Waarom prijsscrapers de prijs fout hebben
Oude en nieuwe prijs. Een aanbieding toont ze allebei. Pak je de eerste, dan vergelijk je met een prijs die niemand betaalt.
Gesplitste prijzen. Euro's en centen in twee elementen: "2" en "69" worden 2 of 269.
Andere producten op de pagina. Gerelateerde producten, bundels en "vaak samen gekocht" hebben allemaal hun eigen prijs.
Prijs per eenheid. Per kilo of per liter naast de prijs per verpakking. Allebei nuttig, als twee velden, niet door elkaar.
Wat een prijsscraper je moet vertellen
Niet alleen de prijs, maar ook hoe zeker hij is. Een prijs met "fallback" of "conflict" is een pagina om naar te kijken; een prijs die stilletjes van vorm veranderde is een foute rij in je vergelijking.
sure. de hoofdregel matchte, zoals op elk voorbeeld
fallback. een reserveregel matchte: de pagina is veranderd, de waarde klopt waarschijnlijk nog
conflict. regels die bij je voorbeelden passen zijn het oneens: kijk voor je hem gebruikt
none. de waarde staat er niet (uitverkocht, verwijderd, andere opmaak)
Prijsscrapers vergeleken
1 miljoen productpagina's lezen, per run. Het ophalen komt er in elke rij nog bij.
| Aanpak | Per pagina | 1 miljoen pagina's |
|---|---|---|
| Een groot AI-model op ruwe HTML | 1 cent per pagina en meer | €10.000+ per run |
| Een klein AI-model op ingekorte HTML | 0,05 tot 0,5 cent per pagina | €500 – €5.000 per run |
| Een headless browser | seconden en honderden MB per pagina | servers die meegroeien met de crawl |
| Een extractiescript | €0 per pagina, onder 1 ms | €78 eenmalig (5 velden) |