Voltar para o Blog

Black Friday 2026: Estudo Diz Que 1 em 3 Ofertas da Amazon Não Tinha Desconto Real

Olá HaWkers, faltando pouco mais de uma semana para a Black Friday de 27/11/2026, o Groundwork Collaborative, um centro de estudos econômicos dos Estados Unidos, publicou em 16/11/2026 o relatório "Deal or Decoy? Amazon's Deceptive Discounts". A conclusão chamou atenção: quase 1 em cada 3 "ofertas" que a própria Amazon destacou na Black Friday e na Cyber Monday de 2024 e 2025 não deixava o produto mais barato do que ele estava no mês anterior. E quase 1 em cada 10 estava mais cara.

No mesmo dia, a Amazon respondeu chamando o estudo de "profundamente falho e falso" e apresentou números próprios que dizem o contrário. Quem tem razão? Mais importante: como você, que vai abrir o carrinho daqui a alguns dias, descobre sozinho se um desconto é de verdade? Neste artigo você vai entender o que o relatório mediu, onde a Amazon contesta, o que a lei diz no Brasil e na Europa, e vai sair com um checador de preço em Python que aplica o mesmo critério do estudo a qualquer produto que você estiver de olho.

O Que o Relatório do Groundwork Mediu

O estudo foi assinado por Breyon Williams, Elizabeth Pancotti e Lindsay Owens, que é a CEO do Groundwork. A amostra final tem 351 produtos tirados das páginas oficiais de ofertas da Amazon para a Black Friday e a Cyber Monday de 2024 e 2025. Essas páginas já saíram do ar, e o relatório aponta cópias arquivadas no Wayback Machine.

O critério é simples e é justamente por isso que ele é útil: comparar o preço durante o evento com o preço que o mesmo produto teve no mês anterior. Se o produto custava igual ou menos semanas antes, a "oferta" não economizou nada para quem esperou a data.

Os números principais:

  • Quase 1 em 3 ofertas (cerca de 29%) não trazia economia real em relação aos 30 dias anteriores.
  • Quase 1 em 10 estava mais cara durante o evento do que antes.
  • Entre as que ficaram mais caras, o preço do evento era em média (mediana) 19% maior do que o preço anterior.

Os exemplos citados são da edição de 2025. Uma bota de chuva feminina da Hunter aparecia por US$ 126,99 na Black Friday, sendo que nove dias antes custava US$ 79,97, ou seja, 59% a mais na "oferta". Uma bota masculina UGG Butte saiu por US$ 179,98 na Cyber Monday, contra US$ 98,40 cerca de quatro semanas antes: 83% a mais. A cobertura da imprensa também citou um Apple Watch Series 10 de 46 mm que estava cerca de 13% mais caro na Black Friday do que quase um mês antes.

Um detalhe que pesa na leitura: o Groundwork disse à MarketWatch que reduziu o escopo do relatório para a Black Friday e a Cyber Monday depois das objeções da Amazon, "por excesso de cautela". A versão anterior, segundo a própria Amazon, olhava quase 1.500 produtos do Prime Day 2026 e da Black Friday/Cyber Monday de 2025.

O Que a Amazon Responde

A resposta veio num post no blog corporativo da empresa, também em 16/11/2026. Os pontos centrais:

  • Refazendo a conta, a Amazon diz que 98% dos produtos em ofertas de 2024 e 2025 estavam no preço igual ou abaixo do preço dos 30 dias anteriores. Para 2025, o número seria 99%.
  • A amostra do Groundwork tem 350 produtos, contra mais de 10 milhões de ofertas nesses eventos. Só 17 dos 200 produtos mais vendidos em oferta entraram no estudo.
  • O estudo teria usado o preço de lista (o preço sugerido pelo fabricante) como se fosse o preço praticado nos últimos 30 dias.
  • Entraram produtos que nunca tiveram o selo de oferta, só um preço riscado.
  • Ofertas antecipadas, que começam antes do evento e mantêm o preço até o fim, teriam sido tratadas de forma errada.

A empresa também descreve a regra interna para um produto ganhar o selo de oferta: estar no preço igual ou abaixo do menor preço dos 30 dias anteriores, medido a partir do início do evento. E diz que, para 2026, apertou essas travas para que as ofertas dos eventos sejam "quase sempre" o menor preço dos últimos 30 dias.

A Amazon admitiu um erro do próprio lado: um pequeno número de produtos foi listado como oferta num post corporativo marcado como "sujeito a alteração", mas, segundo ela, esses itens nunca ganharam o selo na loja.

Por Que Os Dois Números Podem Estar "Certos"

Parece contradição, mas não é necessariamente. Os dois lados estão medindo coisas diferentes:

Ponto Groundwork Amazon
Universo 351 produtos das páginas de destaque Mais de 10 milhões de ofertas
Referência Preço do produto nas semanas anteriores Menor preço dos 30 dias com selo de oferta
O que conta como oferta Tudo que aparecia na página de ofertas Só o que tinha selo oficial
Pergunta respondida "Valeu a pena esperar a data?" "A regra interna foi cumprida?"

Quando a definição muda, o resultado muda. Um produto que aparece na vitrine da Black Friday com preço riscado, mas sem o selo oficial, conta como "oferta" para quem está comprando e não conta para a Amazon. Para o consumidor, essa diferença é invisível.

E isso não é só um problema da Amazon. A técnica de subir o preço semanas antes para depois "baixar" é tão antiga que no Brasil ganhou um apelido: Black Fraude. A lição prática é a mesma para qualquer loja: o preço riscado não é prova de nada. A única referência confiável é o histórico real do preço.

O Que a Lei Diz no Brasil e na Europa

Na União Europeia, a regra é explícita. O artigo 6a da Diretiva de Indicação de Preços (98/6/CE), incluído pela Diretiva Omnibus (UE 2019/2161), obriga a loja que anuncia uma redução de preço a mostrar o preço anterior, definido como o menor preço praticado em um período de pelo menos 30 dias antes da redução. A regra vale desde 28/05/2022, e a orientação da Comissão Europeia deixa claro que promoções anteriores dentro dessa janela também contam. Ou seja: se o produto já esteve mais barato numa promoção duas semanas antes, é esse o preço de referência.

No Brasil não existe uma regra numérica de 30 dias como a europeia. O que existe é o Código de Defesa do Consumidor (Lei 8.078/1990), que no artigo 37 proíbe publicidade enganosa, aquela capaz de induzir o consumidor a erro sobre o preço. Um "de R$ 500 por R$ 300" em que o produto nunca custou R$ 500 cabe aí, e é o tipo de caso que os Procons costumam fiscalizar na época da Black Friday.

O próprio relatório do Groundwork pede que os reguladores americanos adotem algo parecido com a regra europeia: exigir que as lojas mostrem o menor preço dos 30 dias anteriores. Repare que é exatamente o critério que você pode aplicar por conta própria com um pouco de código.

Monte Seu Próprio Checador de Preço Real

A ideia é reproduzir o critério do estudo para os produtos que você quer comprar: guardar o preço todos os dias e, no dia da oferta, comparar com o menor preço dos 30 dias anteriores.

Antes do código, um aviso honesto. Raspar páginas da Amazon viola os termos de uso da loja e costuma ser bloqueado. Para a Amazon, o caminho mais simples é usar ferramentas que já guardam o histórico, como o Keepa e o CamelCamelCamel, ou o próprio histórico de preço que a Amazon mostra no assistente de compras. O checador abaixo serve para analisar esse histórico exportado ou para lojas que publicam o preço em dados estruturados, como veremos depois.

Primeiro, a análise. Ela recebe um histórico de preços e diz se a oferta é real:

# checa_oferta.py
# Aplica o critério "menor preço dos 30 dias anteriores" a um histórico.
from datetime import date, timedelta

def classificar_oferta(historico: dict[date, float], dia_oferta: date, preco_oferta: float) -> dict:
    """historico: {data: preço} com pelo menos alguns dias antes da oferta."""
    inicio = dia_oferta - timedelta(days=30)
    # Só os preços da janela de 30 dias ANTES do evento
    janela = [p for d, p in historico.items() if inicio <= d < dia_oferta]
    if not janela:
        return {"status": "sem dados", "detalhe": "colete o preço por mais dias"}

    menor_30d = min(janela)
    diferenca = (preco_oferta - menor_30d) / menor_30d * 100

    if preco_oferta < menor_30d:
        status = "oferta real"
    elif preco_oferta == menor_30d:
        status = "sem economia"  # mesmo preço que você já podia pagar
    else:
        status = "mais cara"  # o caso que o Groundwork achou em quase 1 de 10

    return {"status": status, "menor_30d": menor_30d, "diferenca_pct": round(diferenca, 1)}


if __name__ == "__main__":
    # Exemplo com os números da bota Hunter citada no relatório
    hoje = date(2025, 11, 28)
    historico = {hoje - timedelta(days=9): 79.97, hoje - timedelta(days=3): 99.99}
    print(classificar_oferta(historico, hoje, 126.99))
    # {'status': 'mais cara', 'menor_30d': 79.97, 'diferenca_pct': 58.8}

Repare que o resultado bate com o relatório: 58,8% arredonda para os 59% que o Groundwork publicou. A função não precisa de dependência nenhuma e funciona com qualquer fonte de histórico.

Coletando o Preço Todo Dia

Muitas lojas publicam o preço do produto em JSON-LD, o formato de dados estruturados do schema.org que o Google usa para mostrar preço nos resultados de busca. Ler esse bloco é bem mais estável do que caçar classes de CSS que mudam toda semana. Confira os termos de uso de cada loja antes de automatizar, e mantenha a frequência baixa: uma leitura por dia basta.

# coleta_preco.py
# Lê o preço do JSON-LD (schema.org Product/Offer) e grava num SQLite.
import json
import sqlite3
from datetime import date

import requests
from bs4 import BeautifulSoup

def extrair_preco(url: str) -> float | None:
    resposta = requests.get(url, headers={"User-Agent": "monitor-de-preco-pessoal/1.0"}, timeout=20)
    resposta.raise_for_status()
    sopa = BeautifulSoup(resposta.text, "html.parser")

    for bloco in sopa.find_all("script", type="application/ld+json"):
        try:
            dados = json.loads(bloco.string or "")
        except json.JSONDecodeError:
            continue
        # O JSON-LD pode vir como objeto único ou lista
        for item in dados if isinstance(dados, list) else [dados]:
            if item.get("@type") != "Product":
                continue
            oferta = item.get("offers", {})
            oferta = oferta[0] if isinstance(oferta, list) else oferta
            if "price" in oferta:
                return float(oferta["price"])
    return None

def salvar(url: str, preco: float) -> None:
    con = sqlite3.connect("precos.db")
    con.execute("CREATE TABLE IF NOT EXISTS precos (url TEXT, dia TEXT, preco REAL, PRIMARY KEY (url, dia))")
    # Um registro por produto por dia; rodar duas vezes no mesmo dia só atualiza
    con.execute("INSERT OR REPLACE INTO precos VALUES (?, ?, ?)", (url, date.today().isoformat(), preco))
    con.commit()
    con.close()

if __name__ == "__main__":
    for url in open("produtos.txt").read().split():
        preco = extrair_preco(url)
        if preco is not None:
            salvar(url, preco)
            print(f"{preco:>10.2f}  {url}")
        else:
            print(f"   sem preço  {url}")

O arquivo produtos.txt tem uma URL por linha. Se você nunca mexeu com raspagem de dados, vale ler antes o guia de web scraping com Python para extrair dados de sites, que explica requests e BeautifulSoup do zero.

Para rodar todo dia sem lembrar, um cron resolve. No macOS ou Linux:

# Edite com: crontab -e
# Roda às 9h todos os dias e guarda o log
0 9 * * * cd ~/monitor-precos && /usr/bin/python3 coleta_preco.py >> coleta.log 2>&1

Comece hoje. Se você começar a coletar em 19/11/2026, chega na Black Friday do dia 27 com oito dias de histórico. Não são os 30 dias completos, mas já é suficiente para pegar o truque mais comum, que é subir o preço na semana anterior.

Juntando Tudo: O Relatório da Sua Black Friday

Com o histórico no SQLite, a última peça é ligar a coleta à função de classificação e gerar um relatório no dia do evento:

# relatorio.py
# Classifica cada produto monitorado no dia da oferta.
import sqlite3
from datetime import date

from checa_oferta import classificar_oferta

def relatorio(dia_oferta: date) -> None:
    con = sqlite3.connect("precos.db")
    urls = [linha[0] for linha in con.execute("SELECT DISTINCT url FROM precos")]
    for url in urls:
        linhas = con.execute("SELECT dia, preco FROM precos WHERE url = ?", (url,)).fetchall()
        historico = {date.fromisoformat(d): p for d, p in linhas}
        preco_hoje = historico.get(dia_oferta)
        if preco_hoje is None:
            continue
        r = classificar_oferta(historico, dia_oferta, preco_hoje)
        print(f"{r['status']:<14} {preco_hoje:>9.2f}  (menor 30d: {r.get('menor_30d', '-')})  {url}")
    con.close()

if __name__ == "__main__":
    relatorio(date(2026, 11, 27))  # Black Friday 2026

A saída é uma lista curta e direta: "oferta real", "sem economia" ou "mais cara" ao lado de cada produto. É exatamente a pergunta que o Groundwork fez à Amazon, só que aplicada à sua lista de compras.

Checklist Rápido Para Quem Não Quer Programar

Se você não quer montar nada, dá para aplicar o mesmo raciocínio na mão:

  1. Ignore o preço riscado. Ele pode ser o preço de lista do fabricante, que talvez nunca tenha sido praticado.
  2. Olhe o histórico. Keepa e CamelCamelCamel mostram o gráfico de preço da Amazon. Em outras lojas, comparadores de preço fazem o mesmo papel.
  3. Compare com o menor preço do mês, não com o maior. Esse é o critério da lei europeia e do relatório.
  4. Tire print do preço hoje. Se a "oferta" da semana que vem vier mais cara, você tem prova para reclamar no Procon.
  5. Desconfie de contagem regressiva. Urgência é a ferramenta preferida de quem não quer que você compare.

Perspectivas: O Preço Vai Ficar Cada Vez Mais Difícil de Ler

O relatório chega num momento em que o preço online está ficando mais dinâmico, não menos. O próprio Groundwork lembra que a FTC, a agência americana de defesa do consumidor, abriu em outubro de 2026 uma investigação sobre o uso de dados pessoais dos clientes para definir preços, e também investiga a ferramenta de preço com IA do Instacart. Quando o preço muda por cliente e por hora, o "preço de antes" vira um conceito escorregadio.

Para quem desenvolve, isso é uma oportunidade e uma responsabilidade. Oportunidade porque transparência de preço é um problema que se resolve com dados: histórico, comparação e alertas. Responsabilidade porque muita gente que lê este blog constrói lojas virtuais, motores de promoção e painéis de preço. Se o seu sistema mostra um "de/por", vale guardar o histórico de preço praticado e calcular a referência a partir dele, e não de um campo de preço de lista que ninguém mantém. Na Europa isso já é obrigação legal. No resto do mundo, é questão de tempo e de confiança.

Até a Amazon concorda com a régua: a regra interna dela é exatamente o menor preço dos 30 dias. A briga é sobre quem aplica a régua e em qual universo de produtos. Com algumas linhas de Python, essa régua passa a ser sua também.

Bora pra cima! 🦅

📚 Quer Acompanhar o Que Vem Por Aí?

Este artigo cobriu o estudo sobre ofertas falsas da Amazon na Black Friday e como checar o preço real com código, mas o ecossistema muda toda semana e nem tudo vira artigo aqui.

No X eu compartilho o que estou testando, os bastidores dos projetos e as novidades que aparecem antes de virarem post.

Me Segue Lá

👉 Seguir @jeffbruchado no X

💡 Conteúdo diário sobre desenvolvimento, carreira e as ferramentas que eu realmente uso

Comentários (0)

Esse artigo ainda não possui comentários 😢. Seja o primeiro! 🚀🦅

Adicionar comentário