小团队也能做的竞品价格情报自动化方案

零售连锁和电商运营里，有一件事几乎人人都做过：开着一排浏览器标签页，对着竞品页面抄价格、抄促销、抄库存状态，然后粘进表格。最“致命”的不是累，而是数据过期得太快。你上午 10 点看见的价格，下午 2 点可能已经变了两次。

更现实的问题是：很多中小商家并不是缺定价策略，而是缺“持续拿到可用数据”的能力。价格、促销、到货状态这类信息变化频繁，靠人盯会把团队拖进日常的低价值劳动里——你忙了一天，得到的是一份可能已经落后的 CSV。

这篇文章放在《人工智能在零售连锁与商超》系列里，想解决一个很具体的运营痛点：把竞品价格情报从人工采集，变成自动化工作流。我们会用 AWS 的 Amazon Nova Act（开源浏览器自动化 SDK）作为案例，讲清楚：如何搭一个“可扩展、可监控、能处理页面变化”的价格情报流程；以及如何把它进一步接到AI 语音助手与自动化工作流里，让小团队用更少的人力做更快的决策。

一句话立场：竞品价格监控不该是运营同事的日常工作，而应该是一个每天稳定产出数据的自动化系统。

手工采价真正花掉的，不只是时间

手工采集的表面成本是工时，真正的隐性成本是决策延迟和错误概率。

1）工时成本会线性增长，业务不会

SKU 从 200 增到 2,000 时，你的采价动作会从“还能忍”变成“每天都在救火”。而且价格情报往往不是一天一次就够：大促季、节假日、平台活动期（比如 4 月春季上新、会员日预热）价格波动更快，你越需要更高频的采集。

2）数据质量问题会直接影响毛利

人工抄写带来的问题很朴素：

• 价格抄错一位数
• 促销条件漏写（满减、会员价、限购）
• 同名不同款选错链接（容量/颜色/套装差异）

这些错误最后会变成两种结果：要么你降价降过头亏毛利，要么你没跟上市场丢转化。

3）“过期情报”是最贵的情报

竞品价格变化往往是小时级甚至分钟级。你今天做定价决策时用的是昨晚的数据，就等于在用“历史”打“实时”。这也是很多商家觉得“我已经在盯竞品了，但还是慢半拍”的根源。

用 Amazon Nova Act 做浏览器智能体：为什么比传统爬虫更适合零售场景

直接回答：因为零售网站经常改版、组件经常换、促销经常插入，规则脚本很容易断。

传统爬虫/自动化常依赖固定选择器、固定路径。一旦页面结构变了（按钮换了位置、列表变成瀑布流、价格被拆成多个 span），脚本就坏了。Nova Act 的思路更接近“让智能体在浏览器里做事”：

• 你用自然语言给指令（例如“搜索这个商品并打开最匹配的结果”）
• 再用结构化 schema 把结果强类型化（例如返回 price、promotion、availability）
• 通过异常机制（ActError）把失败显式暴露出来，便于重试和兜底

这对中小商家很关键：你需要的不是一次性的脚本，而是能长期跑、能监控、坏了能定位的工作流。

Nova Act 的三个“搭积木”能力

（1）网页信息抽取：直接拿结构化结果

它支持用类似 Pydantic 的 schema 约束返回结果。我的经验是：只要你把“你想要什么字段”定义清楚，后面接 BI、定价系统、报表就会顺很多。

• 典型字段：source（渠道）、product_name、sku、price、promotion、availability、captured_at、url

（2）浏览器导航：从任意站点开始执行任务

最常见就是 go_to_url() 作为每个渠道会话的起点，然后执行站内搜索、筛选、打开详情、抽取。

（3）并行会话：把“盯多家网站”从 2 小时缩到 10 分钟

Nova Act 单实例一次跑一个浏览器，但你可以开多个实例并发执行。对价格情报来说，这几乎是刚需：同一时间窗口内采集到的数据更可比。

如果你有 10 个竞争渠道、每个渠道平均 1 分钟完成一次采集，并发 10 路就能把采集时间压到接近 1 分钟级（再加调度与网络开销）。这会直接影响你能否做到“高频采价”。

从“采到数据”到“能用的数据”：一套适合小团队的价格情报工作流

直接给建议：不要一上来就追求全量 SKU。先做 20 个核心 SKU × 5 个核心渠道 × 每天 4 次，跑稳了再扩。

1）定义你要监控的“最小可行清单”

对于零售连锁与商超场景，我通常建议按“影响毛利/引流能力”分层：

1. 引流款（KVI）：价格敏感、对客流影响大
2. 利润款：毛利空间大，跟价策略更谨慎
3. 长尾款：用抽样或低频监控即可

这样做的好处是：你能把自动化系统的价值更快跑出来，而不是陷入“先把所有 SKU 都接完”的泥潭。

2）建立“可信匹配”规则，避免同名误配

价格情报最常翻车在“搜出来的不是同一款”。解决办法是给匹配规则一个硬约束：

• 能用 SKU 就用 SKU（如型号、条码、货号）
• 没 SKU 时，用关键规格组合（容量/尺寸/颜色/版本）

并且在输出里保留 matched_product_name 和 url，让运营能抽查。

3）把“促销”当成一等公民

只拿标价还不够。零售里最影响转化的常常是促销结构：

• 会员价/新人价
• 满减门槛
• 限购
• 赠品
• 到期时间

建议你在 schema 里单独做 promotion_details（文本）+ promotion_end_time（可解析时）两类字段。后续你做“活动日历”或“自动预警”会很省心。

4）对 Captcha 的正确态度：别硬刚，做 HITL

有些网站会弹验证码。Nova Act 官方也建议不要自动破解验证码，而是引入人工介入（Human-in-the-loop）。

务实做法是：

• 检测到 captcha → 任务暂停 → 提醒值班人员接管 → 解决后继续

这比“写一堆绕过逻辑”更稳定，也更符合合规预期。

5）失败要可观测：把错误变成可运营的指标

你真正想要的是：每天早上打开面板，知道哪些渠道成功率下降、哪些 SKU 匹配异常。

可以把以下指标写进你的监控：

• 每渠道成功率（成功次数/总次数）
• 平均采集耗时（判断是否被限流或页面变慢）
• Captcha 触发率（决定是否需要调整频率或增加人工值守窗口）
• 价格异常次数（例如 24 小时内波动 > 20%）

Nova Act 控制台支持查看执行轨迹、截图、日志、以及 S3 工件，这对定位“页面变了导致失败”非常有用。

把价格情报接进“AI 语音助手与自动化工作流”：才是真正省人的地方

直接说重点：自动采价只是第一步，自动触发动作才是你省人、提效、拿线索（LEADS）的核心。

下面是一套我更推荐的“端到端”链路（你可以按自己的系统替换组件）：

1）采集（Nova Act）→ 结构化入库

• 结果落 CSV 只是起点
• 更推荐写入数据库/数据仓库（哪怕是轻量级的）

2）规则与告警：把“数据”变成“信号”

设几个简单但高价值的规则：

1. 竞品低于你售价 ≥ 3% → 触发告警
2. 竞品出现限时促销且你没有活动 → 触发活动建议
3. 同款多渠道价差扩大 → 触发渠道策略复核

3）AI 语音助手：让老板用一句话就拿到答案

很多小团队的真实协作是：老板在路上、店长在门店、运营在忙活动。语音是最自然的入口。

你可以把常用问题设计成“可问可答”的语音指令，例如：

• “今天 iPad Pro 256G 竞品最低价是多少？哪家在做促销？”
• “把本周 20 个引流款的价格差异发到群里。”
• “哪些 SKU 昨天到今天价格波动超过 10%？”

语音助手背后调用的就是你已经自动化采集并入库的数据，再加上规则引擎输出结论。运营不需要再翻表。

4）自动化工作流：让系统替你推动协作

我最常见的落地动作有三个：

• 自动生成“竞品价格日报”（包含异常解释、需要人工确认的项）
• 自动创建工单（例如“某渠道匹配异常”分配给某人）
• 自动更新看板（门店/区域经理每天固定时间看到同一套口径）

这也是《人工智能在零售连锁与商超》系列一直强调的方向：AI 不只是模型能力，而是把零散动作串成可执行的门店运营与总部协同流程。

落地清单：7 天跑出一个能用的版本

如果你想快速验证价值，我建议按下面节奏做（适合 1-3 人小团队）：

1. 第 1 天：选 SKU 与渠道（20 个 SKU，3-5 个渠道）
2. 第 2 天：定义 schema（价格、促销、库存、URL、抓取时间）
3. 第 3 天：跑通单渠道流程（搜索→匹配→打开→抽取）
4. 第 4 天：并行化（ThreadPoolExecutor 并发）
5. 第 5 天：异常与 captcha 流程（可暂停、可人工接管）
6. 第 6 天：入库与报表（日报/看板/CSV 都行，但要固定口径）
7. 第 7 天：告警规则 + 语音问答原型（先做 3 个最常问的问题）

跑完这 7 天，你就能回答一个关键问题：自动化采价到底能不能把“决策速度”提升到你满意的水平。

你该期待的收益，以及不该幻想的事

你可以期待的：

• 竞品采价从“每天人工 1-2 小时”变成“系统定时跑 + 异常时介入”
• 数据一致性更高（字段、口径、时间戳都统一）
• 高频采集带来更快的定价/促销响应

你不该幻想的：

• 完全零维护。页面变化、验证码、限流都需要运营化处理。
• 只靠价格就能赢。价格情报是底座，最终还要结合供应、库存、门店执行力。

不过我一直觉得这笔账很好算：只要你每周能少花 5 小时在手工抄表上，把这 5 小时拿去做活动复盘、商品结构优化、门店陈列沟通，利润通常会更好看。

下一步如果你要把竞品价格情报做成可持续的能力，建议你从“自动化采集 + 可观测 + 可接管”这三件事开始，然后再把数据接到语音助手和工作流上，让团队真正用起来。

你现在的采价流程里，最卡的一步是哪一步——匹配、促销解析、还是验证码？