Разработка бота для мониторинга отзывов товаров на маркетплейсах

Негативный отзыв на Ozon или Wildberries может висеть без ответа сутки. За это время он успевает оттолкнуть десятки потенциальных покупателей. Мы разработали бота, который сканирует отзывы в реальном времени и мгновенно уведомляет команду в Telegram. По нашим данным, 70% покупателей меняют мнение о бренде после быстрого ответа на негатив. Наш бот сокращает время реакции с часов до минут. За годы мы реализовали 30+ проектов по репутационному мониторингу — от простых парсеров до Enterprise-систем. Экономия времени на обработку отзывов достигает 40%.

Почему бот окупается за месяц?

Ручная проверка 1000 карточек товаров на нескольких площадках может занимать до 4 часов ежедневно. При стоимости часа оператора в X рублей ежемесячные затраты составляют десятки тысяч. Бот выполняет ту же работу за минуты и обходится в единоразовую инвестицию, которая окупается за 1–2 месяца за счёт снижения трудозатрат и повышения конверсии. В одном из проектов для крупного продавца электроники мы заменили ручной мониторинг 500 карточек на автоматизированный. Время реакции на негатив сократилось с 4 часов до 2 минут, а конверсия в лояльность выросла на 15%.

Бот быстрее ручного мониторинга

Ручная проверка десятков карточек товаров на нескольких площадках занимает часы. Бот проверяет каждую площадку по расписанию: для API-площадок — раз в час, для парсинга — раз в 4 часа. Уведомление приходит в Telegram за 1–2 минуты после появления отзыва. Это в 10–20 раз быстрее ручного подхода.

Как настроить бота за 3 шага?

1. Подготовка источников. Вы передаёте список ссылок на товары или API-ключи (для Яндекс.Маркета). Мы создаём записи в review_sources.
2. Запуск адаптеров. Бот запускает команды reviews:check --platform=... по расписанию. Каждый адаптер реализует интерфейс ReviewAdapterInterface и возвращает массив ReviewDTO.
3. Настройка уведомлений. Указываете Telegram-чат для обычных отзывов и отдельный чат для срочных (негативных). Всё готово к работе.

Архитектура адаптеров для площадок

Каждая площадка — отдельный адаптер. Для платформ с API (Яндекс.Маркет) используем прямые запросы, для остальных — парсинг HTML через Playwright. Все адаптеры реализуют единый интерфейс ReviewAdapterInterface, что упрощает добавление новых площадок.

Схема данных включает две основные таблицы: review_sources (ссылки на товары) и reviews (сами отзывы). Индексы ускоряют выборку непрочитанных отзывов. Вот структура:

CREATE TABLE review_sources ( id BIGSERIAL PRIMARY KEY, platform VARCHAR(50) NOT NULL, -- 'yandex_market', 'ozon', 'google', 'otzovik' product_id BIGINT REFERENCES products(id), external_url TEXT NOT NULL, external_id VARCHAR(255), -- ID карточки на площадке scrape_config JSONB, is_active BOOLEAN DEFAULT TRUE, UNIQUE(platform, external_url) ); CREATE TABLE reviews ( id BIGSERIAL PRIMARY KEY, source_id BIGINT REFERENCES review_sources(id), external_id VARCHAR(255), -- ID отзыва на площадке author VARCHAR(255), rating SMALLINT, -- 1–5 text TEXT, pros TEXT, cons TEXT, published_at TIMESTAMP, discovered_at TIMESTAMP DEFAULT NOW(), sentiment VARCHAR(20), -- 'positive', 'negative', 'neutral' (ML) is_notified BOOLEAN DEFAULT FALSE, UNIQUE(source_id, external_id) ); CREATE INDEX idx_reviews_rating ON reviews(source_id, rating); CREATE INDEX idx_reviews_notified ON reviews(source_id) WHERE is_notified = FALSE; 

API или парсинг: сравнение

API стабильнее, но не у всех площадок открыт. Яндекс.Маркет предоставляет API партнёрам — без блокировок и с полными данными. Ozon и Wildberries API для отзывов не дают, поэтому используем Playwright: браузер рендерит страницу и извлекает отзывы. Это медленнее, но надёжно.

Вот сравнение подходов:

Адаптеры для Яндекс.Маркета и Ozon:

class YandexMarketReviewAdapter implements ReviewAdapterInterface { public function fetchReviews(ReviewSource $source): array { $modelId = $source->external_id; $response = Http::withHeaders([ 'Authorization' => 'Bearer ' . config('services.yandex_market.token'), ])->get("https://api.partner.market.yandex.ru/v2/models/{$modelId}/reviews", [ 'count' => 30, 'page' => 1, ]); return collect($response->json('result.reviews', [])) ->map(fn($r) => new ReviewDTO( externalId: (string) $r['id'], author: $r['author']['name'] ?? 'Аноним', rating: (int) $r['grade'], text: $r['text'] ?? '', pros: $r['pros'] ?? null, cons: $r['cons'] ?? null, publishedAt: Carbon::parse($r['date']), )) ->toArray(); } } class OzonReviewAdapter implements ReviewAdapterInterface { public function fetchReviews(ReviewSource $source): array { $data = $this->playwright->evaluate($source->external_url, <<<JS await page.waitForSelector('[data-widget="webReviewProductScore"]', {timeout: 10000}); const items = document.querySelectorAll('[data-widget="webSingleReview"]'); return Array.from(items).map(el => ({ id: el.dataset.reviewId, rating: parseInt(el.querySelector('[data-rating]')?.dataset.rating) || 0, text: el.querySelector('.review-text')?.textContent?.trim() || '', pros: el.querySelector('.pros')?.textContent?.trim() || null, cons: el.querySelector('.cons')?.textContent?.trim() || null, author: el.querySelector('.author-name')?.textContent?.trim() || 'Аноним', date: el.querySelector('time')?.getAttribute('datetime'), })); JS); return collect($data)->map(fn($r) => new ReviewDTO( externalId: $r['id'], author: $r['author'], rating: $r['rating'], text: $r['text'], pros: $r['pros'], cons: $r['cons'], publishedAt: $r['date'] ? Carbon::parse($r['date']) : now(), ))->toArray(); } } 

Механизм анализа тональности

Используем два уровня. Если рейтинг 1–2 или 4–5 — тональность очевидна. При рейтинге 3 запускаем анализ по ключевым словам или AI:

class SentimentAnalyzer { private array $negativeKeywords = [ 'брак', 'сломан', 'не работает', 'возврат', 'обман', 'разочарован', 'ужас', 'кошмар', 'мусор', 'дрянь', ]; private array $positiveKeywords = [ 'отлично', 'супер', 'доволен', 'рекомендую', 'превзошёл', 'быстро', 'качественно', 'спасибо', ]; public function analyze(ReviewDTO $review): string { if ($review->rating <= 2) return 'negative'; if ($review->rating >= 4) return 'positive'; $text = mb_strtolower($review->text . ' ' . $review->cons); foreach ($this->negativeKeywords as $kw) { if (str_contains($text, $kw)) return 'negative'; } return 'neutral'; } public function analyzeWithAI(string $text): string { $response = $this->openai->chat()->create([ 'model' => 'gpt-4o-mini', 'messages' => [ ['role' => 'system', 'content' => 'Определи тональность отзыва. Ответь одним словом: positive, negative или neutral.'], ['role' => 'user', 'content' => $text], ], 'max_tokens' => 10, ]); return in_array($response->choices[0]->message->content, ['positive', 'negative', 'neutral']) ? $response->choices[0]->message->content : 'neutral'; } } 

Уведомления отправляются в Telegram: для негативных отзывов — в отдельный чат срочной поддержки, для остальных — в общий. Сообщение содержит рейтинг, текст отзыва и ссылку.

class ReviewNotifier { public function notifyNew(Review $review): void { $emoji = match ($review->sentiment) { 'positive' => '⭐', 'negative' => '🚨', default => '💬', }; $stars = str_repeat('★', $review->rating) . str_repeat('☆', 5 - $review->rating); $text = "{$emoji} *Новый отзыв* — {$review->source->platform}\n" . "{$stars} {$review->rating}/5\n" . "*{$review->author}*\n\n" . mb_substr($review->text, 0, 300) . (mb_strlen($review->text) > 300 ? '...' : '') . "\n\n" . "[Открыть отзыв]({$review->source->external_url})"; $chatId = $review->sentiment === 'negative' ? config('telegram.urgent_reviews_chat') : config('telegram.reviews_chat'); $this->telegram->sendMessage([ 'chat_id' => $chatId, 'text' => $text, 'parse_mode' => 'Markdown', ]); $review->update(['is_notified' => true]); } } 

Аналитика рейтинга и расписание проверки:

-- Агрегат рейтинга по платформам за последние 30 дней SELECT rs.platform, COUNT(*) AS total_reviews, ROUND(AVG(r.rating), 2) AS avg_rating, COUNT(*) FILTER (WHERE r.rating <= 2) AS negative_count, COUNT(*) FILTER (WHERE r.rating >= 4) AS positive_count FROM reviews r JOIN review_sources rs ON r.source_id = rs.id WHERE r.published_at >= NOW() - INTERVAL '30 days' GROUP BY rs.platform ORDER BY avg_rating; -- Быстрые платформы с API — каждый час $schedule->command('reviews:check --platform=yandex_market')->hourly(); -- Парсинг через браузер — каждые 4 часа (ресурсоёмко) $schedule->command('reviews:check --platform=ozon')->everyFourHours(); $schedule->command('reviews:check --platform=wildberries')->everyFourHours(); -- Еженедельный сводный отчёт с трендом рейтинга $schedule->job(new WeeklyReviewsReportJob)->weekly()->mondays()->at('09:00'); 

Что делать, если площадка меняет HTML-структуру?

Парсинг зависим от вёрстки. При изменении селекторов адаптер перестаёт работать. Мы предусмотрели мониторинг: раз в сутки бот проверяет, что адаптер возвращает непустой результат. Если ошибка — уведомление в Telegram. Мы оперативно обновляем селекторы. В договоре фиксируем 2 недели пост-релизной поддержки, в течение которых адаптеры корректируются бесплатно.

Что входит в работу?

Проект под ключ включает: проектирование схемы данных, разработку адаптеров для трёх площадок, настройку расписания, реализацию анализа тональности, Telegram-уведомления, дашборд аналитики в админке. Сроки: базовая версия — 2 дня, полный комплект — до 5 рабочих дней. Стоимость рассчитывается индивидуально под ваш стек и количество площадок. Мы гарантируем стабильную работу бота при соблюдении лимитов площадок.

Свяжитесь с нами — оценим ваш проект за один рабочий день. Получите консультацию инженера.