Scraping Google Maps: riscos legais, boas práticas e alternativas

Google Maps contém mais de 5 milhões de fichas comerciais com endereços, telefones, avaliações e horários. É uma mina de ouro para prospecção, análise de mercado ou monitoramento da concorrência. Mas extrair esses dados sem respeitar as regras pode resultar em bloqueios de IP, ações legais e dados corrompidos.

Este artigo explica como fazer scraping do Google Maps sem riscos — e por que uma solução pré-indexada pode economizar meses de desenvolvimento.

---

Por que as pessoas querem fazer scraping do Google Maps

Antes de abordar os riscos, vamos entender por que o scraping do Google Maps é atraente.

Casos de uso legítimos: - Prospecção comercial: recuperar contatos de encanadores, eletricistas, restaurantes de uma região - Análise de mercado: estudar a saturação de uma categoria (quantas pizzarias em Lyon?) - E-reputação: identificar negócios mal avaliados para oferecer consultoria em reputação - Geração de leads: criar uma lista de prospects qualificados com telefone e e-mail - Monitoramento da concorrência: rastrear novos restaurantes, salões, agências que abrem

Números: - 99% das pesquisas locais começam no Google Maps (Google, 2023) - 76% dos usuários do Maps entram em contato diretamente com o negócio a partir da ficha (Google) - Uma ficha bem otimizada gera 5-10x mais leads do que uma ficha abandonada

A API oficial do Google Maps custa €0,007 por requisição (Geocoding), ou seja, €7 para 1.000 requisições. Para extrair 100.000 negócios, isso custa no mínimo €700 — sem contar os limites rigorosos (25.000 requisições/dia).

Daí a importância de fazer scraping diretamente.

---

Os riscos reais do scraping do Google Maps

1. Bloqueio de IP e detecção pelo Google

O Google detecta scrapers através de vários sinais: - Taxa de requisições anormal: 100 requisições em 10 segundos = detecção imediata - Sem User-Agent: um scraper sem identidade de navegador é evidente - Padrões repetitivos: mesmo intervalo entre requisições, mesma ordem de parâmetros - Ausência de comportamento humano: sem cliques, sem rolagens, sem esperas

Resultado: o Google retorna um CAPTCHA ou bloqueia seu IP por 24-72 horas.

Se você usar um IP de datacenter (AWS, Azure, OVH), o bloqueio pode ser permanente para toda a faixa de IP.

Caso real: um desenvolvedor fez scraping de 50.000 restaurantes com um script Python ingênuo. Após 3.000 requisições, o Google bloqueou seu IP. Ele teve que esperar 48h para continuar, e depois foi bloqueado novamente.

2. Riscos legais e condições de uso

Google Maps ToS (Termos de uso): - Artigo 10.1: "Você não deve acessar, pesquisar ou coletar dados do Google Maps por meios diferentes da API oficial, a menos que tenhamos expressamente autorizado." - Violação = fechamento de conta, possíveis ações civis

Regulamentações aplicáveis: - GDPR (Europa): se você extrair dados pessoais (e-mails, telefones), deve ter uma base legal (consentimento, interesse legítimo, etc.). Fazer scraping de e-mails sem consentimento = multa de até €20M ou 4% do faturamento. - CCPA (Califórnia): direito ao esquecimento, direito de acesso. Um scraper não consentido = multa de $7.500/violação - LGPD (Brasil): similar ao GDPR

Ponto chave: os dados públicos no Google Maps NÃO são gratuitos para uso. Eles pertencem ao Google e aos proprietários das fichas.

3. Dados corrompidos e obsoletos

Um scraper caseiro recupera os dados como aparecem naquele momento específico. Problemas: - Sem validação: um número de telefone mal formatado permanece mal formatado - Sem atualização: se você fez scraping em janeiro e reinicia em março, terá dados obsoletos - Duplicatas: mesmo negócio com 2-3 variações de nome (Pizza Luigi, Luigi Pizza, Luigi's) - Dados incompletos: algumas fichas não têm e-mail, outras não têm telefone

Caso real: uma agência fez scraping de 10.000 restaurantes para uma campanha de e-mail. 15% dos números eram inválidos, 8% dos e-mails não existiam mais. O ROI foi reduzido em 40%.

4. Manutenção e custos ocultos

Um scraper deve ser mantido constantemente: - O Google muda o HTML: 2-3 vezes por ano, seu scraper quebra - Proxy caro: se você usar proxies residenciais para evitar bloqueios, conte com €50-500/mês - Resolver CAPTCHA: €0,50-2 por CAPTCHA, isso se acumula rapidamente - Infraestrutura: servidores, banco de dados, monitoramento = €200-1.000/mês

Total real: um scraper "gratuito" geralmente custa entre €500-2.000/mês em infraestrutura e manutenção.

---

Como o Google detecta e bloqueia scrapers

Sinais de detecção

O Google usa várias técnicas para identificar scrapers:

1. Análise do User-Agent

Mau: "Python-requests/2.28.0" ou sem User-Agent
Bom: "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"

Um User-Agent deve se parecer com um navegador real. Scripts Python/Node.js sem User-Agent customizado são detectados em 5 segundos.

2. Fingerprinting do navegador O Google observa: - Os cabeçalhos HTTP (Accept-Language, Accept-Encoding) - Os cookies (ausência = detecção) - O tempo entre requisições - A ordem dos parâmetros (um navegador real mistura a ordem, um scraper repete a mesma)

3. CAPTCHA progressivo O Google exibe um CAPTCHA visual se: - Muitas requisições de um IP em pouco tempo - Sem cookies/sessão - Comportamento não humano

4. Throttling de IP Após vários CAPTCHAs ignorados, o Google bloqueia completamente o IP. Você recebe uma página de erro 429 (Too Many Requests) ou 403 (Forbidden).

Prazo de bloqueio

Situação	Prazos de desbloqueio
1º CAPTCHA	Imediato se resolvido
3-5 CAPTCHAs	1-2 horas
Bloqueio de IP	24-72 horas
Bloqueio de faixa de datacenter	Permanente (necessita IP residencial)

---

Boas práticas para fazer scraping do Google Maps (legalmente)

Se você decidir fazer scraping apesar dos riscos, aqui estão algumas maneiras de minimizar os danos.

1. Respeitar o prazo entre requisições

Regra de ouro: 2-5 segundos no mínimo entre duas requisições.

import time
import requests

for business in businesses_to_scrape:
    response = requests.get(f"https://maps.google.com/...", headers=headers)
    time.sleep(random.uniform(2, 5))  # Prazo aleatório

Por que aleatório? Porque um prazo fixo (sempre 3 segundos) é um padrão que o Google detecta.

Exemplo prático: fazer scraping de 1.000 negócios com um prazo de 3 segundos = 50 minutos. Aceitável para um pequeno projeto. Fazer scraping de 100.000 negócios? 1.388 horas = 58 dias. Nesse ponto, você deve usar proxies e paralelizar.

2. Utilizar proxies residenciais

Os proxies de datacenter (AWS, OVH) são rapidamente bloqueados. Os proxies residenciais (verdadeiros endereços IP residenciais) são mais lentos para serem detectados.

Fornecedores: - Bright Data (ex. Luminati): €500+/mês - Oxylabs: €300+/mês - Smartproxy: €100+/mês para pequeno volume

Rotação de proxies:

proxies = ["proxy1:porta", "proxy2:porta", "proxy3:porta"]
for i, business in enumerate(businesses):
    proxy = proxies[i % len(proxies)]
    response = requests.get(url, proxies={"http": proxy})
    time.sleep(random.uniform(2, 5))

Custo real: 10.000 requisições com proxies residenciais = €50-100.

3. Respeitar os cabeçalhos HTTP

Simule um navegador real:

headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36",
    "Accept-Language": "pt-BR,pt;q=0.9",
    "Accept-Encoding": "gzip, deflate, br",
    "Referer": "https://www.google.com/",
    "Cookie": "session_id=xyz..."  # Manter os cookies
}

Cabeçalhos ausentes ou inválidos são um sinal de scraper.

4. Implementar uma gestão de erros

import time
from requests.adapters import HTTPAdapter
from requests.packages.urllib3.util.retry import Retry

session = requests.Session()
retry_strategy = Retry(
    total=3,
    backoff_factor=1,  # 1s, 2s, 4s
    status_forcelist=[429, 500, 502, 503, 504]
)
adapter = HTTPAdapter(max_retries=retry_strategy)
session.mount("http://", adapter)
session.mount("https://", adapter)

Se você receber um 429 (Too Many Requests), espere 1-2 horas antes de reiniciar.

5. Utilizar resolvedores de CAPTCHA (se necessário)

Se você decidir fazer scraping em grande escala, encontrará CAPTCHAs. Serviços: - 2Captcha: €0,50-2 por CAPTCHA - Anti-Captcha: €0,30-1 por CAPTCHA - CapSolver: €0,30-1,50 por CAPTCHA

from anticaptchaofficial.recaptchav3proxyless import *

solver = recaptchaV3Proxyless()
solver.set_verbose(1)
solver.set_website_key("6LcR_bU...")
solver.set_website_url("https://maps.google.com")
g_response = solver.solve_and_return_solution()

Custo para 10.000 requisições: se 5% geram um CAPTCHA = 500 CAPTCHAs × €1 = €500.

6. Fragmentar as pesquisas

Em vez de fazer scraping de "todos os restaurantes da França" em uma única requisição, fragmentar: - Por cidade (Paris, Lyon, Marselha...) - Por categoria (Pizza, Burger, Sushi...) - Por nota (4+ estrelas, 3-4 estrelas...)

Isso reduz o risco de detecção e permite paralelizar.

7. Respeitar as condições legais

Antes de fazer scraping, pergunte a si mesmo: - Tenho o direito legal de usar esses dados? - Vou respeitar o GDPR (consentimento para e-mails/telefones)? - Vou violar os ToS do Google?

Casos em que o scraping é justificado: - Análise interna (sem revenda) - Prospecção B2B (dados públicos, sem dados pessoais sensíveis) - Pesquisa acadêmica (não comercial)

Casos em que o scraping é arriscado: - Revenda de dados - Criação de um concorrente do Google Maps - Scraping de avaliações ou fotos sem autorização

---

Métodos legais e eficazes para extrair dados do Google Maps

Opção 1: A API oficial do Google Maps

Vantagens: - Legal e suportada - Dados confiáveis e atualizados - Sem bloqueio

Desvantagens: - Caro: €0,007 por requisição (Geocoding), €0,005 (Places Details) - Limites rigorosos: 25.000 requisições/dia - Para 100.000 negócios = €500-1.000 no mínimo

Quando usar: pequenos volumes (< 10.000 negócios), dados críticos.

Opção 2: Scraper com proxies residenciais e gestão de erros

Vantagens: - Mais rápido que a API - Mais barato que a API para grandes volumes

Desvantagens: - Risco legal e técnico - Manutenção permanente - Dados potencialmente corrompidos

Quando usar: se você tem habilidades técnicas e aceita os riscos.

Opção 3: Solução pré-indexada (IBLead)

Vantagens: - Base já indexada e limpa (mais de 5M de fichas) - Atualização mensal - Legal (dados públicos, respeito aos ToS) - Sem scraping = sem bloqueio - Dados enriquecidos (avaliações do Google, tecnologias detectadas, SIRET na França) - Mais barato que fazer scraping por conta própria

Desvantagens: - Assinatura recorrente (€44-250/mês dependendo do volume) - Dados em snapshot (não em tempo real)

Quando usar: prospecção regular, geração de leads, ABM, análise de mercado.

---

IBLead: a alternativa ao scraping

Se você leu até aqui, entende que fazer scraping do Google Maps é caro, arriscado e consome tempo. É aí que uma base de dados pré-indexada se torna relevante.

IBLead é uma base de mais de 5M de fichas do Google Maps em mais de 15 países (França, Bélgica, Suíça, Alemanha, Espanha, etc.). Os dados são: - Legais: extração conforme os ToS, respeito ao GDPR - Enriquecidos: avaliações do Google (texto, nota, data), tecnologias detectadas (mais de 160), SIRET/SIREN (França), e-mails enriquecidos - Atualizados: indexação mensal - Barato: €44/mês para 10.000 créditos (1 crédito = 1 negócio exportado)

Exemplo concreto: você procura todos os encanadores da Île-de-France com menos de 3 estrelas (prospects para consultoria em reputação).

Com um scraper: 1. Desenvolvimento: 2-3 dias 2. Scraping: 5-10 dias (com proxies) 3. Limpeza de dados: 2-3 dias 4. Total: 1-2 semanas, €500-1.500 em custos

Com IBLead: 1. Pesquisa "Encanadores" + "Île-de-France" + filtrar por nota < 3 ⭐ 2. Exportar em CSV 3. Total: 2 minutos, €44/mês

Números chave: - Mais de 160 tecnologias detectadas (WordPress, Shopify, WooCommerce, HubSpot, etc.) - Avaliações do Google scrapped (texto completo, autor, data) — exclusivo - Matching SIRET automático (somente na França) - E-mails enriquecidos a partir do site - API REST para integração

---

Casos de uso práticos

1. Prospecção comercial (Agência web)

Objetivo: encontrar restaurantes com site WordPress desatualizado para oferecer uma reformulação.

Abordagem de scraping: - Scraping de 10.000 restaurantes - Detectar WordPress (necessita parsing do HTML fonte) - Filtrar por nota > 3 (clientes solventes) - Extrair e-mails - Custo: €800-1.200, 10-15 dias

Abordagem IBLead: - Pesquisa "Restaurantes" + filtrar por tecnologia "WordPress" + nota > 3 - Exportar em CSV - Custo: €44, 5 minutos

2. Análise de mercado (Startup food)

Objetivo: entender a saturação das pizzarias em Paris, avaliar as notas médias por arrondissement.

Abordagem de scraping: - Scraping de todas as pizzarias de Paris (mais de 1.500 fichas) - Extrair notas, número de avaliações, endereços - Agrupar por arrondissement - Custo: €300-500, 5-7 dias

Abordagem IBLead: - Pesquisa "Pizzarias" + "Paris" - Filtrar/agrupamento por arrondissement - Exportar em JSON/CSV - Criar um pivot no Excel/Sheets - Custo: €44, 30 minutos

3. E-reputação (Consultor)

Objetivo: identificar restaurantes mal avaliados (< 3 estrelas) para oferecer consultoria em reputação.

Abordagem de scraping: - Scraping de restaurantes - Filtrar por nota < 3 - Extrair avaliações para análise de sentimento - Custo: €1.000+ (scraping de avaliações é complexo), 15-20 dias

**Abordagem