In this Article
Les places de marché de seconde main constituent un jeu de données attrayant : des prix de transaction réels pour des biens qui n’ont pas de prix catalogue. Elles constituent aussi l’un des jeux de données les plus désordonnés du ecommerce, car l’objet dont on fixe le prix n’est pas standardisé.
Ce guide explique à quoi les données servent réellement, quels champs déterminent si un modèle fonctionne et où se situent les limites.
Points clés
- Les annonces sont des prix demandés, les articles vendus sont des prix de vente. Un modèle entraîné sur les annonces actives apprend ce que les vendeurs espèrent obtenir, et non ce que les acheteurs paient.
- L’état est la variable qui fait échouer les modèles de tarification, et il est renseigné sous forme de texte libre par les utilisateurs plutôt que dans un champ propre.
- Chaque plateforme a son propre public, de sorte qu’un même article a des prix habituels différents sur Poshmark, Depop et Vinted.
- Les profils de vendeurs sont des données personnelles, et un jeu de données de revente n’en a pas besoin.
- L’accès automatisé est limité par les conditions d’utilisation sur les trois plateformes, ce qui fait d’une collecte limitée, lente et bien cadrée la seule approche défendable.
À quoi ces données servent-elles réellement ?
Trois questions auxquelles elles répondent bien, et une à laquelle elles répondent mal.
La valeur de revente d’un article précis. Le prix auquel un modèle ou un style particulier s’est réellement vendu récemment : c’est la question centrale pour les vendeurs comme pour les marques qui surveillent les marchés secondaires.
Les signaux de demande. La vitesse à laquelle les articles se vendent et l’écart avec le prix demandé, qui évoluent plus tôt que la plupart des indicateurs de vente au détail.
La présence d’une marque dans la revente. Les produits d’une marque qui conservent leur valeur, une information utile aux équipes produit et tarification.
Toute personne qui crée un scraper Poshmark doit savoir ce qu’il ne peut pas répondre : la taille totale du marché. La couverture varie énormément selon les catégories et les zones géographiques, les plateformes ne rendent pas tout accessible et les ventes privées sont invisibles. Estimer la taille du marché à partir des annonces produit des chiffres assurés sans fondement.
Pourquoi les annonces sont-elles trompeuses ?
La plupart des annonces ne se vendent jamais. Nous appelons cela le modèle de données de revente en 4 points.
| Champ | Ce qu’il indique | Piège |
|---|---|---|
| 1. Prix demandé | Optimisme du vendeur | Faire la moyenne des annonces gonfle la valeur perçue |
| 2. Prix de vente | Ce que quelqu’un a réellement payé | Il n’est pas toujours affiché, et les offres se font en privé |
| 3. État | L’essentiel de la variation des prix | Texte libre et déclaré par le vendeur ; non comparable d’un vendeur à l’autre |
| 4. Délai de vente | Intensité de la demande | La remise en vente remet le compteur à zéro et masque les articles qui se vendent lentement |
La troisième ligne est celle où les modèles de tarification échouent discrètement. Deux articles identiques dont l’état déclaré diffère sont des produits différents, et le texte sur l’état est écrit par des personnes aux critères différents. Tout modèle sérieux a besoin d’une normalisation de l’état, et tout modèle qui en est dépourvu ajuste du bruit.
Comment définir le périmètre de la collecte ?
| Objectif | À utiliser dans ce cas | À éviter dans ce cas |
|---|---|---|
| Fixer le prix d’un article précis | Une requête ciblée et restreinte pour des comparables récents | Les balayages larges de catégories, qui ajoutent du bruit |
| Suivre une marque dans la revente | Une liste de produits définie, échantillonnée selon un calendrier | Le crawling de l’ensemble de la plateforme |
| Comparer les plateformes | Les mêmes articles, sur la même période, pour chaque plateforme | Fusionner les plateformes dans une moyenne unique |
| Estimer la taille du marché | Ne pas le faire : la couverture est impossible à connaître | Toujours |
La géographie compte plus qu’il n’y paraît : Vinted est particulièrement fort dans certaines régions d’Europe, Depop présente encore un profil différent, et les prix reflètent le public local. Une sortie épinglée à un pays permet une comparaison honnête, et les proxies résidentiels DataImpulse couvrent 195 pays à $1 par GB.
Quelles sont les limites ?
Ces données ne peuvent pas être traitées comme un flux propre, et quatre limites déterminent jusqu’où elles peuvent aller.
Les conditions d’utilisation limitent l’accès automatisé sur ces plateformes, qui s’en défendent activement. Une collecte restreinte pour la recherche de prix est différente d’une extraction continue, et c’est dans la décision de périmètre que réside la responsabilité.
Les données des vendeurs sont des données personnelles. Les noms d’utilisateur, profils, emplacements et historiques de messages identifient des personnes. Un jeu de données sur les prix de revente n’en a besoin d’aucune : ne les collectez donc pas.
Les contrefaçons faussent le tableau. Les comparables anormalement bon marché pour des marques haut de gamme ne correspondent souvent pas du tout au produit, et les inclure tire un modèle de tarification vers le bas.
Agissez avec modération. Des requêtes lentes et ciblées sur une liste de produits définie sont à la fois plus défendables et plus précises que des crawls larges. Informations générales, pas un avis juridique : consultez le caractère légal du web scraping.
Questions fréquemment posées
Quelles données pouvez-vous obtenir sur les places de marché de revente ?
Les prix demandés, les prix de vente lorsqu’ils sont affichés, l’état déclaré par le vendeur et le délai de vente. Les prix de vente et le délai de vente sont les données utiles ; les prix demandés mesurent l’optimisme des vendeurs, car la plupart des annonces ne se concrétisent jamais.
Pourquoi les modèles de tarification fondés sur les données de revente échouent-ils ?
Généralement à cause de l’état. Il explique l’essentiel de la variation des prix, il est rédigé en texte libre par des vendeurs aux critères différents et il n’est pas comparable entre les annonces sans normalisation. Un modèle sans cette étape ajuste du bruit.
Les prix diffèrent-ils entre Poshmark, Depop et Vinted ?
Oui, de façon importante, car chacune a un public différent et un centre de gravité géographique différent. Un même article a des prix habituels différents ; fusionner les plateformes dans une moyenne unique masque donc ce que vous mesurez.
Puis-je utiliser les données de revente pour estimer la taille du marché ?
Non. La couverture varie selon les catégories et les zones géographiques, les plateformes ne rendent pas tout accessible et les ventes privées sont invisibles. Estimer la taille du marché à partir des annonces produit des chiffres assurés sans rien pour les étayer.
Le scraping des plateformes de revente est-il autorisé ?
Leurs conditions d’utilisation limitent l’accès automatisé et elles s’en défendent ; le périmètre et le rythme sont donc la décision de conception. Une collecte restreinte et lente sur une liste de produits définie est l’approche défendable. Informations générales, pas un avis juridique.
Gardez le marché constant pendant vos comparaisons
Les prix de revente reflètent les publics locaux ; une comparaison qui mélange les pays mesure donc la géographie. Les proxies résidentiels DataImpulse épinglent la collecte à un pays à $1 par GB dans 195 pays. Créez un compte.
À lire également : cas d’utilisation de comparaison des prix · le caractère légal du web scraping · proxies pour le web scraping.
Dernière mise à jour : 18 septembre 2026.