กลับ
AI จับโกงราคาคู่แข่ง — เมื่อ 'ถูกกว่า' ไม่ได้แปลว่า 'ซื้อได้'
AI Workflow3 มีนาคม 25693 นาที

AI จับโกงราคาคู่แข่ง — เมื่อ 'ถูกกว่า' ไม่ได้แปลว่า 'ซื้อได้'

สร้างระบบ AI monitor ราคาคู่แข่ง E-commerce อัตโนมัติ — scrape 600+ สินค้า จับคู่ เทียบราคา เช็คสต็อค แล้วพบว่าคู่แข่งปั่นราคาสินค้าที่หมดสต็อค

Tor Supakit

Tor Supakit

AI × Digital Marketing Agency

ลูกค้า E-commerce ที่ขายสินค้าหลายร้อย SKU มาบอกว่า "คู่แข่งถูกกว่าเราเกือบทุกตัว" ผมเลยสร้างระบบให้ AI เช็คราคาคู่แข่งอัตโนมัติ — แล้วก็เจอสิ่งที่ไม่คาดคิด

ปัญหา: เช็คราคามือ = เป็นไปไม่ได้

AI Competitor Price Monitor — ติดตามราคาคู่แข่ง
AI Competitor Price Monitor — ติดตามราคาคู่แข่ง

ลูกค้ามีสินค้า 500+ รายการ คู่แข่งหลายร้าน แต่ละร้านก็ปรับราคาทุกวัน ถ้าจะเทียบราคาทีละตัว x ทีละร้าน ทำมือก็ใช้คนทั้งวันยังไม่เสร็จ

แล้วราคาที่เทียบได้ก็ไม่ได้บอกภาพจริง — เพราะ ราคาถูกกว่า ≠ ซื้อได้จริง

Solution: AI Pipeline 6 ขั้นตอน

ผมสร้าง script ที่ทำทุกอย่างใน pipeline เดียว รันจบภายใน 20 วินาที:

1. Scrape สินค้าร้านลูกค้า (175 รายการ)
2. Scrape สินค้าคู่แข่ง (468 รายการ) ผ่าน API
3. จับคู่สินค้าอัตโนมัติ — แบรนด์ + รุ่น + ประเภท
4. เทียบราคาทุกคู่
5. ★ เช็คสต็อค — สินค้ามีจริงหรือแค่ตั้งราคาไว้?
6. เขียนรายงานลง Google Sheet พร้อม highlight สี

ทำไมต้อง "จับคู่"?

สินค้าตัวเดียวกัน ชื่อต่างกันคนละร้าน เช่น:

ร้านเราร้านคู่แข่ง
"Brand X Wireless Earbuds Pro""Brand-X Pro TWS Earbuds"
"Brand Y Speaker 20W Portable""Brand Y Portable Speaker (20 Watt)"

AI ต้อง normalize ชื่อ แยก brand ออกมา แยก spec จากหลาย format แล้วจับคู่โดยดูจาก:

  1. Brand — dictionary 60+ แบรนด์พร้อม alias
  2. Model/Spec — match exact หรือ ±10%
  3. Sub-type — อุปกรณ์เสริม vs ตัวเครื่อง vs ชุดพร้อมใช้ (ต้องเป็นประเภทเดียวกัน)

ใน 175 x 468 = 81,900 คู่ที่เป็นไปได้ AI จับคู่ได้ 50 คู่ที่ match จริง

Plot Twist: จับโกงได้

ผลเปรียบเทียบออกมา ดูเหมือนคู่แข่งถูกกว่าเราเป็นส่วนใหญ่:

29 รายการที่คู่แข่งตั้งราคาถูกกว่า... น่าตกใจ?

แต่พอเพิ่ม step ที่ 5 — เช็คสต็อค จริง ภาพเปลี่ยนไปเลย:

สถานะจำนวนความหมาย
ภัยจริง (ถูกกว่า + มีของ)15ต้องปรับราคา
ปั่นราคา (ถูกกว่า + หมดของ)14ไม่ต้องกังวล
เราถูกกว่า13ปลอดภัย
ราคาเท่ากัน8OK

จาก 29 ที่ดูเหมือนแพ้ → แพ้จริงแค่ 15 (ลดตกใจ 48%)

14 รายการที่คู่แข่ง "ถูกกว่า" — สินค้าหมดสต็อคทุกตัว ไม่มี variant ไหนมีของสักอัน ทดสอบ 19 รายการ → stock = 0% ทุกตัว

Red / Green / Grey Framework

ผมสร้าง framework ง่ายๆ ให้ลูกค้าอ่านผลเปรียบเทียบราคาได้ทันที:

สีหมายความว่าAction
แดงคู่แข่งถูกกว่า + มีสต็อคภัยจริง — ต้อง action
เขียวเราถูกกว่าปลอดภัย
เทาคู่แข่งถูกกว่า + หมดสต็อคปั่นราคา — ไม่ต้อง panic

ทำไม 'เทา' สำคัญ?

ถ้าเทียบแค่ราคา ไม่เช็คสต็อค ลูกค้าจะ panic เปล่าๆ — คิดว่าแพ้ 29 ตัว ทั้งที่แพ้จริงแค่ 15 ตัว คู่แข่งบางร้านตั้งราคาถูกมากกับสินค้าที่ไม่มีขาย เพื่อให้ดูดีใน search results หรือ comparison tools

ผลลัพธ์ที่ Google Sheet

Pipeline เขียนผลลง Google Sheet อัตโนมัติ 4 tabs:

Tabเนื้อหา
Dashboardสรุปภาพรวม — แพ้กี่ตัว ชนะกี่ตัว
vs [คู่แข่ง]เทียบราคาทีละตัว + สี red/green/grey
สินค้าเรารายการสินค้าเราทั้งหมด + ราคา + สต็อค
สินค้าคู่แข่งRaw data ที่ scrape มา

แถว สีแดง = ต้อง action ทันที แถว สีเทา = ไม่ต้องสนใจ (ปั่นราคา) แถว สีเขียว = ชิลได้

ลูกค้าเปิด Sheet แล้วรู้เลยว่าต้องทำอะไร ไม่ต้องมานั่งวิเคราะห์เอง

Technical Notes

Platform ที่ scrape ได้

Platformวิธี scrapeวิธีเช็ค stock
Shopify/products.json API (เร็วมาก)variant.available field
WooCommerceParse HTML category pagesoutofstock CSS class

Shopify ง่ายกว่ามาก — มี JSON API ให้ดึง product + variants + stock ครบในที่เดียว WooCommerce ต้อง parse HTML ทีละหน้า ช้ากว่าแต่ก็ทำได้

Product Matching Algorithm

# Simplified matching logic
1. Extract brand (60+ brands, longest-match-wins)
2. Extract model/spec (regex: model numbers, wattage, capacity)
3. Check sub-type (accessory vs device vs bundle)
4. Score: exact spec = 100, ±10% = 80, brand only = 70
5. Accept matches >= 70

Match accuracy ประมาณ 85-90% — ยังมีบางตัวที่ชื่อต่างกันมากจนจับคู่ไม่ได้ ต้องเพิ่ม alias เข้า dictionary เรื่อยๆ

สรุป

metricก่อนหลัง
เวลาเช็คราคาทั้งวัน (manual)20 วินาที
ครอบคลุมไม่กี่สิบตัว175 vs 468 ตัว
เช็คสต็อคไม่เคยเช็คทุกตัว + ทุก variant
ความแม่นยำดู % ไม่ได้ข้อมูลจริง + highlight สี
ตื่นตกใจเยอะลดลง 48% (เพราะแยก fake ออก)

บทเรียน

ข้อมูลราคาอย่างเดียวไม่พอ — ต้องดู stock ด้วยเสมอ ไม่งั้นจะตกใจกับ "ราคาถูก" ที่ซื้อไม่ได้จริง ถ้าเจอคู่แข่งถูกกว่าทุกตัว ให้สงสัยก่อนเชื่อ

e-commerceprice-monitoringweb-scrapingautomationdata-analysis
แชร์บทความนี้

บทความที่เกี่ยวข้อง

วิเคราะห์คู่แข่งฟรี ด้วย NotebookLM — พบ 12 รายการที่เราแพ้ราคาจริงAI Workflow
18 มีนาคม 2569

วิเคราะห์คู่แข่งฟรี ด้วย NotebookLM — พบ 12 รายการที่เราแพ้ราคาจริง

ผมใช้ NotebookLM วิเคราะห์คู่แข่ง E-commerce จริง — feed 20 sources เข้า NLM วิเคราะห์ 50+ สินค้า พบราคาถูกกว่าเรา 12 รายการ ได้ 3 insights ที่เปลี่ยน strategy ทันที

6 นาที
Victor Perez สอนสร้าง 5 AI Agents — เปรียบกับระบบ 7 Teams ที่ใช้จริงAI Workflow
11 มีนาคม 2569

Victor Perez สอนสร้าง 5 AI Agents — เปรียบกับระบบ 7 Teams ที่ใช้จริง

สรุป approach ของ Victor Perez (180K views) เรื่อง Multi-Agent Workflow และเปรียบเทียบกับ DopeLab's 7 Agent Teams ที่ใช้งานจริงทุกวัน — อะไรเหมือน อะไรต่าง อะไรดีกว่า

5 นาที
11 AI ทำงานพร้อมกัน — Agent Teams ที่ทำงาน 3 วัน เสร็จใน 2 ชั่วโมงAI Workflow
4 มีนาคม 2569

11 AI ทำงานพร้อมกัน — Agent Teams ที่ทำงาน 3 วัน เสร็จใน 2 ชั่วโมง

ใช้ Claude Code Agent Teams สั่ง 11 AI instances ทำงานพร้อมกัน — Strategy, Content, Media, Data, Design — คุยกันเอง แบ่งงานเอง เราแค่ approve

3 นาที