Парсер отзывов: автоматизация сбора и импорта с маркетплейсов

Сбор и импорт отзывов с маркетплейсов: разработка парсера

Мы разрабатываем парсеры для автоматического сбора отзывов с маркетплейсов. Клиент потерял 30% конверсии из-за устаревших отзывов — ручной сбор занимал часы, данные не обновлялись неделями. Наша команда (5+ лет опыта, более 50 проектов) создала решение, которое собирает отзывы с Wildberries, Ozon, Яндекс.Маркета и других площадок, нормализует их и импортирует в базу магазина. Экономия времени — до 70%. Окупаемость проекта — 2–3 месяца. Закажите разработку парсера для вашего интернет-магазина.

Типичная ситуация: менеджер вручную копирует отзывы с 5 маркетплейсов по 200 товаров — это 8 часов в день. Данные устаревают, клиенты не видят новых отзывов неделями, доверие падает. Парсер забирает отзывы каждые 2 часа, обновляя страницы товаров в реальном времени. Результат: рост конверсии на 15% за первый месяц.

Технически, каждый маркетплейс — своя головная боль. Wildberries даёт JSON API, но с ограничением 1000 отзывов за сессию. Ozon — SPA на Nuxt, где данные подгружаются через GraphQL, приходится эмулировать браузер через Playwright. Яндекс.Маркет меняет структуру раз в полгода, поэтому мы используем адаптивный парсинг с fallback-стратегией. Наш стек — Python для high-load площадок, PHP (Laravel) для интеграции с вашим сайтом.

Поддерживаемые маркетплейсы и методы

Сравнение методов: JSON-API (Wildberries) обрабатывает 1000 отзывов за 10 секунд, а Selenium на Ozon — те же 1000 за 5 минут. Разница в 30 раз. Для производительности выбираем JSON, где возможно.

Как работает парсер Wildberries?

Используем асинхронный httpx для обхода пагинации. Пример:

# scraper/reviews/wildberries.py
import httpx
import asyncio
from dataclasses import dataclass
from typing import Optional

@dataclass
class Review:
    external_id: str
    product_nm_id: int
    author: str
    rating: int
    text: str
    pros: Optional[str]
    cons: Optional[str]
    date: str
    photos: list[str]
    helpful_count: int

class WildberriesReviewScraper:
    REVIEWS_URL = "https://feedbacks2.wb.ru/feedbacks/v2/{nm_id}"

    def __init__(self):
        self.client = httpx.AsyncClient(
            headers={
                "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64)",
                "Origin": "https://www.wildberries.ru",
                "Referer": "https://www.wildberries.ru/",
            }
        )

    async def get_reviews(self, nm_id: int, take: int = 100) -> list[Review]:
        all_reviews = []
        skip = 0
        while True:
            url = self.REVIEWS_URL.format(nm_id=nm_id)
            params = {
                "immt": nm_id,
                "skip": skip,
                "take": take,
                "order": "dateDesc",
            }
            resp = await self.client.get(url, params=params)
            resp.raise_for_status()
            data = resp.json()
            feedbacks = data.get("feedbacks", [])
            if not feedbacks:
                break
            for fb in feedbacks:
                all_reviews.append(self._normalize(nm_id, fb))
            skip += take
            await asyncio.sleep(1.0)  # Ограничение: не более 1000 отзывов за сессию
            if skip >= 1000:
                break
        return all_reviews

    def _normalize(self, nm_id: int, raw: dict) -> Review:
        photos = []
        for photo in raw.get("photos", []):
            if full_url := photo.get("fullSize"):
                photos.append(full_url)
        return Review(
            external_id=raw.get("id", ""),
            product_nm_id=nm_id,
            author=raw.get("wbUserDetails", {}).get("name", "Покупатель"),
            rating=raw.get("productValuation", 0),
            text=raw.get("text", ""),
            pros=raw.get("pros"),
            cons=raw.get("cons"),
            date=raw.get("createdDate", ""),
            photos=photos,
            helpful_count=raw.get("feedbackValuation", 0),
        )

Парсинг HTML-отзывов

Для сайтов без API используем парсинг HTML через PHP и Symfony Crawler. Пример для iHerb:

// app/Services/ReviewScraper/HtmlReviewScraper.php
class HtmlReviewScraper
{
    public function scrapeIherb(string $productUrl, int $pages = 5): array
    {
        $reviews = [];
        for ($page = 1; $page <= $pages; $page++) {
            $html = $this->fetch("{$productUrl}?p={$page}&is=1&s=6");
            $crawler = new Crawler($html);
            $items = $crawler->filter('[itemprop="review"]');
            if (!$items->count()) break;
            $items->each(function (Crawler $node) use (&$reviews) {
                $reviews[] = [
                    'external_id' => $node->attr('data-review-id'),
                    'author' => trim($node->filter('[itemprop="author"]')->text('')),
                    'rating' => (int) $node->filter('[itemprop="ratingValue"]')->attr('content'),
                    'date' => $node->filter('[itemprop="datePublished"]')->attr('content'),
                    'title' => trim($node->filter('[itemprop="name"]')->text('')),
                    'text' => trim($node->filter('[itemprop="reviewBody"]')->text('')),
                    'helpful' => (int) $node->filter('.helpful-yes')->text('0'),
                    'verified' => $node->filter('.verified-buyer')->count() > 0,
                ];
            });
            sleep(rand(2, 4));
        }
        return $reviews;
    }
}

Дедупликация и импорт в Laravel

После сбора отзывы проходят через Job с дедупликацией по external_id и source. Пример:

// app/Jobs/ImportProductReviews.php
class ImportProductReviews implements ShouldQueue {
    public int $tries = 3;
    public int $backoff = 120;

    public function handle(ReviewImportService $service): void {
        $mapping = ProductReviewMapping::where('product_id', $this->productId)
            ->where('source', $this->source)
            ->firstOrFail();

        $reviews = $this->scrape($mapping->external_id);
        $imported = 0;
        $skipped = 0;

        foreach ($reviews as $reviewData) {
            $exists = ProductReview::where([
                'source' => $this->source,
                'external_id' => $reviewData['external_id'],
            ])->exists();

            if ($exists) {
                $skipped++;
                continue;
            }

            $service->import($this->productId, $this->source, $reviewData);
            $imported++;
        }

        Log::info("Reviews imported", [
            'product_id' => $this->productId,
            'source' => $this->source,
            'imported' => $imported,
            'skipped' => $skipped,
        ]);
    }
}

Фильтрация и модерация

Стоп-слова (спам, реклама, ненормативная лексика), слишком короткие отзывы (<20 символов) и анонимизация авторов — всё настраивается. Ниже пример сервиса:

// app/Services/ReviewImportService.php
class ReviewImportService
{
    private array $stopWords = ['купите', 'скидка', 'промокод', 'vk.com', 't.me'];

    public function import(int $productId, string $source, array $data): ?ProductReview
    {
        if (mb_strlen($data['text']) < 20) {
            return null;
        }

        foreach ($this->stopWords as $word) {
            if (mb_stripos($data['text'], $word) !== false) {
                return null;
            }
        }

        return ProductReview::create([
            'product_id' => $productId,
            'source' => $source,
            'external_id' => $data['external_id'],
            'author' => $this->anonymizeAuthor($data['author']),
            'rating' => max(1, min(5, (int) $data['rating'])),
            'text' => $this->sanitize($data['text']),
            'pros' => $this->sanitize($data['pros'] ?? ''),
            'cons' => $this->sanitize($data['cons'] ?? ''),
            'date' => $data['date'],
            'is_verified' => $data['verified'] ?? false,
            'helpful' => $data['helpful'] ?? 0,
            'status' => 'pending',
        ]);
    }

    private function anonymizeAuthor(string $name): string
    {
        $parts = explode(' ', trim($name));
        if (count($parts) >= 2) {
            return $parts[0] . ' ' . mb_substr($parts[1], 0, 1) . '.';
        }
        return $name ?: 'Покупатель';
    }

    private function sanitize(string $text): string
    {
        return strip_tags(trim($text));
    }
}

Structured data для SEO

После импорта отзывы публикуются в JSON-LD на странице товара. Это повышает шанс попасть в rich snippets и увеличивает CTR на 20-30%. Подробнее о structured data.

// app/Http/Controllers/ProductController.php
public function show(string $slug): Response
{
    $product = Product::withReviews()->findBySlug($slug);
    $reviewSchema = $product->reviews->map(fn($r) => [
        '@type' => 'Review',
        'author' => ['@type' => 'Person', 'name' => $r->author],
        'datePublished' => $r->date,
        'reviewBody' => $r->text,
        'reviewRating' => [
            '@type' => 'Rating',
            'ratingValue' => $r->rating,
            'bestRating' => 5,
        ],
    ]);
    $aggregateRating = [
        '@type' => 'AggregateRating',
        'ratingValue' => round($product->reviews->avg('rating'), 1),
        'reviewCount' => $product->reviews->count(),
    ];
}

Как избежать блокировок при парсинге?

Для обхода блокировок используем пул из 50+ резидентных прокси, рандомные задержки от 1 до 4 секунд, ротацию User-Agent (Chrome, Firefox, Safari). Капчу решаем через Anti-Captcha. Каждая сессия ограничена 1000 отзывов.

Почему автоматизация отзывов повышает SEO?

• Structured data (JSON-LD) помогает поисковикам показывать рейтинг в сниппете.
• UGC-тексты содержат длинные хвосты ключевых слов.
• Регулярное обновление сигнализирует о живом магазине.

Сравнение: ручной сбор 100 отзывов занимает 2 часа, наш парсер — 2 минуты, в 60 раз быстрее. Экономия бюджета на копирайтеров и модераторов — до 70%.

Процесс работы

1. Анализ: определяем площадки, API, сложность.
2. Разработка: пишем парсер, модерацию, дедупликацию.
3. Тестирование: прогон на 1000+ отзывов, проверка багов.
4. Деплой: настройка cron, мониторинг ошибок.
5. Документация: описание стека, инструкция по запуску.

Что входит в работу

• Парсер для каждой площадки (до 5 площадок).
• Модерация (стоп-слова, длина, анонимизация).
• Дедупликация (по external_id + source).
• Автоматическое обновление по расписанию (ежедневно или раз в 4 часа).
• Structured data на странице товара.
• Логирование и уведомления об ошибках.

Сроки: от 3 до 5 рабочих дней на одну площадку. Для комплексного проекта (3 площадки + модерация + SEO) — 7-10 дней. Свяжитесь с нами для оценки вашего проекта. Получите консультацию по вашему проекту.