El scraping de Amazon con proxies no es un problema de velocidad sino de geografía y ritmo. El mismo ASIN muestra precio, ganador de la Buy Box y a veces disponibilidad distintos según el origen de la petición, así que un IP que solo rota rápido produce datos incorrectos de una forma que no ves.

Esta guía cubre qué personaliza Amazon por IP, cómo fijar IPs residenciales por marketplace y región, y cuándo la rotación destruye la precisión.

Qué personaliza Amazon por geografía

  • Precio y moneda: conversión, visualización de impuestos y precios promocionales cambian por dominio y a menudo por la región detectada dentro del país. Dos peticiones del mismo ASIN pueden devolver dos totales legítimos.
  • Dueño de la Buy Box: qué vendedor gana la caja se decide por petición según el lugar de entrega, el rendimiento del vendedor y el stock. Un IP en la región equivocada puede dar la caja a un vendedor que tus clientes nunca ven.
  • Disponibilidad y promesa de entrega: “en stock”, fechas de entrega y elegibilidad Prime se calculan desde el destino inferido por el IP. Un rastreo de EE. UU. con salida europea informa la promesa incorrecta.
  • Reseñas y variantes de contenido: poblaciones de reseñas, carruseles de «los clientes también vieron» y títulos localizados difieren por marketplace, con localización parcial incluso dentro del mismo dominio.

Cinco comprobaciones antes del primer rastreo

  1. Enumera los objetivos como pares de marketplace y región — amazon.com/US-East, amazon.com/US-West, amazon.de, amazon.co.jp — no solo dominios.
  2. Reserva un pool de IPs residenciales fijas por par, dimensionado según la concurrencia y el número de catálogos seguidos.
  3. Decide por tipo de página: las búsquedas toleran rotación, las fichas de producto no, porque cambiar de IP a mitad de captura altera el conjunto de ofertas.
  4. Define Accept-Language, cookie de moneda y zona horaria plausible por marketplace. Un idioma japonés sobre IP alemana genera una página híbrida que ningún usuario real ve.
  5. Aplica un retraso aleatorio de 5 a 15 segundos por petición, con pausas mayores ocasionales. Las ráfagas uniformes son el camino más seguro al throttling. Guarda marca de tiempo, IP de salida y región en cada oferta.

Tipo de página y estrategia de proxy

  • Resultados de búsqueda: rotación por petición dentro del mismo pool regional; volumen alto y poco estado.
  • Ficha de producto: sticky durante toda la captura, 5 a 15 minutos; precio, Buy Box y entrega deben venir de una sola identidad.
  • Reseñas: sticky y el mismo IP para la paginación; rotar a mitad de la lista devuelve duplicados.
  • Best Sellers y Deals: rotación por petición, muestreo a horas fijas; la consistencia horaria importa más que la variedad de IP.

Construir el pipeline paso a paso

  1. Empieza con un marketplace y una región. Estabiliza precio, Buy Box y entrega antes de añadir una segunda geografía.
  2. Pasa por un IP fijo de región y valida el país de salida y el ASN antes de la petición.
  3. Envía cabeceras y cookies coherentes con el marketplace: idioma, moneda y una sesión que dure toda la captura del detalle.
  4. Aplica ritmo aleatorio de 5 a 15 segundos y backoff exponencial con jitter en 429; ante 503 o CAPTCHA, rota y deja enfriar el objetivo unos minutos. Parsea de forma defensiva, guarda el HTML crudo por campo y una fila por oferta.

Preguntas frecuentes

¿Por qué Amazon bloquea mi scraper aunque use proxies?

Casi siempre el disparador es el comportamiento, no el IP: intervalos uniformes, cabeceras idénticas en miles de peticiones o una huella que contradice el dispositivo declarado. Los proxies solo cambian la identidad de red. Corrige el ritmo, varía cabeceras de forma plausible, mantén cookies coherentes en la sesión y reduce la concurrencia antes de comprar más IPs.

¿Qué tipo de proxy funciona mejor en Amazon?

IPs residenciales fijas a la región del marketplace. Los rangos de centro de datos son conocidos y suelen recibir una experiencia degradada — diseño distinto u oferta recortada — que corrompe los datos aunque la petición funcione. Lo residencial también hace que la Buy Box y las promesas de entrega se parezcan a lo que ve un comprador real.

¿Cómo recolectar reseñas sin duplicados?

Mantén un IP sticky por rastreo de reseñas y pagina dentro de esa sesión, porque la lista depende del estado. Deduplica por ID de reseña, no por posición, captura «principales» y «más recientes» por separado y vuelve a rastrear según calendario comparando por ID.

¿Es legal el scraping de Amazon?

Depende de la jurisdicción, los datos recolectados y su uso. Los datos públicos de producto suelen tratarse distinto de los personales, pero los términos de servicio siguen aplicando. Recoge solo lo necesario, evita datos personales, respeta los límites y solicita revisión legal para tu caso concreto.

Conclusión

Amazon premia la recolección lenta y geográficamente consistente y castiga la rápida y uniforme. Fija IPs residenciales por marketplace y región, rota solo en páginas sin estado, mantén ritmo de cinco a quince segundos y guarda cada oferta con su marca de tiempo e IP de salida. Empieza con proxies residenciales FTProxy y trata la región como campo de primer nivel.