Két hete megkeresett a Linkedinen egy vállalkozó, hogy tudnék-e neki ebben segíteni. Minden hétfő reggelt ugyanazzal kezdte: megnyitotta 8 konkurens weboldalát, végigkattintotta az árlistáikat, és egy Excel táblázatba írta, mi változott. Aztán visszanézte az előző heteket, hogy legyen kontextusa: ez most emelés, csökkentés, átcsomagolás? Mire a 8. oldallal végzett, elment 2-3 óra. Olvasta a cikkeim és ő ezt az időt érezte a leginkább elvesztegetettnek.
Ha te is egy olyan piacon dolgozol, ahol 5-15 konkurensed van, és az árazás stratégiai kérdés – legyen szó szoftverről, szolgáltatásról, tanfolyamokról vagy bármilyen B2B termékről –, akkor valószínűleg te is csinálod ezt valamilyen formában. Lehet, hogy nem ilyen módszeresen, de rendszeresen ránézel a konkurencia árlistájára vagy termék oldalára. És minden alkalommal az az érzésed, hogy ezt valahogy hatékonyabban is lehetne. És valóban lehet is!
Árfigyelő oldalak – mikor melyiket érdemes?
Ha webáruházad van és 15.000 terméked, aminek egy héten többször változik az ára, akkor nem a Make lesz a te megoldásod, hanem valamilyen árfigyelő komplex megoldást érdemes választanod – ezek díja azonban elég vaskos, ha csak néhány konkurens weboldalt kell követni.
Ezek az alkalmazások arra vannak optimalizálva, hogy 10 000-50 000 terméket figyeljenek egyszerre, valós időben, több piactéren keresztül. E-commerce óriásoknak, nagyvállalati beszerzésnek, marketplace kereskedőknek. Az árazásuk is ennek megfelelő: havi 50-500 dollár vagy 20-100 ezer Ft/hó – termékek számától és a frissítési gyakoriságtól függően.
Ha neked 8-10 konkurensed van, és mindegyiknek 1 áraink oldala – az 8-10 URL – erre nem kell valós idejű figyelés, heti 1x elég ha fut – ha erre előfizetsz egy árfigyelő szoftvert, akkor kamionnal mész a Lidlbe egy kiló kenyérért.
De van egy ennél is nagyobb probléma: ezek az eszközök általában fix struktúrát várnak. Termék neve, ár,, mennyiség – szépen kitöltött mezőkben. Ha a konkurensed oldala nem egy klasszikus terméklista, hanem egy SaaS árazási táblázat három csomaggal és éves/havi váltással, akkor a legtöbb scraper nem tudja értelmezni.
Azonban egy erre promptolt mesterséges intelligencia eszköz – Open AI, vagy Claude LLM modul tudja kontextusban kezelni.
És van egy harmadik probléma is, amiről kevesen beszélnek: a legtöbb árfigyelő alkalmazás a saját rendszerébe zárja az adatot. Bejelentkezel a dashboardjukra, ott nézegetik a grafikonokat, de ha ki akarod exportálni, vagy saját riportot akarsz csinálni belőle, vagy megosztani a csapatoddal – az már a drágább csomag, vagy külön AI elemzésért kell fizetni.
A másik végletben akadnak fapados megoldások pl. böngésző kiegészítők, amelyek alkalmasak néhány weboldal követésére, de arra nem, hogy ezeket a változásokat táblázatba írják és elemezzék is hétről-hétre.
Miért jobb erre egy Make.com scenario?
A Competitor Price Monitor scenario, amit Make.com-ban építettem ennek az ügyfelemnek, más logikával működik, mint egy hagyományos weboldal scraper.
Nem CSS selectorokkal és XPath-okkal vadászik árakra – hanem az OpenAI-nak adja oda a teljes oldal tartalmát, és megkéri, hogy értelmezze.
Ez azért változtat mindent, mert a mesterséges intelligencia kontextusban gondolkodik. Nem csak azt nézi, hogy van-e egy <span class=”price”> tag az oldalon. Azt nézi, hogy az oldalon mit jelent a „9900 Ft/hó” a „Start csomag” sorában. Visszaadja strukturáltan: csomagnév, tartalom, ár, számlázási ciklus.
Hogyan működik pontosan a konkurens árfigyelés?
- A szcenarió egy ütemezett triggerre indul pl. minden hétfőn 10-kor, tetszés szerint állíthatod be a futást.
- Először lekéri a Google Sheets-ből a konkurensek listáját – nevet, URL-t és hogy mit keressen az oldalon.
- Ezután minden egyes konkurensnél letölti a weboldalt HTTP kéréssel – ha nem elérhető, akkor sem akad el, megy tovább.
- A letöltött HTML-t elküldi egy OpenAI modellnek, ami strukturált fájlt vissza: csomagnevek, árak, számlázási ciklus, tartalom lista.
- Következő lépésben a szcenarió lekéri a Data Store-ból az adott konkurens előző árazási pillanatképét. Egy második OpenAI hívás összeveti a kettőt és egyértelműen megmondja: változott-e valami vagy nem, elemzést készít.
- Egy Router dönti el, mi történik ezután. Ha változás volt, frissíti a Data Store-t az új adatokkal és bejegyzi a táblázatba hogy mi és mikor változott. Ha nem volt változás, csak a „last checked” dátumot frissíti.
- A végén egy TextAggregator összegyűjti az összes változást egyetlen szöveggé, és ha volt bármilyen változás, egyetlen összesítő emailt küld. Neked annyi a feladatod, hogy elolvasd.
Miért hasznos az árfigyelést is automatizálni?
Kézzel egy 10 konkurenses árellenőrzés heti szinten 2-3 óra. Ez a scenario 15 perc alatt végez, és nem felejt el egyetlen oldalt sem megnézni. A Change Log táblában visszanézheted, mikor melyik konkurens mit változtatott – így trendeket is látsz, nem csak pillanatnyi állapotot.
Az OpenAI érti a kontextust és megtalálja az árazási információt akkor is, ha a konkurens átrendezi az oldalát.
Mennyibe kerül ez működtetni?
Nézzük a reális számokat. Ha 10 konkurensed van és hetente kétszer fut a scenario:
A Make.com oldalon futásonként kb. 50-70 operations keletkezik (10 konkurens × 5-7 modul per ciklus). Havi 8-9 futás esetén ez 400-600 operations havonta. A Make ingyenes csomagja 1 000 operations-t ad – tehát ez belefér az ingyenes csomagba is, vagy alig lépi túl.
Az OpenAI oldalon futásonként 20 API hívás keletkezik (10 konkurens × 2 hívás). A gpt-4o-mini árazásával ez hívásokra lebontva – a HTML méretétől függően – kb. 0.5-1.5 dollár havonta. Nem elírás: egy-másfél dollár.
Mikor NEM ez a megoldás?
Fontos kimondani azt is, hogy ez a megközelítés nem mindenre jó.
Ha webáruházad, online boltod van és 10000 terméket kell figyelni 5 piactéren, valós időben – akkor kell a Xisible, Pricekit a Priceshape, vagy egy hasonló prémium eszköz. Azok erre vannak kitalálva, ehhez van infrastruktúrájuk, és megérik az árukat – nyilván forgalomfüggő. De a legtöbb kisvállalkozó nem ezzel küzd, csak azzal, hogy rászánja a heti 2-3 órát vagy összerakjon egy automatizációt, ami ezekhez képest közel ingyen megoldja helyette.
Hogyan építsd meg?
A teljes scenario megépítése nem egy egész napos projekt. Ha van már Make.com tapasztalatod, pár óra alatt összerakod. Ha most ismerkedsz a Make-kel, akkor 1-2 nap, elsősorban nyilván ismerni kell hozzá a megfelelő modulokat pl. mi az a Data Store és miért használjuk, vagy mire jó a Router?
Ezeket pontosan bemutatom a Done. Without You. kurzusom 1. Moduljában, minden modultípust, illetve ha megvagy mondjuk a WF6 szintű workflow építéssel, akkor már egyedül is nekiállhatsz egy hasonló folyamat megépítésének vagy hozzám is fordulhatsz természetesen, szívesen a cégedre szabom.
A lényeg: Hagyd a robotmunkát a robotokra!
Az ügyfelem, aki minden hétfőn 3 órát töltött ezzel, most hétfő reggel kávézás közben megnyitja az emailjét, és 2 perc alatt látja, mi változott. Ha nem változott semmi, nem is kap emailt. A megtakarított 3 óra az, amit arra fordít, amire tényleg szüksége van a cégének – stratégiára, ügyfélszerzésre, fejlesztésre.
Nagyon sok ilyen apró feladatot végzünk minden héten – néha anélkül, hogy tudatosítanánk: ezt is elengedhetnénk. A Gép sokkal jobban el tud végezni egy ilyen rutinfeladatot. Nekünk elég az eredményről értesülni.