Парсер відгуків: автоматизація збору та імпорту з маркетплейсів

Збір та імпорт відгуків з маркетплейсів: розробка парсера

Ми розробляємо високопродуктивні парсери для автоматичного збору відгуків з маркетплейсів. Клієнт втратив 30% конверсії через застарілі відгуки — ручний збір займав години, дані не оновлювалися тижнями. Наша команда (5+ років досвіду, сертифіковані розробники, гарантія якості) створила рішення, яке збирає відгуки з Wildberries, Ozon, Яндекс.Маркету та інших майданчиків, нормалізує їх та імпортує в базу магазину. Економія часу — до 70%, або до $2000 на місяць на зарплаті менеджера. Окупність проєкту — 2–3 місяці. Замовте розробку парсера для вашого інтернет-магазину.

Типова ситуація: менеджер вручну копіює відгуки з 5 маркетплейсів по 200 товарів — це 8 годин на день. Автоматизація краще ручного збору в 60 разів за швидкістю: наш парсер виконує ту ж роботу за 8 хвилин. Дані оновлюються кожні 2 години, сторінки товарів — у реальному часі. Результат: зростання конверсії на 15% за перший місяць.

Технічно, кожен маркетплейс — свій головний біль. Wildberries дає JSON API з асинхронними httpx-запитами, але з обмеженням 1000 відгуків за сесію. Ozon — SPA на Nuxt, де дані підвантажуються через GraphQL, доводиться емулювати браузер через Playwright з ротацією User-Agent. Яндекс.Маркет змінює структуру раз на пів року, тому ми використовуємо адаптивний парсинг з fallback-стратегією та пулом резидентних проксі. Наш стек — Python для high-load майданчиків, PHP (Laravel) для інтеграції з вашим сайтом через черги (Queues) та Docker-контейнеризацію.

Підтримувані маркетплейси та методи

Порівняння методів: JSON-API (Wildberries) обробляє 1000 відгуків за 10 секунд, а Selenium на Ozon — ті ж 1000 за 5 хвилин. Різниця в 30 разів. Для продуктивності обираємо JSON, де можливо.

Як працює парсер Wildberries?

# 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-відгуків

Для сайтів без API використовуємо парсинг HTML через PHP і Symfony Crawler. Приклад 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;
    }
}

Дедуплікація та імпорт в Laravel

Після збору відгуки проходять через Job з дедуплікацією за external_id і source. Приклад:

// 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,
        ]);
    }
}

Фільтрація та модерація

Стоп-слова (спам, реклама, ненормативна лексика), занадто короткі відгуки (<20 символів) та анонімізація авторів — все налаштовується. Нижче приклад сервісу:

// 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

Після імпорту відгуки публікуються в JSON-LD на сторінці товару. Це підвищує шанс потрапити в rich snippets і збільшує CTR на 20-30%. Детальніше про structured data на Wikipedia.

// 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(),
    ];
}

Як уникнути блокувань при парсингу?

Для обходу блокувань використовуємо пул з 50+ резидентних проксі, випадкові затримки від 1 до 4 секунд, ротацію User-Agent (Chrome, Firefox, Safari). Капчу розв'язуємо через Anti-Captcha. Кожна сесія обмежена 1000 відгуків.

Чому автоматизація відгуків підвищує SEO?

• Structured data (JSON-LD) допомагає пошуковикам показувати рейтинг у снипеті.
• UGC-тексти містять довгі хвости ключових слів.
• Регулярне оновлення сигналізує про живий магазин.

Порівняння: ручний збір 100 відгуків займає 2 години, наш парсер — 2 хвилини, в 60 разів швидше. Економія бюджету на копірайтерів і модераторів — до 70% (до $2000 на місяць).

Процес роботи

1. Аналіз: визначаємо майданчики, API, складність.
2. Розробка: пишемо парсер, модерацію, дедуплікацію.
3. Тестування: прогін на 1000+ відгуків, перевірка багів.
4. Деплой: налаштування cron, моніторинг помилок.
5. Документація: опис стеку, інструкція з запуску.

Що входить в роботу

• Парсер для кожного майданчика (до 5 майданчиків).
• Модерація (стоп-слова, довжина, анонімізація).
• Дедуплікація (по external_id + source).
• Автоматичне оновлення за розкладом (щоденно або раз на 4 години).
• Structured data на сторінці товару.
• Логування та сповіщення про помилки.

Терміни: від 3 до 5 робочих днів на один майданчик. Для комплексного проєкту (3 майданчики + модерація + SEO) — 7-10 днів. Зв'яжіться з нами для оцінки вашого проєкту. Отримайте консультацію по вашому проєкту.