前言做淘宝、跨境电商的朋友应该都有同感人工选品、盯竞品是最耗时间的重复性工作。每天手动翻竞品链接、记录价格、销量、评价、活动变动一天下来大半时间浪费在复制粘贴上数据滞后还容易错过蓝海机会。之前踩过不少坑手动整理 Excel 效率极低浏览器批量采集容易触发平台限制第三方付费工具年费动辄几千数据维度不全还无法自定义监控规则。经过一段时间摸索我搭建了一套轻量化自动化监控方案依托 OpenClaw 数据能力无需复杂环境部署几行代码就能批量拉取商品全维度信息自动保存、定时巡检新手也能快速落地下面完整分享实操流程与源码。一、方案核心优势解决运营选品痛点全维度商品信息一键获取覆盖商品基础标题、售价、sku 规格、历史价格、月销、总销量、好评差评、类目层级、活动优惠、主图详情、库存状态、店铺层级等全部运营核心数据不用多页面切换搜集。定时自动监控异常实时捕捉设置定时循环执行自动对比前后两次数据价格跳水、销量暴涨、上新活动、差评激增都会标记第一时间筛选潜力爆款、规避内卷红海品。轻量化部署无高额订阅成本不用本地搭建复杂爬虫环境规避平台访问限制支持国内、跨境淘宝商品同步采集单次任务批量处理上百个商品链接。数据本地留存自由分析采集结果自动存入 Excel / 本地 JSON 文件可搭配 pandas 做筛选、排序、数据可视化快速筛选高销量低竞争、高转化蓝海款。二、前期准备工作注册登录获取专属密钥凭证个人后台直接复制两组字符备用本地安装 Python3.8 及以上版本安装依赖库requests、pandas、openpyxlpip install requests pandas openpyxl3.整理需要监控的商品 ID / 商品链接清单存入 txt 文档一行一个链接方便批量读取。三、完整实操代码可直接复制运行3.1 基础单商品数据获取脚本功能输入商品 ID返回完整结构化商品数据包含价格、销量、评价、活动信息import requests import json import time # 替换为你自己后台获取的密钥 CLIENT_ID 你的ClientID CLIENT_SECRET 你的ClientSecret def get_goods_detail(item_id): 获取单款商品完整详情数据 headers { Content-Type: application/x-www-form-urlencoded } params { client_id: CLIENT_ID, client_secret: CLIENT_SECRET, item_id: item_id } # 数据请求地址 url https://open.xxxxxx.cn/server/goods/query try: resp requests.post(url, dataparams, headersheaders, timeout30) res_data resp.json() if res_data.get(code) 200: return res_data.get(data) else: print(f商品{item_id}查询失败{res_data.get(msg)}) return None except Exception as e: print(f网络异常{str(e)}) return None # 测试调用 if __name__ __main__: target_item 728956123456 # 替换目标商品ID info get_goods_detail(target_item) if info: print(商品基础信息) print(f商品标题{info.get(title)}) print(f当前售价{info.get(price)}) print(f月销量{info.get(month_sales)}) print(f总评价数{info.get(review_count)}) print(f店铺名称{info.get(shop_name)})3.2 批量监控 数据导出 Excel 脚本功能批量读取多款商品循环采集自动写入表格记录采集时间用于长期对比选品import requests import json import pandas as pd import time CLIENT_ID 你的ClientID CLIENT_SECRET 你的ClientSecret def get_goods_detail(item_id): headers {Content-Type: application/x-www-form-urlencoded} params { client_id: CLIENT_ID, client_secret: CLIENT_SECRET, item_id: item_id } url https://open.onebound.cn/server/goods/query try: resp requests.post(url, dataparams, headersheaders, timeout30) res_data resp.json() if res_data.get(code) 200: return res_data.get(data) else: print(f{item_id} 查询异常{res_data.get(msg)}) return None except Exception as e: print(f请求出错{e}) return None def batch_monitor(item_id_list): 批量采集商品并整理数据 result_list [] current_time time.strftime(%Y-%m-%d %H:%M:%S, time.localtime()) for item in item_id_list: data get_goods_detail(item) if not data: continue row { 采集时间: current_time, 商品ID: item, 商品标题: data.get(title, ), 售价: data.get(price, ), 划线价: data.get(original_price, ), 月销量: data.get(month_sales, 0), 总销量: data.get(total_sales, 0), 好评数: data.get(good_review, 0), 差评数: data.get(bad_review, 0), 店铺名: data.get(shop_name, ), 一级类目: data.get(cat_name_1, ), 活动标签: data.get(promotion_tag, ), 商品链接: fhttps://item.taobao.com/item.htm?id{item} } result_list.append(row) time.sleep(1.2) # 间隔防限流 return result_list def save_to_excel(data, file_name商品监控数据表.xlsx): df pd.DataFrame(data) df.to_excel(file_name, indexFalse) print(f数据已保存至 {file_name}) if __name__ __main__: # 填入需要监控的全部商品ID monitor_ids [ 728956123456, 654321987654, 123456789012 ] goods_data batch_monitor(monitor_ids) if goods_data: save_to_excel(goods_data)3.3 定时自动巡检 异常预警简易脚本新增逻辑对比历史表格数据识别价格下跌、销量暴涨商品打印预警信息实现自动化监控import requests import json import pandas as pd import time import os CLIENT_ID 你的ClientID CLIENT_SECRET 你的ClientSecret EXCEL_FILE 商品监控数据表.xlsx def get_goods_detail(item_id): headers {Content-Type: application/x-www-form-urlencoded} params { client_id: CLIENT_ID, client_secret: CLIENT_SECRET, item_id: item_id } url https://open.onebound.cn/server/goods/query try: resp requests.post(url, dataparams, headersheaders, timeout30) res_data resp.json() if res_data.get(code) 200: return res_data.get(data) return None except Exception as e: return None def check_data_change(new_data): 对比历史数据输出异常商品预警 if not os.path.exists(EXCEL_FILE): print(暂无历史监控记录本次仅保存数据) return old_df pd.read_excel(EXCEL_FILE) old_dict dict(zip(old_df[商品ID], old_df.to_dict(records))) alert_list [] for row in new_data: item_id row[商品ID] if item_id not in old_dict: alert_list.append(f【新品上线】{row[商品标题]}) continue old old_dict[item_id] # 价格下跌预警 if float(row[售价]) float(old[售价]) * 0.9: alert_list.append(f【价格暴跌】{row[商品标题]} 原价{old[售价]} 现价{row[售价]}) # 销量暴涨预警月销增长超500 if int(row[月销量]) - int(old[月销量]) 500: alert_list.append(f【爆款飙升】{row[商品标题]} 月销新增{int(row[月销量]) - int(old[月销量])}) if alert_list: print( 监控异常预警 ) for alert in alert_list: print(alert) def cycle_monitor(monitor_ids, cycle_minute60): 循环定时监控默认60分钟执行一次 while True: print(f\n {time.strftime(%Y-%m-%d %H:%M:%S)} 开始一轮监控 ) result [] now_time time.strftime(%Y-%m-%d %H:%M:%S, time.localtime()) for iid in monitor_ids: info get_goods_detail(iid) if not info: continue line { 采集时间: now_time, 商品ID: iid, 商品标题: info.get(title, ), 售价: info.get(price, 0), 月销量: info.get(month_sales, 0), 店铺名: info.get(shop_name, ) } result.append(line) time.sleep(1) # 异常检测 check_data_change(result) # 追加写入表格 df_new pd.DataFrame(result) if os.path.exists(EXCEL_FILE): df_old pd.read_excel(EXCEL_FILE) df_all pd.concat([df_old, df_new], ignore_indexTrue) else: df_all df_new df_all.to_excel(EXCEL_FILE, indexFalse) print(f本轮监控完成等待{cycle_minute}分钟后再次巡检) time.sleep(cycle_minute * 60) if __name__ __main__: watch_list [728956123456, 654321987654] cycle_monitor(watch_list, cycle_minute30) # 30分钟自动轮询一次3.3 定时自动巡检 异常预警简易脚本新增逻辑对比历史表格数据识别价格下跌、销量暴涨商品打印预警信息实现自动化监控import requests import json import pandas as pd import time import os CLIENT_ID 你的ClientID CLIENT_SECRET 你的ClientSecret EXCEL_FILE 商品监控数据表.xlsx def get_goods_detail(item_id): headers {Content-Type: application/x-www-form-urlencoded} params { client_id: CLIENT_ID, client_secret: CLIENT_SECRET, item_id: item_id } url https://open.onebound.cn/server/goods/query try: resp requests.post(url, dataparams, headersheaders, timeout30) res_data resp.json() if res_data.get(code) 200: return res_data.get(data) return None except Exception as e: return None def check_data_change(new_data): 对比历史数据输出异常商品预警 if not os.path.exists(EXCEL_FILE): print(暂无历史监控记录本次仅保存数据) return old_df pd.read_excel(EXCEL_FILE) old_dict dict(zip(old_df[商品ID], old_df.to_dict(records))) alert_list [] for row in new_data: item_id row[商品ID] if item_id not in old_dict: alert_list.append(f【新品上线】{row[商品标题]}) continue old old_dict[item_id] # 价格下跌预警 if float(row[售价]) float(old[售价]) * 0.9: alert_list.append(f【价格暴跌】{row[商品标题]} 原价{old[售价]} 现价{row[售价]}) # 销量暴涨预警月销增长超500 if int(row[月销量]) - int(old[月销量]) 500: alert_list.append(f【爆款飙升】{row[商品标题]} 月销新增{int(row[月销量]) - int(old[月销量])}) if alert_list: print( 监控异常预警 ) for alert in alert_list: print(alert) def cycle_monitor(monitor_ids, cycle_minute60): 循环定时监控默认60分钟执行一次 while True: print(f\n {time.strftime(%Y-%m-%d %H:%M:%S)} 开始一轮监控 ) result [] now_time time.strftime(%Y-%m-%d %H:%M:%S, time.localtime()) for iid in monitor_ids: info get_goods_detail(iid) if not info: continue line { 采集时间: now_time, 商品ID: iid, 商品标题: info.get(title, ), 售价: info.get(price, 0), 月销量: info.get(month_sales, 0), 店铺名: info.get(shop_name, ) } result.append(line) time.sleep(1) # 异常检测 check_data_change(result) # 追加写入表格 df_new pd.DataFrame(result) if os.path.exists(EXCEL_FILE): df_old pd.read_excel(EXCEL_FILE) df_all pd.concat([df_old, df_new], ignore_indexTrue) else: df_all df_new df_all.to_excel(EXCEL_FILE, indexFalse) print(f本轮监控完成等待{cycle_minute}分钟后再次巡检) time.sleep(cycle_minute * 60) if __name__ __main__: watch_list [728956123456, 654321987654] cycle_monitor(watch_list, cycle_minute30) # 30分钟自动轮询一次四、代码落地使用说明密钥替换登录 OpenClaw 个人后台在个人中心复制两组身份凭证替换代码中CLIENT_ID、CLIENT_SECRET凭证长期有效无需频繁更换。商品 ID 提取淘宝商品链接item.htm?idxxxx等号后数字即为商品 ID批量整理到列表即可一次性监控几十上百款竞品。定时任务调整循环监控脚本中cycle_minute参数控制轮询间隔新店 / 竞品多建议 30~60 分钟一次避免短时间高频请求。数据筛选思路选品实操表格导出后用 pandas 简单筛选即可快速锁定潜力款筛选月销 500~5000、差评占比低于 5%竞争适中转化稳定筛选近一轮销量上涨 300近期流量爆发蓝海品筛选有大额满减、优惠券活动短期冲量机会款。五、实操落地避坑指南请求间隔控制代码内自带 1 秒左右延迟不要删除 sleep 语句短时间大量查询会触发访问限制导致数据返回为空。数据缺失处理部分预售、下架商品会返回空数据脚本内置异常捕获会打印提示并跳过不中断整体批量任务。本地文件备份监控表格会持续追加数据建议每周复制一份备份避免文件损坏丢失长期对比数据。跨境商品适配后台支持切换海外站点数据源只需在后台配置区域代码无需修改即可同步采集海外淘宝商品信息适合跨境卖家。六、总结这套自动化监控方案把原本每天 2-3 小时的人工选品工作压缩到零操作代码一次部署后自动运行实时捕捉竞品价格、销量、活动变动依托 OpenClaw 稳定的数据获取能力不用搭建复杂采集环境中小卖家、个人运营都能低成本上手。获取完整商品结构化数据后结合表格筛选、简单数据分析能精准避开内卷红海快速捕捉短期爆发的潜力新品大幅提升选品效率与店铺运营效率。
