定时抓取竞品商品价格，AI 分析价格变动趋势，当竞品降价时自动预警并给出调价建议。
电商运营需要密切关注 5-20 个竞品的定价策略
每周节省 5-8 小时
约 ¥100-300/月
确定需要监控的竞品商品页面 URL。分析页面结构，找到价格元素的 CSS 选择器或 XPath。注意区分原价、促销价、会员价。建议先用浏览器开发者工具手动验证选择器的准确性。
在 n8n 中使用 HTTP Request 节点获取页面 HTML，配合 HTML Extract 节点提取价格数据。设置合理的请求头（User-Agent）避免被反爬。对于 JavaScript 渲染的页面，可能需要使用 Puppeteer 节点。
将每次抓取的价格数据存入 PostgreSQL 数据库，包含：商品ID、价格、促销信息、抓取时间。每次新数据入库后，与上一次记录对比计算变动幅度和方向。
当检测到价格变动时，将变动信息（商品、变动幅度、竞品历史价格趋势）传给 GPT-4 分析。AI 判断变动原因（日常促销/清仓/策略调价）并给出是否跟进的建议和建议价格区间。
控制抓取频率（每天 1-2 次足够）。使用代理 IP 池轮换。设置抓取失败告警和自动重试。定期检查页面结构是否变化（选择器失效是最常见的故障原因）。
公开展示的商品价格属于公开信息，合理频率的抓取通常不违法。但要遵守目标网站的 robots.txt 规则，不要对服务器造成压力，不要绕过登录墙获取非公开数据。
设置监控告警：连续 3 次抓取结果为空时通知维护人员。建议同时用多个选择器（CSS + XPath + 正则）提取价格，增加容错性。页面改版后需要人工更新选择器。
电商平台可能对不同用户展示不同价格。解决方案：使用未登录状态抓取（获取基准价）、多地区 IP 对比、关注平台公开的促销活动页面而非个人推荐页。
建议核心竞品 3-5 个，每个竞品监控 10-20 个重点 SKU。太多会增加被封风险和维护成本。优先监控与自己重叠度高的商品。