Si estás ejecutando actores en Apify para hacer scraping de Wildberries, Ozon, Amazon o Google Maps, tarde o temprano surge la pregunta: ¿pagar por el Apify Proxy integrado o conectar un propio pool de direcciones IP? En grandes volúmenes, la diferencia de costo puede alcanzar decenas de miles de rublos al mes. En este artículo analizaremos cómo se calcula el precio del tráfico en Apify, cuándo es más rentable usar tu propio proxy, y cómo conectarlo técnicamente al actor — con ejemplos de código.
Qué son los actores de Apify y por qué necesitan proxies
Apify es una plataforma para ejecutar scrapers listos (actores) sin necesidad de levantar tu propia infraestructura. En Apify Store hay cientos de actores listos: parsers de Amazon, Google Maps Scraper, Instagram Scraper, actores para recopilar tarjetas de productos de Wildberries y Ozon. La mayoría de ellos requiere proxies, porque los sitios objetivo rápidamente bloquean las direcciones IP de los centros de datos de Apify ante solicitudes masivas.
El proxy en el actor resuelve tres tareas: elude las restricciones geográficas (por ejemplo, es necesario recopilar precios específicamente para la región "Moscú" en Wildberries), reduce la frecuencia de captchas y bloqueos temporales, y también distribuye la carga entre múltiples IP, imitando el comportamiento de usuarios normales, no de bots. Sin proxies, la mayoría de los actores para scraping de marketplaces no se ejecutarán en absoluto, o recopilarán datos con errores después de un par de minutos de funcionamiento.
Apify tiene una solución integrada — Apify Proxy, que se conecta con una línea de código. Esto es conveniente para empezar, pero tiene un matiz: el pago se realiza por el tráfico en GB, y en caso de scraping regular o voluminoso, la cuenta crece rápidamente. Es por eso que los usuarios experimentados de la plataforma cada vez más conectan a los actores sus propios proxies en lugar de los integrados.
Cómo funciona el Apify Proxy integrado y su tarificación
Apify Proxy ofrece tres tipos de IP: de centros de datos, residenciales (a través de pools asociados) y
proxies de Google SERP para hacer scraping de resultados de búsqueda. La conexión es muy simple: basta
con indicar el parámetro useApifyProxy: true
en la configuración del actor, y la plataforma rotará automáticamente las IP en cada solicitud o sesión.
El problema radica en el modelo de pago: el tráfico de proxies residenciales dentro de Apify se tarifica por gigabytes, y el precio por GB del solución integrada suele ser más alto que el de los proveedores de proxies directos, porque Apify añade su margen por la integración y gestión del pool. Para pequeñas ejecuciones de prueba (un par de miles de solicitudes al mes) esto no es crítico. Pero si el actor trabaja en modo de monitoreo — por ejemplo, recopilando precios en Wildberries cada hora para 5000 SKU — el consumo de tráfico crece exponencialmente, y el proxy integrado se convierte en el artículo más caro del presupuesto del proyecto, superando incluso el costo del propio plan de Apify.
Un matiz adicional: el pool integrado de Apify es común para todos los clientes de la plataforma. Esto significa que las direcciones IP pueden haber sido ya "expuestas" por otros usuarios que están scraping los mismos sitios. Esto aumenta el riesgo de captchas y bloqueos precisamente en los marketplaces con estrictas protecciones anti-bots, como Ozon y Avito.
Cuándo es más barato un pool de proxies propio: cálculo en cifras
Para entender cuándo la transición a tu propio proxy está justificada, es necesario comparar dos variables: el costo del tráfico en Apify Proxy y el costo de un volumen similar con un proveedor directo de proxies, más los gastos de tiempo en la integración y el mantenimiento de tu propio pool.
La práctica muestra tres escenarios:
- Scraping ocasional (hasta 1 GB de tráfico al mes) — el Apify Proxy integrado es más rentable: no tiene sentido gastar tiempo configurando tu propio pool por una pequeña recolección de datos ocasional.
- Monitoreo regular (5–50 GB al mes) — punto de inflexión. Aquí ya vale la pena calcular: si el actor trabaja diariamente y recopila tarjetas de productos de Wildberries o Ozon, el consumo de tráfico con el proxy integrado crece más rápido que con un pool propio con un costo fijo por IP o con tarifa ilimitada.
- Scraping industrial (más de 50 GB al mes, decenas de actores, múltiples fuentes) — un pool propio casi siempre es más barato, porque se presenta la oportunidad de acordar un precio directo por el tráfico o por la cantidad de IP, sin el margen de la plataforma intermediaria.
Un ejemplo simple de cálculo: si un actor procesa diariamente 10,000 tarjetas de productos, y cada página pesa en promedio 300 KB incluyendo imágenes y scripts (sin optimización de carga de recursos), al mes se acumulan alrededor de 90 GB de tráfico. Con la tarifa de Apify Proxy para tráfico residencial, la suma total a menudo supera el costo de un volumen similar con un proveedor de proxies externo en uno y medio a dos veces. Si el actor está configurado para bloquear la carga de imágenes y scripts externos (lo cual es fácil de hacer a través de la configuración de Puppeteer/Playwright), el peso real del tráfico disminuye drásticamente, y el ahorro al pasar a tu propio proxy se vuelve aún más notable.
Qué tipo de proxy conectar a los actores
La elección del tipo de proxy depende directamente de qué sitio está scraping el actor y cuán sensible es a tráfico de bots.
| Tipo de proxy | Cuándo usar en Apify | Riesgo de bloqueo |
|---|---|---|
| Proxies de centros de datos | Scraping de sitios sin estrictas protecciones anti-bots, fuentes similares a API, catálogos estáticos | Alto en marketplaces con protección |
| Proxies residenciales | Wildberries, Ozon, Amazon, Google Maps Scraper — sitios que detectan IP de centros de datos | Bajo con la rotación adecuada |
| Proxies móviles | Scraping de redes sociales (Instagram, TikTok) a través de actores de Apify, donde se necesita la máxima "pureza" de IP | Mínimo |
Para hacer scraping de marketplaces como Wildberries y Ozon, la elección óptima son proxies residenciales, ya que utilizan IP reales de proveedores domésticos y rara vez caen bajo estrictos filtros anti-bots. Para fuentes menos protegidas (RSS, catálogos abiertos, sitios corporativos) son suficientes las IP de centros de datos — son más baratas y rápidas.
Cómo conectar tu proxy al actor: código y configuración
La mayoría de los actores en Apify están construidos sobre Crawlee (anteriormente Apify SDK) y soportan la transmisión
de su propia lista de proxies a través del parámetro proxyConfiguration.
En lugar del pool integrado, se indica un array de tus direcciones proxy.
import { Actor } from 'apify';
import { CheerioCrawler, ProxyConfiguration } from 'crawlee';
await Actor.init();
// Pasamos nuestra propia lista de proxies en lugar de useApifyProxy
const proxyConfiguration = new ProxyConfiguration({
proxyUrls: [
'http://user:[email protected]:12345',
'http://user:[email protected]:12345',
'http://user:[email protected]:12345',
],
});
const crawler = new CheerioCrawler({
proxyConfiguration,
maxRequestsPerCrawl: 5000,
async requestHandler({ request, $, log }) {
const title = $('title').text();
log.info(`Página recopilada: ${title}`);
await Actor.pushData({ url: request.url, title });
},
});
await crawler.run(['https://www.wildberries.ru/catalog/...']);
await Actor.exit();Si tu pool de proxies soporta rotación del lado del proveedor (así funcionan la mayoría de los servicios residenciales, incluyendo pools con rotación por sesión o por solicitud), basta con indicar un endpoint con parámetros de sesión en la URL — entonces la rotación de IP ocurrirá automáticamente sin necesidad de enumerar manualmente cientos de direcciones.
Para actores en Python (por ejemplo, si ejecutas un script personalizado a través de Apify SDK para Python), la conexión se ve similar:
import requests
proxies = {
"http": "http://user:[email protected]:12345",
"https": "http://user:[email protected]:12345",
}
response = requests.get(
"https://www.ozon.ru/category/...",
proxies=proxies,
headers={"User-Agent": "Mozilla/5.0"},
timeout=15
)
print(response.status_code)
print(response.text[:500])Un punto importante: al pasar a tu propio proxy, asegúrate de configurar manualmente la rotación de sesiones y los retrasos entre solicitudes — el Apify Proxy integrado lo hacía automáticamente, y al conectar un pool externo, la lógica debe ser escrita en el código del actor o en la configuración del crawler.
Tabla comparativa: proxy integrado vs proxy propio
| Criterio | Apify Proxy (integrado) | Pool de proxies propio |
|---|---|---|
| Velocidad de conexión | Una línea de código, sin configuración | Requiere 15-30 minutos para la integración |
| Costo en volúmenes pequeños | Más rentable | Excesivo para ejecuciones raras |
| Costo de 10-50 GB/mes | Aumenta proporcionalmente al tráfico | Más rentable, a menudo modelo fijo |
| "Pureza" del pool de IP | Pool común, posibles intersecciones con otros clientes | Pool dedicado o rotativo para tus necesidades |
| Flexibilidad en geo-targeting | Conjunto limitado de países/regiones | Selección de ciudad/región específica para el marketplace |
| Control sobre la rotación | Automático, sin configuraciones | Configurado manualmente según el patrón necesario |
Casos de uso: scraping de marketplaces en la práctica
Monitoreo de precios en Wildberries. Los vendedores que rastrean los precios de los competidores para 3000-10000 SKU varias veces al día, generalmente comienzan con el Apify Proxy integrado, pero después del primer mes con una gran factura por tráfico, pasan a proxies residenciales vinculados a la región. Esto permite no solo reducir gastos, sino también ver los precios exactamente como los ve un comprador de una ciudad específica — lo cual es crítico, ya que Wildberries muestra diferentes precios dependiendo del almacén y la región de entrega.
Recopilación de tarjetas de productos en Ozon. Ozon utiliza activamente el análisis de comportamiento y rápidamente bloquea IP ante patrones de solicitudes repetitivos. Un actor que trabaja a través del pool común de Apify Proxy se enfrenta con más frecuencia a captchas precisamente porque las mismas IP son utilizadas paralelamente por otros usuarios de la plataforma para tareas similares. Pasar a un pool dedicado de proxies residenciales con su propia lógica de rotación y retrasos aleatorios entre solicitudes reduce la frecuencia de captchas varias veces.
Scraping de Google Maps y reseñas. Para tareas donde no se requiere especificidad geográfica (por ejemplo, recopilación de datos de contacto de empresas en todo el país), a menudo es suficiente proxies de centros de datos — son más rápidos que los residenciales y significativamente más baratos en grandes volúmenes, si el sitio objetivo no aplica una agresiva protección anti-bots.
Lista de verificación para elegir un proxy para el proyecto Apify
- Calcula el volumen real de tráfico del actor por mes (solicitudes × peso promedio de la página)
- Compara este volumen con la tarifa del Apify Proxy integrado — si supera regularmente los 5-10 GB, considera una alternativa
- Determina cuán sensible es el sitio objetivo a los bots — marketplaces como Ozon requieren IP residenciales
- Verifica si se necesita vinculación geográfica a una región específica (relevante para Wildberries y Ozon)
- Configura manualmente la rotación de sesiones y los retrasos entre solicitudes al pasar a un pool externo
- Desactiva la carga de recursos innecesarios (imágenes, fuentes, rastreadores) en el actor — esto reducirá el consumo de tráfico independientemente del tipo de proxy
- Prueba el pool en un volumen pequeño antes de trasladar todos los actores a la nueva configuración
Conclusión
El Apify Proxy integrado es un buen inicio para tareas ocasionales y pequeñas ejecuciones de prueba, pero en scraping regular o industrial de marketplaces, su costo rápidamente supera los gastos de un pool de proxies propio. La transición requiere un poco más de configuración al principio — escribir la rotación, sesiones y configuración de proxy en el código del actor — pero se amortiza ya en el primer mes con volúmenes de 10-50 GB de tráfico.
Si tus actores recopilan datos de Wildberries, Ozon o Amazon, considera proxies residenciales — ofrecen un bajo riesgo de bloqueos y permiten establecer la región necesaria para mostrar correctamente los precios. Para fuentes menos protegidas sin estrictas protecciones anti-bots, son adecuados proxies más económicos de centros de datos, y para hacer scraping de aplicaciones móviles y redes sociales a través de actores de Apify, vale la pena considerar proxies móviles — ofrecen la máxima "pureza" de IP con el mínimo riesgo de detección.