Scraping propio vs. plataforma de monitoreo: cuándo conviene cada uno

Cuando un equipo con capacidad técnica se enfrenta al monitoreo de precios, la primera reacción suele ser: "esto lo hacemos nosotros en dos semanas". Y tienen razón: un scraper que trae precios de un sitio se escribe en una tarde.

El problema nunca fue escribirlo. El problema es que dentro de ocho meses siga funcionando, con quince sitios, sin que nadie se acuerde de mirarlo.

Esta nota compara los dos caminos sin marketing. Ambos son decisiones válidas y la respuesta correcta depende de cosas bastante concretas.

Lo que realmente incluye "monitorear precios"

La confusión de fondo es que se compara "escribir un scraper" con "contratar una plataforma", cuando el scraper es apenas una de las piezas.

Fijate en dos filas de ese esquema. La primera —definir alcance y competidores— y la última —decidir qué hacer con el precio— son tuyas en los dos casos. Ninguna herramienta te va a decir contra quién querés competir ni a qué precio querés vender. Todo lo del medio es lo que está realmente en discusión.

Lo que se rompe con el scraping propio

No es que no funcione: funciona muy bien el primer mes. Lo que aparece después:

Los sitios cambian. Un rediseño de un retailer rompe tu extractor sin aviso. Si nadie mira, el sistema devuelve datos vacíos o —peor— desactualizados que parecen válidos. Los errores silenciosos son los caros.

Los bloqueos. A medida que aumentás la frecuencia, empiezan los límites de tasa, los captchas y los bloqueos por IP. Resolverlo lleva a proxies, reintentos, rotación: infraestructura que hay que pagar y mantener.

El emparejado no es código. Es el 80% del trabajo real y no se resuelve con una librería. Necesita reglas, revisión humana y mantenimiento cuando los competidores editan sus publicaciones.

El histórico crece. Una vez por día por producto por competidor se acumula rápido. Hay que pensar almacenamiento, consultas y respaldo.

El bus factor. Lo construyó una persona. Esa persona cambia de proyecto o se va, y queda un sistema que nadie entiende y que todos usan.

Nada de esto es imposible. Es trabajo sostenido, y hay que contarlo como tal en la decisión.

Lo que se rompe con una plataforma

Para ser justos, el otro lado también tiene problemas:

La cobertura puede no alcanzar. Si necesitás un retailer chico de tu nicho y el proveedor no lo cubre, dependés de su prioridad, no de la tuya.

El emparejado no es tuyo. Si su matching se equivoca en un producto, corregís por su interfaz y con sus límites.

Los datos pueden quedar encerrados. Si no hay API ni export, no vas a poder cruzar precios con tus ventas y tus costos, que es donde está el valor grande.

Pagás todos los meses, uses mucho o poco.

Dependés de un tercero. Si cambia de precio, de foco o cierra, tenés que migrar.

Cuándo conviene cada uno

Scraping propio, si se cumplen casi todas:

• Tenés un equipo técnico con capacidad asignada de forma sostenida, no prestada de otro proyecto.
• Tu caso es genuinamente atípico: sitios que ninguna plataforma cubre, lógica de producto muy particular.
• El monitoreo es parte de tu producto y no solo una herramienta interna.
• Podés esperar meses hasta tener algo confiable.
• Alguien va a ser dueño de esto dentro de dos años.

Plataforma, si se cumple alguna:

• Necesitás datos este mes, no este semestre.
• Tu equipo técnico tiene cosas más importantes que hacer.
• Los sitios que te importan son los que todo el mundo cubre.
• No tenés a nadie que quiera hacerse cargo del mantenimiento.
• Preferís pagar un costo previsible antes que asumir uno variable en horas.

Un híbrido, que es más común de lo que parece: plataforma para el grueso del catálogo y los canales grandes, más un desarrollo propio chico para las dos o tres fuentes raras que solo a vos te importan. Suele dar el mejor resultado.

Cómo comparar los costos de verdad

Si vas a hacer el número, hacelo completo. Del lado del scraping propio, la licencia es cero pero hay que contar:

• Desarrollo inicial, incluyendo el emparejado, que es la parte larga.
• Mantenimiento recurrente: los extractores se rompen y hay que arreglarlos.
• Infraestructura: servidores, proxies, almacenamiento.
• El costo de oportunidad de lo que ese equipo no está haciendo.
• El costo de los períodos en que el sistema estuvo roto y nadie se enteró.

Ese último es invisible en la planilla y suele ser el más caro: decisiones de precio tomadas sobre datos viejos.

Del lado de la plataforma, el número está casi todo en la factura, más el tiempo de implementación y el trabajo de revisar el emparejado inicial.

Legalidad y buenas prácticas

Vale para los dos caminos: los precios publicados son información pública, pero la forma de obtenerlos tiene reglas.

• Usá las APIs oficiales cuando existan. Mercado Libre, por ejemplo, ofrece una API pública para desarrolladores. Es el camino correcto.
• Respetá los términos de uso de cada sitio y sus indicaciones para automatizaciones.
• No satures. Una frecuencia razonable no afecta el servicio de nadie.
• No captures datos personales. Precios y atributos de producto, nada de datos de usuarios.

Si contratás una plataforma, preguntá cómo obtiene los datos. Es una pregunta legítima y la respuesta te dice bastante sobre el proveedor.

Una forma de decidir sin trabarse

Si la discusión se estanca, este orden ayuda:

1. Definí el alcance primero. SKU, competidores, canales, frecuencia. Sin esto no podés evaluar nada, y además es trabajo que sirve en los dos caminos.
2. Probá una plataforma con tu catálogo real. Aunque estés convencido de construirlo. Te da una línea de base de calidad y tiempo.
3. Estimá el desarrollo propio con el emparejado incluido. Si la estimación no lo menciona, está incompleta.
4. Preguntá quién lo mantiene dentro de dos años. Si no hay una respuesta con nombre y apellido, la respuesta es plataforma.