> ## Documentation Index
> Fetch the complete documentation index at: https://www.octoparse.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# E-Commerce-Daten erfassen

> So erfassen Teams Produktkataloge, Preise, Rezensionen, Bewertungen, Verkäuferdaten und Bestandssignale von E-Commerce-Websites und Marktplätzen.

Die Erfassung von E-Commerce-Daten verwandelt Produktseiten und Marktplätze in strukturierte Datensätze. Händler überwachen damit Wettbewerber, Marken beobachten Wiederverkäufer und Rezensionen, Marktforscher untersuchen Kategorietrends und Produktteams erkennen Lücken in Sortiment, Inhalten und Kundenstimmung.

Die Quellen sind bekannt: Amazon, Walmart, eBay, Shopify-Shops, Markenwebsites, Verkäuferseiten auf Marktplätzen, Rezensions- und Kategorieseiten. Die technische Herausforderung besteht darin, dass jede Quelle dieselben kommerziellen Fakten in anderen Layouts und mit unterschiedlich starker Anti-Bot-Abwehr darstellt.

## Was erfasst werden sollte

E-Commerce-Scraping beginnt meist mit einem Produktkatalog.

| Datentyp         | Beispielfelder                                                                 |
| ---------------- | ------------------------------------------------------------------------------ |
| Produktidentität | Titel, Marke, ASIN/SKU/GTIN/UPC, Modell, Produkt-URL                           |
| Preise           | Aktueller Preis, Listenpreis, Rabatt, Gutschein, Abonnementpreis               |
| Verfügbarkeit    | Auf Lager, nicht auf Lager, voraussichtliche Lieferung, Verkäuferverfügbarkeit |
| Verkäuferdaten   | Verkäufername, Verkäufer-ID des Marktplatzes, Fulfillment-Signal               |
| Produktinhalte   | Bilder, Beschreibung, Merkmale, Spezifikationen                                |
| Rezensionen      | Bewertung, Anzahl, Text und Datum der Rezension, „Hilfreich“-Stimmen           |
| Rang             | Bestseller-Rang, Suchposition, Kategorierang                                   |
| Varianten        | Größe, Farbe, Packungsmenge, Stil, Region                                      |

Vorlagen von Octoparse, Apify und Bright Data trennen üblicherweise die Extraktion aus Listen-, Detail- und Rezensionsseiten. Das entspricht der Struktur von E-Commerce-Websites: Listenseiten liefern Breite, Detailseiten vollständige Produktdaten und Rezensionsseiten Stimmung und Qualitätssignale.

## Häufige Workflows

### Katalogüberwachung

Scrapen Sie Kategorieseiten oder Suchergebnisse, um Produkte, Verkäufer und Rangpositionen zu ermitteln. Speichern Sie Produkt-URLs und IDs als Ziele für Aktualisierungen.

### Anreicherung von Produktdetails

Rufen Sie Detailseiten ermittelter Produkte auf. Erfassen Sie Beschreibungen, technische Daten, Bilder, Varianten, Verkäuferinformationen und Verfügbarkeit.

### Rezensionsanalyse

Erfassen Sie Rezensionen getrennt von Produktfakten. Rezensionsseiten verfügen häufig über eine eigene Paginierung und müssen für die Überwachung eventuell nach den neuesten Beiträgen sortiert werden.

### Preis- und Bestandsverfolgung

Aktualisieren Sie ausgewählte Produkte nach einem Zeitplan. Speichern Sie Momentaufnahmen mit Zeitstempel, um Preisänderungen, Aktionen, Fehlbestände und Verkäuferwechsel zu erkennen.

## Unterschiede zwischen Plattformen

| Plattformtyp                       | Hinweise                                                                            |
| ---------------------------------- | ----------------------------------------------------------------------------------- |
| Große Marktplätze                  | Umfangreiche Daten, starke Anti-Bot-Abwehr, viele Varianten und Verkäufer           |
| Markenshops                        | Übersichtlichere Produktstruktur, häufig Shopify oder ähnliche Commerce-Plattformen |
| Kleinere Händler                   | Weniger standardisiert, aber schwächere Abwehr                                      |
| Marktplätze mit vielen Rezensionen | Hoher Wert für Sentimentanalysen, eigene Rezensionspaginierung                      |
| B2B-Kataloge                       | Erfordern oft Anmeldung, Angebotsanfragen oder regionsabhängige Preise              |

Amazon ist das klassische Beispiel. Such- und Kategorieseiten zeigen Produktkarten mit Titel, Preis, Bewertung, Anzahl der Rezensionen, Bild und ASIN-ähnlichen Kennungen. Produktseiten ergänzen Beschreibungen, Merkmale, technische Daten, Verkäuferdetails, Varianten, Bestseller-Rang und Hinweise auf Bestand oder Lieferung. Rezensionsseiten liefern Text, Bewertung, Rezensentensignale, „Hilfreich“-Zähler und Verifizierungsstatus. Behandeln Sie jeden Seitentyp als eigenen Datensatz.

## Datennormalisierung

E-Commerce-Daten müssen vor der Analyse bereinigt werden.

* Währung und Region normalisieren
* Packungsmengen in Stückpreise umrechnen
* Produktpreis und Versandkosten trennen
* Verfügbarkeitsstatus vereinheitlichen
* Varianten den übergeordneten Produkten zuordnen
* Identische Produkte über mehrere URLs hinweg deduplizieren
* Zeitstempel der Quelle bewahren

Bei websiteübergreifenden Vergleichen ist der Produktabgleich das Kernproblem. Verwenden Sie möglichst exakte Kennungen und greifen Sie andernfalls auf Titel, Marke, Modell, Packungsmenge, Größe und Bildähnlichkeit zurück.

## Anti-Bot und Skalierung

E-Commerce-Websites gehören zu den am stärksten geschützten Scraping-Zielen, da Preise, Rezensionen und Bestände wirtschaftlich sensibel sind. Rechnen Sie mit JavaScript-Rendering, Ratenbegrenzungen, CAPTCHA, Prüfungen der IP-Reputation, Fingerprinting und Layouttests.

In kleinem Umfang können eine vorsichtige Taktung und ein echter Browser genügen. Verwenden Sie bei größerem Umfang Cloud-Extraktion, die Aufteilung in Unteraufgaben, Proxy-Rotation, stimmige Fingerprints und Wiederholungslogik. Für Seiten wie Amazon sparen vorgefertigte Scraper Zeit, weil sie bereits die Seitentypen und Feldzuordnungen berücksichtigen.

## Compliance-Grenzen

Scrapen Sie verantwortungsvoll. Beachten Sie robots.txt und die Nutzungsbedingungen, vermeiden Sie personenbezogene oder sensible Daten ohne legitime Grundlage und bevorzugen Sie verfügbare und geeignete offizielle APIs oder Partnerfeeds. Auf Marktplätzen können Verkäufer- und Rezensentendaten zusätzliche Richtlinien- und Datenschutzfragen aufwerfen.

E-Commerce-Scraping ist am wertvollsten, wenn es einer klaren Entscheidung dient: Preisanpassung, Sortimentsplanung, Rezensionsüberwachung, Einhaltung von Vorgaben durch Wiederverkäufer oder Marktforschung. Beginnen Sie mit dieser Entscheidung und gestalten Sie Felder und Rhythmus entsprechend.