ArticleJuan Pablo Hernandez·2026년 11월 18일·0

How to build a Black Friday price tracker with Firecrawl Alexandria

Quick Summary

블랙프라이데이 일주일 전, 필자는 Firecrawl Alexandria로 상품 685개의 가격을 조회해 세 판매처 표본 모두에서 절반 이상이 표시 정가보다 낮게 판매되고 있음을 확인하고, 주요 광고의 연결 페이지를 매일 추적했다.

How to build a Black Friday price tracker with Firecrawl Alexandria 관련 대표 이미지

🖼️ 인포그래픽

How to build a Black Friday price tracker with Firecrawl Alexandria 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

How to build a Black Friday price tracker with Firecrawl Alexandria의 핵심 내용을 4단계로 요약한 인포그래픽
How to build a Black Friday price tracker with Firecrawl Alexandria 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 요약

블랙프라이데이 일주일 전, 필자는 Firecrawl Alexandria로 상품 685개의 가격을 조회해 세 판매처 표본 모두에서 절반 이상이 표시 정가보다 낮게 판매되고 있음을 확인하고, 주요 광고의 연결 페이지를 매일 추적했다.

📌 핵심 요약

  • 필자는 Shopify, Walmart, Best Buy에서 16회 검색해 첫 페이지에 나온 상품 685개의 현재가와 표시 정가를 비교했다. 두 가격은 카탈로그에서 별도 필드로 제공됐고, 상품 검색에는 총 80 Firecrawl 크레딧이 들었다.
  • 표시 정가보다 저렴한 상품 비율과 할인율 중앙값은 각각 Shopify 표본 500개에서 52%와 45%, Walmart 표본 120개에서 66%와 38%, Best Buy 표본 65개에서 91%와 41%였다.
  • Shopify의 할인율 중앙값은 후드티 59%, 겨울 재킷 50%, 보습제 23%, 커피메이커 25%였다. 표시 정가는 판매자가 정하며, 조사 범위는 각 검색의 첫 페이지로 한정됐다.
  • 필자는 Upspring으로 집행 중인 광고와 연결 페이지를 찾았다. 한 광고는 최대 70% 할인을 내세웠지만 연결 페이지에는 약 50%로 표시됐다. 주요 페이지는 Firecrawl /monitor로 매일 확인해 가격·할인율·행사 종료일의 변화를 추적했다.
  • 상품 검색 20회, Upspring 광고 검색 1회와 연결 페이지 8개 조회, 페이지 20개를 10일간 매일 확인하는 구성의 예상 비용은 약 1,350 Firecrawl 크레딧이었다. 무료 계정에는 1,000 Firecrawl 크레딧이 포함된다.

🧩 주요 포인트

  1. Best Buy 표본은 할인 상품 비율이 91%로 가장 높았고, 할인율 중앙값은 Shopify가 45%로 가장 높았다. 할인이 얼마나 흔한지와 할인 폭이 얼마나 큰지는 서로 다른 지표다.
  2. 판매자가 정한 표시 정가와 첫 페이지 표본은 할인율 해석의 범위를 제한한다. 개별 상품의 할인 폭을 평가할 때는 같은 품목의 할인율 중앙값이 비교 기준이 된다.
  3. Upspring 광고와 연결 페이지의 대조는 같은 시점의 표시 차이를 드러내고, Firecrawl /monitor는 이후 행사 조건이 바뀌는 시점을 포착한다. 예상 비용은 상세 조회와 모니터링 범위에 따라 달라진다.

🧠 상세 정리

1. 블랙프라이데이 일주일 전의 가격 기준선

Juan Pablo Hernandez는 2026년 11월 18일 글에서 블랙프라이데이를 일주일 앞두고 상품 가격이 이미 얼마나 내려갔는지 조사한 결과를 소개했다. 그가 알고 싶었던 것은 할인 알림 봇이나 쇼핑 에이전트가 개별 상품 페이지를 일일이 해석하는 수고 없이 현재가와 표시 정가를 읽을 수 있는지였다. 이를 살펴보기 위해 Shopify 상점과 Walmart, Best Buy에서 총 16회 검색하고 첫 결과 페이지에 나온 상품 685개의 두 가격을 비교했다. 세 판매처 모두 조사한 상품의 절반 이상이 이미 표시 정가보다 저렴했다. 이 시점의 가격을 기준으로 삼으면 행사 당일에 보이는 할인 폭과 행사 전부터 적용되던 할인을 구분해 살펴볼 수 있다.

2. 할인 상품 비율과 할인 폭의 차이

Shopify에서는 후드티부터 커피메이커까지 10회 검색해 상품 500개를 조사했고, 표시 정가보다 저렴한 상품 비율은 52%, 할인율 중앙값은 45%였다. TV·헤드폰·노트북을 조사한 Walmart에서는 상품 120개의 해당 수치가 각각 66%와 38%였고, 같은 세 품목을 조사한 Best Buy에서는 상품 65개에서 91%와 41%였다. Shopify 안에서도 할인율 중앙값은 후드티 59%, 겨울 재킷 50%, 보습제 23%, 커피메이커 25%로 차이가 났다. 필자는 주변 상품의 할인율 중앙값이 이미 45%라면 개별 상품에 붙은 30% 할인도 다르게 보인다고 설명했다. 판매자마다 표시 정가를 직접 정하고 검색 첫 페이지만 집계했으므로, 이 수치는 해당 표본에서 판매자가 제시한 할인 폭을 나타낸다.

3. 하나의 API 키로 조회한 네 데이터 제공자

Firecrawl Alexandria는 여러 데이터 제공자의 기능을 하나의 Firecrawl API 키로 이용할 수 있게 한 라이브러리다. 필자는 Shopify 카탈로그에서 여러 상점의 상품을 검색하고, 이미 URL을 아는 상품은 별도로 조회할 수 있다고 설명했다. Walmart와 Best Buy에서는 각 사의 상품 검색 기능이 현재가와 표시 정가를 제공했고, 네 번째 제공자인 Upspring은 집행 중인 광고와 연결 페이지 정보를 제공했다. 이 구성에서는 판매처별 계정과 데이터 형식을 각각 연동하거나 광고 데이터 구독을 별도로 관리할 필요가 없었다. 이용 가능한 기능을 찾는 것은 무료이고 호출 비용은 기능별로 달라서, 이번에 사용한 80 Firecrawl 크레딧은 회당 5크레딧인 상품 검색 16회의 합계였다.

4. 광고와 상품을 함께 조회할 때의 데이터 차이

Firecrawl SDK는 한 요청에 Alexandria 제공자 호출을 최대 10개까지 담을 수 있다. 필자가 Upspring의 의류 광고 검색과 Shopify의 겨울 재킷 검색을 한 요청에 담았을 때, 결과로 집행 중인 블랙프라이데이 광고 20개와 가격 정보가 있는 상품 50개를 받았다. 같은 요청을 사용해도 입력 형식에는 차이가 있어 Upspring은 옵션 값을 문자열로 받고 Shopify는 검색 개수 같은 값을 숫자로 받는다. Shopify의 현재가와 표시 정가는 상품의 각 옵션에 나란히 들어 있으며, 금액은 센트 단위이고 통화 정보도 함께 제공된다. 각 호출에는 자체 데이터나 오류가 따로 반환돼 한 제공자에서 오류가 나더라도 나머지 결과를 이용할 수 있고, Node SDK 외에 Python SDK, REST API, CLI도 같은 호출 목록 형식을 지원한다.

5. 광고 문구와 연결 페이지의 할인 대조

필자는 판매자가 어떤 행사를 적극적으로 홍보하는지 파악하고 추적할 페이지를 고르는 데 광고를 활용했다. Upspring에서 업종별로 집행 중인 광고를 검색할 수 있고, 개별 광고의 상세 정보를 조회하면 소비자가 광고를 눌렀을 때 도착하는 페이지를 확인할 수 있다. 광고 검색은 50 Firecrawl 크레딧, 상세 조회는 광고 하나당 100 Firecrawl 크레딧이어서 필자는 주목할 만한 광고 몇 개만 골라 연결 페이지를 열었다. 한 시험에서는 광고 문구가 최대 70% 할인을 내세웠지만 연결 페이지에 표시된 할인은 약 50%여서 두 자료를 나란히 읽었을 때 차이가 드러났다. 페이지의 행사 문구는 Firecrawl /scrape로 읽고, 그곳에 실린 상품 가격은 Shopify 카탈로그를 통해 확인할 수 있었다.

6. 행사 조건이 바뀌는 시점을 알리는 모니터

Firecrawl /monitor는 정해진 일정에 따라 페이지를 다시 확인하고 직전 결과와 비교해 그대로 유지됐는지, 새로 생겼는지, 바뀌었는지, 삭제됐는지를 구분한다. 세일 페이지에서는 카운트다운 타이머와 순환 배너도 계속 바뀌므로 모든 차이를 알림으로 받으면 실제 행사 조건이 바뀐 시점을 가려내기 어렵다. 필자는 가격·할인율·행사 종료일을 관심 대상으로 지정해 AI가 알림 여부를 판단하도록 했고, 예시 일정은 뉴욕 시간으로 매일 오전 9시였다. 페이지 하나를 매일 확인하는 데 표시된 월간 예상 비용은 60 Firecrawl 크레딧이었고, 첫 확인에서 비교 기준을 저장하는 데에는 실제로 1크레딧이 들었다. 알림은 웹훅, 이메일 또는 Slack으로 받을 수 있으며, 원문은 대부분의 상점에는 일일 확인이 적합하고 필요하면 간격을 최소 5분까지 줄일 수 있다고 설명한다.

7. AI 비서에서 이용할 때의 연결 조건

필자는 작업 대부분을 코드로 수행했지만, 같은 가격 조회와 광고 페이지 추적을 AI 비서에서도 이용할 수 있다고 설명했다. 원문에 따르면 ChatGPT, Codex, Claude, Grok Bot에는 Firecrawl 기본 커넥터가 있고, Claude Code와 Cursor를 비롯한 MCP 클라이언트는 Firecrawl MCP 서버에 연결한다. Alexandria를 이용하려면 로그인한 연결이나 Alexandria가 활성화된 팀의 API 키가 필요하며, 일반 검색과 페이지 읽기 등에 적용되는 키 없는 접근은 Alexandria까지 포함하지 않는다. 필자가 소개한 활용 예에서는 AI 비서가 상품 가격과 광고 연결 페이지를 조회하고 일일 모니터를 설정하며, 실행 전에 각 작업에 필요한 Firecrawl 크레딧을 보여주도록 했다.

8. 상품 검색 실비와 전체 추적 비용

상품 685개의 가격을 조사한 검색 실비는 80 Firecrawl 크레딧이었고, 광고 조회와 지속적인 모니터링까지 포함한 비용은 별도 예시로 제시됐다. 이 예시에서는 세 판매처에서 상품을 20회 검색하는 데 100크레딧, Upspring에서 광고를 한 번 검색하고 연결 페이지 8개를 조회하는 데 850크레딧이 배정됐다. 페이지 20개를 10일간 매일 확인하는 예상 비용 약 400크레딧을 더하면 총액은 약 1,350 Firecrawl 크레딧이다. 필자는 한 품목군을 위한 행사 주간 추적 비용을 1,500크레딧 미만으로 소개했으며, 무료 계정에 포함되는 1,000크레딧은 이 예시 총액보다 적다. 행사를 며칠 앞두고 시작하는 경우에는 관심 상품 5개와 해당 품목군의 주요 광고 연결 페이지 5개부터 추적하는 방식을 제안했다.

🧾 핵심 주장 / 시사점

  • Best Buy 표본은 상품 열 개 중 아홉 개 이상이 표시 정가보다 저렴했지만, 할인율 중앙값은 Shopify 표본이 더 높았다. 어느 판매처의 할인이 더 크다고 말하려면 비교 지표와 조사 품목을 함께 밝혀야 한다.
  • 카탈로그의 현재가와 표시 정가로는 판매자가 제시한 할인율을 바로 계산할 수 있다. 실제 판매 가격이 언제 바뀌었는지 판단하려면 그 시점과 비교할 이전 관측값이 필요하다.
  • 전체 비용 예시에서 가장 큰 항목은 850크레딧이 든 Upspring 광고 검색과 연결 페이지 조회였다. 상품 검색량만으로는 광고까지 포함한 추적 비용을 가늠하기 어렵다.

✅ 액션 아이템

  • 개별 상품의 할인 폭을 평가할 때 같은 품목의 할인율 중앙값을 함께 비교하고, 표시 정가와 첫 페이지 표본의 한계를 명시한다.
  • Upspring 광고의 할인 문구를 연결 페이지와 대조하고, Firecrawl /monitor로 가격·할인율·행사 종료일의 변화를 추적한다.
  • 상품 검색 16회의 실비인 80 Firecrawl 크레딧과 전체 구성의 예상 비용인 약 1,350 Firecrawl 크레딧을 구분해 추적 범위를 정한다.

❓ 열린 질문

  • 첫 페이지 표본을 벗어나도 Best Buy의 할인 상품 비율 91%와 Shopify의 할인율 중앙값 45%가 비슷하게 나타날까?
  • Upspring에서 발견한 최대 70% 광고와 약 50% 연결 페이지의 차이는 다른 광고에서도 얼마나 자주 나타날까?
  • 무료 계정의 1,000 Firecrawl 크레딧 안에서 추적하려면 연결 페이지 8개 조회와 페이지 20개의 10일간 모니터링 범위를 어떻게 조정할 수 있을까?

관련 문서

공통 태그와 주제 흐름을 기준으로 같이 보면 좋은 문서를 이어서 제안합니다.