada de e-commerce que retorna JSON estruturado por IA e NLP e suporta os principais marketplaces, incluindo Amazon, Walmart e Google Shopping. A API inclui proxies residenciais integrados e segmentação geográfica até o nível de país, estado, cidade e CEP. Em nosso benchmark, Nimble manteve sua taxa de sucesso sob carga simultânea pesada melhor do que todos os provedores, exceto Bright Data.
Desempenho:
- Segunda mais resiliente sob carga: manteve 56% de sucesso em 5.000 requisições simultâneas, atrás de Bright Data.
- Rápida: tempo de resposta mediano de cerca de 9 segundos.
- Força em domínios específicos: 100% na AliExpress e 90% na Best Buy, 25% na Amazon.
Cobertura de scrapers dedicados por provedor
Os provedores diferem na forma como extraem dados. Alguns oferecem um scraper dedicado e pré-construído para cada marketplace que retorna os campos estruturados do site; outros aplicam um mecanismo universal a qualquer site. Bright Data ofereceu a cobertura dedicada mais ampla entre os 100 domínios. Zyte e Apify usam um único mecanismo de extração universal em vez de uma biblioteca por marketplace.
Para cada provedor, a coluna de campos de metadados conta os atributos de dados distintos em um registro de produto JSON analisado, como preço, marca, avaliação, SKU ou imagem. O valor é a média entre as páginas de produto que retornaram um registro de produto analisado e exclui cabeçalhos HTTP, metadados de requisição e qualquer campo que contenha o HTML bruto da página.
Os scrapers dedicados da Bright Data retornam dados de páginas de produto. A cobertura reflete o catálogo de cada provedor no momento do benchmark.
Preços dos scrapers de e-commerce
*O preço da Bright Data é por registro (um item extraído, por exemplo, um produto ou uma avaliação), não por requisição. Em páginas de busca, uma única requisição pode retornar vários registros.
Em nosso benchmark, retornar 1.000 páginas de produto com o conteúdo esperado custou $1.30 na Nimble, $1.52 na Bright Data, $3.32 na Zyte e $7.50 na Apify. As requisições com falha contam para o gasto, mas não para o total de páginas, portanto essas são taxas efetivas, e não preços de tabela.
Adicionar como fonte preferencialMetodologia do benchmark de e-commerce
Seleção de domínios
Selecionamos os 15 principais países por PIB e excluímos a Rússia e a China. Para cada país, pegamos os 5 principais domínios dos últimos três meses da categoria de e-commerce da SimilarWeb. Adicionamos os 5 principais sites globais de eletrônicos de consumo e de supermercado. Para os Estados Unidos, que ficaram em primeiro lugar, também pegamos os 20 principais domínios da categoria de varejo do Semrush, já que as listagens públicas do Semrush mostram 20 sites onde a SimilarWeb mostra 5.
Em seguida, incluímos as 20 principais categorias globais de varejo e as 20 principais categorias de vestuário/moda de janeiro de 2026. Excluímos domínios que atendem países fora do conjunto selecionado, sites que exigiam autenticação para navegar e sites que exigiam seleção de país na página inicial antes de navegar. Excluímos caminhos regionais de domínios globais (por exemplo, etsy.com/fr), mas mantivemos sites regionais que tinham um domínio separado. Quando uma exclusão deixava uma lacuna no top 5 de um país, nós a preenchíamos a partir da lista de e-commerce dos 20 principais do Semrush para aquele país. Para chegar a 100 domínios, adicionamos 10 seleções dos principais marketplaces de e-commerce.
Dois domínios de marca única, apple.com e consumer.huawei.com, retornaram algumas centenas de produtos distintos mesmo depois de rastrearmos todas as categorias, abaixo da meta por domínio. Nós os substituímos por dois domínios de alto tráfego segundo a SimilarWeb: bol.com e argos.co.uk.
Coleta de URLs
Para cada domínio, coletamos URLs de produto e de listagem, mantendo URLs reservas suficientes para que cada execução e teste de carga use um conjunto novo. Descobrimos cada URL sem buscar a página de destino por meio de nenhum provedor avaliado, para que essas páginas permaneçam não utilizadas antes do próprio benchmark.
Para URLs de produto, usamos três fontes em sequência, parando quando um domínio atingia sua meta:
- O sitemap de produtos do próprio site.
- Uma varredura das próprias páginas de categoria do site (da página inicial até as páginas de categoria e subcategoria) quando o sitemap estava ausente ou era pequeno demais, coletando links de produtos enquanto buscávamos as páginas de categoria, mas nunca a página do produto.
- Google busca restrita ao site quando um domínio ainda estava abaixo da meta.
Cada URL foi verificada em relação a um padrão de produto por domínio para descartar páginas que não eram de produto, e qualquer domínio ainda abaixo da meta foi sinalizado para revisão manual ou substituído por um backup.
Para URLs de busca, geramos consultas a partir do catálogo do próprio domínio, em vez de uma lista externa de palavras. As palavras-chave vieram dos nomes de categorias e slugs de produtos do site, portanto estão no idioma do próprio site (um site japonês ou coreano é consultado em seu próprio idioma, sem etapa de tradução separada) e foram opcionalmente generalizadas para termos de categoria simples, como “tênis de corrida”. Executamos as consultas no endpoint de busca do site ou em suas páginas de categoria quando não havia busca por palavra-chave, e mantivemos as consultas que retornaram vários produtos distintos. Todas as URLs foram então normalizadas para uma localidade por domínio, tiveram parâmetros de rastreamento removidos e foram deduplicadas.
Validação de URLs
Como o benchmark busca cada URL com todos os provedores, validar o conjunto completo consumiria as URLs não utilizadas, então validamos uma amostra de cerca de uma dúzia de cada tipo de página por domínio, aproximadamente 2.500 URLs. Confirmamos que as páginas de produto estavam ativas e mostravam um preço, e que as páginas de listagem estavam ativas e retornavam vários produtos distintos, em vez de uma página vazia ou um único produto. Removemos subdomínios de staging e QA e localidades misturadas, e excluímos todas as URLs amostradas do conjunto entregue.
Execução do benchmark
Cada provedor buscou as mesmas URLs novas, com um número igual de páginas extraídas de cada domínio em cada execução. Quando um provedor oferecia um scraper de e-commerce dedicado para um domínio, nós o utilizávamos; caso contrário, usávamos o desbloqueador web geral do provedor. Todos os provedores executaram a partir da mesma localização de servidor, portanto a localização não deu vantagem a nenhum provedor.
Para medir o comportamento sob carga, e não o comportamento no melhor caso, executamos o conjunto completo em três níveis de concorrência de 5, 100 e 5.000 requisições paralelas. Um status HTTP 200 não contou como sucesso por si só. Para cada URL, definimos os dados esperados com antecedência e, em seguida, verificamos a página retornada em relação a eles: uma resposta contou como sucesso apenas quando seu conteúdo correspondia a essa verdade de referência por meio de um seletor CSS ou de um campo estruturado (JSON) contendo os dados-alvo (um preço e campos de produto em uma página de produto; vários produtos distintos em uma página de listagem).
Uma página de bloqueio, um captcha ou uma casca vazia pontuou zero mesmo com status 200. Todos os gráficos deste artigo usam essa taxa de sucesso verificada por conteúdo. Registramos o status HTTP e o tempo de resposta de ponta a ponta juntamente com ele, e relatamos o tempo de resposta como a mediana (P50) e a cauda (P90) das requisições bem-sucedidas.
Apenas Bright Data e Nimble sustentaram uma execução completa no nível de 5.000 requisições; os outros dois provedores foram limitados por concorrência no nível da conta ou tetos de crédito nessa carga, não pela capacidade de scraping, portanto não são mostrados nesse nível de concorrência.
Detecção de anti-bot
Rotulamos cada um dos 100 domínios separadamente da execução do benchmark, enviando duas requisições para as mesmas URLs de produto e busca usadas pelo benchmark, já que as defesas de bot geralmente estão armadas nesses caminhos, e não na página inicial. Um cliente comum de linha de comando, que 70 dos 100 domínios bloquearam, gera uma página de bloqueio que nomeia seu fornecedor. Os outros 30 são identificáveis a partir dos cookies e dos scripts de defesa que uma resposta normal semelhante à de um navegador carrega. Os domínios que recusaram qualquer requisição direta de nossa localização foram buscados por meio de um proxy.
Classificamos as evidências em vez de tratar todos os sinais como equivalentes. Um cookie ou cabeçalho exclusivo de um produto de defesa contra bots, como o _abck da Akamai ou o datadome da DataDome, conta como a stack estando armada, e uma página de desafio que nomeia seu fornecedor conta da mesma forma. Uma página genérica de negação estabelece a empresa, mas não o produto, e cabeçalhos da camada de entrega por si só não são uma alegação de defesa contra bots. Verificamos os marcadores ambíguos em relação à documentação do fornecedor e às declarações de cookies do site e, em seguida, executamos uma passagem que tentou refutar cada atribuição. Ela corrigiu várias, incluindo os cookies __uzm no eBay, que pertencem à Radware, e não à Imperva.
O scraping de e-commerce é legal?
É legal coletar informações públicas, como nomes de produtos, preços e status de estoque, desde que você não contorne logins nem acesse dados privados.
No entanto, novas regras de IA serão aplicadas a algumas plataformas. Por exemplo, a partir de 2026, o eBay alterou seu Contrato de Usuário para proibir “LLM-driven bots” e “agentes de compra por mim” de usar sua plataforma sem permissão por escrito. Esta atualização responde ao surgimento do “comércio agêntico”.1
Embora o scraping geral ainda seja legal, o uso de agentes de IA para interagir com marketplaces agora está sujeito a regras mais rígidas.
Perguntas frequentes
Neste benchmark, Apify, Zyte e Bright Data pontuaram 93% ou mais nas páginas de produto da Amazon. Entre Amazon, Walmart, Target e eBay, Bright Data registrou de 92% a 99% e Zyte, de 95% a 98%.
O scraping de e-commerce envolve a coleta automática de detalhes de produtos a partir de páginas de produto, como títulos, preços da concorrência, status de estoque, avaliações e imagens, de lojas online e marketplaces.
Cite este benchmark
Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.
@misc{dogan2026,
author = {Dogan, Sedat and Sarı, Ekrem},
title = {{Scraper de E-Commerce: 4 Provedores Avaliados}},
year = {2026},
month = aug,
howpublished = {\url{https://aimultiple.com/ecommerce-scraper}},
note = {AIMultiple. Acessado em 14 Agosto 2026}
}Links de referência
Seja o primeiro a comentar
Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.