Deteção de anomalias de preço: identificar contrafações antecipadamente com ciência de dados
O primeiro indicador de produtos contrafeitos nos mercados digitais é uma anomalia de preço. Uma descida anormal dos preços do mesmo SKU por região ou período indica frequentemente atividade…
Ciência de dados e deteção de contrafações • 2025
O primeiro indicador de produtos contrafeitos nos mercados digitais é uma anomalia de preço. Uma descida anormal dos preços do mesmo SKU por região ou período indica frequentemente atividade ligada a contrafações ou ao mercado cinzento. A ciência de dados deteta estas anomalias para proteger as marcas de forma proativa.
B10 CounterShield™ • 2025 • Tempo de leitura: ~7 min
1. O que é uma anomalia de preço?
Um desvio inesperado no preço de um produto (SKU) em determinadas regiões, plataformas ou períodos. Por exemplo, um preço habitual de 1000 TL que desce para 600–650 TL em diferentes marketplaces na mesma semana indica risco de contrafação ou de fornecimento não autorizado.
«O preço é o indicador mais discreto, mas mais fiável, de contrafação.»
2. A lógica básica da detecção de anomalias
A ciência de dados utiliza modelação estatística e aprendizagem automática para detetar estes desvios:
- Análise Z-Score: Valores que se desviam do preço médio em 2 ou 3 desvios padrão são considerados anomalias.
- IQR (amplitude interquartil): Preços fora dos limites dos quartis inferior e superior são considerados suspeitos.
- Isolation Forest: Deteção por isolamento, sobretudo em conjuntos de dados multivariados (região, data, avaliação do vendedor, quantidade em stock, etc.).
- LSTM (previsão de séries temporais): Desvios significativos face às previsões de séries temporais são classificados como anomalias.
3. Fontes de dados
- API de marketplaces (Amazon, Trendyol, AliExpress, Temu)
- Histórico do vendedor e dos preços (endpoints de histórico de preços)
- Marcas concorrentes e preços de SKU semelhantes
- Dados cambiais por moeda e região (para normalizar diferenças regionais de preço)
4. Fluxo do modelo: pipeline de deteção de anomalias
| Fase | Descrição | Tecnologia / Método |
|---|---|---|
| Recolha de dados | Dados de preços da SKU provenientes de API e fontes web | Python, Scrapy, REST API |
| Limpeza e normalização | Normalização em moeda, data e plataforma | Pandas, NumPy |
| Detecção de anomalia | Z-Score, Isolation Forest, LSTM | Scikit-learn, PyOD, TensorFlow |
| Aviso e Relatório | Alertas para SKU que excedem o limiar de anomalia | Power BI, Looker Studio, Slack Bot |
5. Exemplo de aplicação
O sistema desenvolvido pela B10, «PriceShield», monitoriza mais de 100.000 SKU por dia para analisar distribuições regionais de preços. Para cada SKU, o modelo gera um anomaly_score como se segue:
{ "sku": "B10-COS-2025", "mean_price": 999.00, "current_price": 649.00, "z_score": -3.42, "region": "TR-West", "anomaly_score": 0.91, "flag": "high-risk" }
«Um SKU mais barato não implica necessariamente maior probabilidade de contrafação; porém, nenhum alerta é tão sistemático como um desvio de preço.»
6. Desvio regional e pontuação de risco
O Price Variance Index (PVI) é calculado para cada SKU. Esta pontuação mede a estabilidade do preço do produto.
| Intervalo de PVI | Estado | Comentário |
|---|---|---|
| 0.0 – 0.2 | Estabilidade | Nenhuma diferença de preços / mercado consistente |
| 0.2 – 0.5 | Atenção | Pode tratar-se de uma campanha regional ou de uma diferença de stock |
| 0.5 – 1.0 | Crítico | Risco de contrafação ou de vendedor não autorizado |
7. Tendências de 2025: deteção preditiva de contrafações
- Os modelos de IA explicam agora não só a anomalia, mas também por que motivo ocorre (IA explicável / SHAP).
- Os identificadores SKU ligados a uma blockchain verificam na cadeia os dados de preço dos produtos originais.
- Deteção de fraude baseada em grafos: detetar manipulação coordenada de preços através das redes de ligações entre vendedores.
Identifique desvios de preço antecipadamente e trave a contrafação antes de começar.
A B10 Digital Agency oferece análise de preços baseada em dados, detecção de anomalias e soluções de monitorização de falsificações para marcas.
Fontes e documentos relacionados
Estes documentos servem de referência para os métodos e regras abordados neste artigo.