Dale un ID de app o un enlace de Play Store y recibe las reseñas como tabla - el texto, la valoración en estrellas, la fecha, los votos útiles, la versión de la app que usaba quien reseñó y la respuesta del desarrollador cuando existe. Diez columnas, una fila por reseña.
La mayoría de las exportaciones de reseñas son una foto puntual. Lo que hace útil a esta es lo que pasa cuando la vuelves a ejecutar el mes que viene.
Cada fila lleva un review_id. En nuestras 842 filas hubo 559 distintos - y ni una sola ejecución contuvo un duplicado propio. Las repeticiones estaban todas entre ejecuciones, justo lo que cabe esperar al extraer la misma app dos veces. Eso te da una clave limpia: une las exportaciones, descarta las filas cuyo review_id ya tengas, y lo que quede es realmente nuevo.
La referencia documenta además un parámetro cutoff que toma una marca de tiempo mínima, así que puedes pedir nada más antiguo que tu última extracción en lugar de traerlo todo y descartar la mayoría. Entre eso y el id, una extracción mensual sale barata por grande que sea el historial de reseñas - y se hace grande: nuestra muestra se remonta a agosto de 2016.
Merece la pena señalar una diferencia estructural con los demás extractores de este sitio. Aquí no hay columna query. La app enviada se devuelve como app_id, así que si agrupas varias apps en una ejecución, esa es la columna por la que agrupas.
Cuatro ajustes, y dos de ellos son los que mantienen pequeña una extracción recurrente.
Filtrar por una única puntuación de estrellas solo funciona cuando el orden está puesto en valoración.
Esta es la cabecera de la exportación en orden de hoja, idéntica en las 11 ejecuciones. Los porcentajes de relleno están contados sobre las 842 filas que devolvieron esas ejecuciones, con 559 reseñas distintas de tres apps.
com.facebook.katana. Presente en las 842. Esto es lo que identifica la entrada - en este servicio no hay columna query.https:// y siempre en el host de contenido de usuario de Google.2025-03-08. Presente en las 842 y coincidente con YYYY-MM-DD en todas. Las nuestras abarcaron casi diez años.8.116.0.213. Presente en 702 de 842 - pero mira la nota de abajo, porque la cobertura varía mucho según la app.Ocho de las diez columnas estaban presentes en todas y cada una de las filas. Solo app_version y reply varían, y ambas de formas que conviene entender antes de construir - la nota de abajo las cubre. También sobre el orden: la hoja de cálculo pone review_id al final, mientras que la exportación JSON lo pone en segundo lugar. Las mismas diez columnas en ambos casos, así que lee por nombre y no por posición.
Las cuatro salen de leer las 842 filas y no la referencia, y cada una cambia cómo escribirías el trabajo.
Nuestras 842 filas contenían 559 valores distintos de review_id, y ninguna ejecución individual contuvo un duplicado propio - cada repetición fue entre ejecuciones, por extraer la misma app más de una vez. Así que el id es estable entre extracciones y único dentro de una. Une tus exportaciones por él y obtienes un historial de reseñas que crece, en lugar de un montón de archivos casi idénticos.
reply estaba rellena en 15 de 842 filas - menos del dos por ciento. Cada una de esas quince estaba en una reseña de una estrella, y las quince pertenecían a una sola app; las otras dos apps de nuestra muestra no tenían ninguna. Es una muestra demasiado pequeña para convertirla en una regla sobre cómo se comportan los desarrolladores, pero más que suficiente para decir que una función basada en respuestas mirará una columna casi vacía la mayor parte del tiempo.
En conjunto estaba presente en 702 de 842 filas, lo que suena cómodo hasta que lo divides por app: 90 % en una, 84 % en otra y 14 % en la tercera. Así que un desglose de calidad versión por versión es realista para algunas apps y no para otras, y la cifra agregada no te dirá con cuál estás tratando. Comprueba la cobertura en tu propia app antes de construir un gráfico sobre ella.
En nuestras filas el reparto fue 35 % una estrella, 11 % dos, 12 % tres, 7 % cuatro y 35 % cinco - una U, con las menos reseñas en el centro. Cualquier media que calcules a partir de eso no describe casi a nadie. Las lecturas útiles son la forma en sí y el texto detrás de cada extremo, que es justo la razón para extraer las reseñas en vez de la nota que muestra la tienda.
Donde un historial completo de reseñas gana al resumen de la ficha de la tienda.
Como app_version viaja con la reseña, puedes cortar el sentimiento por compilación en vez de por mes. Una caída de la valoración deja de ser un misterio y se vuelve una release concreta - y si las reseñas de la siguiente versión se recuperan, ya tienes tu respuesta sin instrumentar nada.
Las reseñas de la competencia son públicas y llamativamente sinceras. Extrae el texto de una estrella de una app rival y obtienes una lista sin filtros de lo que la gente no soporta de ella - a la vez una hoja de ruta y un surtido de expresiones para tu propio posicionamiento.
Fija la lista de apps, vuelve a ejecutar con una cadencia y deduplica por review_id. Lo que llega cada vez es solo lo nuevo, así que un pico de reseñas de una estrella se ve mientras ocurre y no al final del trimestre, cuando alguien por fin mira la tienda.
Sin suscripción, sin mínimo, sin licencia por puesto. Tus primeras 500 filas corren de nuestra cuenta - después, pago por uso.
Para cada cuenta nueva, una única vez. Sin tarjeta de crédito. Todos los extractores desbloqueados. 500 filas dan para varias apps con un límite por app sensato, suficiente para ver la forma de las valoraciones y comprobar la cobertura de versión de tu propia app.
Aproximadamente 2 $ por cada 1.000 reseñas. Las extracciones recurrentes son donde esto sale barato: deduplicar por el id de reseña y usar el cutoff hace que una actualización mensual cueste una fracción de la primera ejecución, por largo que sea el historial.
Precios por volumen, SLA, workers dedicados y onboarding a medida para equipos que vigilan una cartera de apps con una cadencia fija. Dinos tus cifras y te preparamos un presupuesto.
LIVESCRAPER10 al pagar.La mayoría de los productos salen en ambas plataformas, y las quejas rara vez coinciden. Estos dos cubren el otro lado.
El mismo trabajo en el lado de Apple. Ejecutar ambos para un producto es la única forma honesta de distinguir un fallo específico de plataforma de uno real.
Antes de poder leer las reseñas de una app necesitas su ficha. Busca un conjunto de palabras clave y obtén las apps que posicionan para él, una fila cada una.
Respuesta corta: sí, con una cosa presente - una reseña lleva un nombre visible, así que trátala con algo más de cuidado que una lista de precios.
Las reseñas de Play Store son públicas. Cualquiera puede leerlas sin cuenta, y recopilar información visible públicamente con fines de investigación es una práctica establecida desde hace mucho. Mientras los datos estén disponibles públicamente y el proceso no altere el sitio, no hay leyes federales que lo prohíban.
La parte con la que conviene ser deliberado es que author y author_image describen a una persona, aunque sea solo por un nombre visible que ella misma decidió publicar. Bajo el RGPD eso son datos personales, así que aplican las obligaciones habituales: tener un motivo para conservarlos, no guardarlos más de lo necesario y no intentar enriquecerlos hasta una identidad real. Si tu análisis va sobre la app y no sobre quienes reseñan - que es casi siempre - descartar esas dos columnas al importar no te cuesta nada.
Los términos de Google restringen el acceso automatizado, así que esto sigue siendo una cuestión de términos. No tocamos nada tras un inicio de sesión, no ejecutamos rastreadores de terceros en la capa de datos y tus exportaciones se eliminan automáticamente a los 30 días.
Las preguntas que más oímos. ¿Algo más? Habla con nosotros - las respuestas las escriben personas, no bots.
app_id, author, author_image, rating, date, review, likes, app_version, reply y review_id. Esa es la cabecera de la exportación, idéntica en 11 ejecuciones. Ocho estaban presentes en todas y cada una de nuestras 842 filas; solo app_version y reply variaron. La hoja de cálculo pone review_id al final y el JSON lo pone en segundo lugar, así que lee por nombre y no por posición.com.facebook.katana o un enlace completo de Play Store a la misma app se resuelven ambos, y puedes mezclarlos en una ejecución de hasta 1.000. La app se devuelve como app_id en cada fila, que es por lo que agrupas cuando envías varias.review_id, y en nuestras 842 filas ninguna ejecución repitió uno internamente - los duplicados estaban todos entre ejecuciones. Deduplica por él y te quedas solo con lo nuevo. También hay un ajuste de cutoff que toma una marca de tiempo mínima, así que puedes evitar traer el historial antiguo.2016-08-16 a 2026-07-10 - casi una década de historial para las apps que extrajimos. La profundidad de una ejecución concreta la gobiernan el límite por app y el orden que elijas.reply estaba rellena en 15 de nuestras 842 filas - menos del dos por ciento - y las quince resultaron estar en reseñas de una estrella de una sola app. Cuenta con que la columna esté vacía la mayor parte del tiempo.Envía tus IDs de apps y recibe las reseñas como filas - texto, valoración, fecha, votos útiles, versión y respuesta. Tus primeras 500 filas son gratis.
Play Store te muestra una media de estrellas y las reseñas que él decide que son más relevantes. Ninguna de las dos sirve de mucho para trabajar: la media aplana una distribución que normalmente es de todo menos plana, y las reseñas que ves son un puñado rotatorio elegido por otro. El Extractor de Reseñas de Google Play devuelve en cambio las reseñas subyacentes como tabla - una fila por reseña, con el texto tal como se escribió, la valoración en estrellas, la fecha, el recuento de votos útiles, la versión de la app que usaba quien reseñó, la respuesta del desarrollador cuando existe y un id estable de la propia reseña. Envía IDs de apps o enlaces de Play Store, hasta 1.000 por ejecución, elige cuántas reseñas por app y cómo ordenarlas, y exporta en CSV, JSON o Excel.
Las diez columnas de esta página están medidas, no supuestas. Son la cabecera de la exportación, idéntica en 11 ejecuciones, y cada cifra citada sale de las 842 filas que esas ejecuciones devolvieron - 559 reseñas distintas de tres apps. Ocho de las diez estaban presentes en cada fila. Dos no, y conviene conocer ambas antes de construir: app_version apareció en 702 de 842 en conjunto, pero su cobertura iba del 90 % en una app al 14 % en otra, y reply apareció en solo 15 filas en total. Un límite de la evidencia debe decirse con claridad: esas ejecuciones cubrieron tres apps, lo que basta para establecer la forma de la salida y cómo se comportan las columnas, y no basta para predecir qué devolverá una app concreta tuya. Para eso está el plan gratuito.
Lo que hace que valga la pena conectar este servicio a algo permanente es el id de reseña. En las 842 filas hubo 559 ids distintos, y ninguna ejecución contuvo un duplicado propio - cada repetición fue entre ejecuciones, exactamente como cabe esperar de extraer la misma app dos veces. Eso convierte al id en una clave de deduplicación fiable: une tus exportaciones, descarta los ids que ya tengas, y tendrás un historial de reseñas que crece en lugar de una carpeta de fotos solapadas. La referencia documenta además un parámetro cutoff que toma una marca de tiempo mínima, así que una extracción recurrente no necesita traer el archivo cada vez. Eso importa más de lo que parece, porque el archivo es profundo - nuestra muestra se remontaba a agosto de 2016.
Otras dos cosas condicionan cómo se lee este dato. La primera es la polarización: las valoraciones de nuestra muestra se repartían en torno al 35 % en una estrella y al 35 % en cinco, con solo un 7 % en cuatro, así que el centro de la escala está casi vacío y cualquier media calculada sobre él no describe casi a nadie. El contenido interesante está en los dos extremos, que es el argumento para leer el texto y no la nota. La segunda es que este es el único extractor de aquí sin columna query - la app enviada vuelve como app_id, así que ese es el campo por el que agrupar cuando envías varias. Ten en cuenta también que los nombres de columna de la exportación son los suyos propios; la referencia de la API describe los mismos datos con nombres distintos para su respuesta en bruto, así que construye contra la cabecera que realmente recibes. Empieza gratis: tus primeras 500 filas no cuestan nada y no necesitan tarjeta.