Исходные данные

Агентство недвижимости обратилось к нам с задачей. Им нужны были контакты владельцев квартир в новостройках — жильцов, которые только получили ключи.

До этого они покупали готовые базы. Но 80% номеров оказались мусором. Мы предложили альтернативный подход.

Что хотел клиент:

• найти реальных собственников квартир
• собрать номера телефонов для обзвона
• получить базу за 7 дней
• окупить вложения с первой продажи

Что мы сделали

Шаг 1. Поиск чатов жильцов

Контакты владельцев квартир в новостройках часто скрыты. Но собственники сами создают чаты в Telegram. Мы нашли 50 чатов для разных ЖК Москвы и области. Названия были простыми: «ЖК Сосны», «Новостройка на Ленина».

Шаг 2. Сбор участников чатов

Мы использовали парсер для Telegram. Система извлекла 15 000 участников из этих чатов. Это и были контакты владельцев квартир в новостройках.

Шаг 3. Валидация и очистка

Мы прогнали 12 000 номеров через наш чекер. Валидатор отсеял ботов и неактивные аккаунты.

Результаты чистки:

Шаг 4. Рассылка и результат

Мы запустили рассылку по 9 000 контактам. Предложение было простым: «Ремонт под ключ для вашей новой квартиры».

Показатели кампании:

Средний чек агентства составил 120 000 рублей. Выручка с кампании — 4.5 млн рублей.

Результаты

Контакт владельцев квартир в новостройках окупили вложения за 2 недели. Бюджет на сбор и валидацию — 25 000 рублей. ROI — 18 000%.

Отзыв клиента:
«Контакты владельцев квартир в новостройках из Telegram оказались золотом. Люди только получили ключи и ищут отделку. Найм рабочих — наша услуга, мы пришли в нужный момент».

Почему это работает

• Жильцы сами собираются в чаты. Контакт владельцев квартир в новостройках там публичные.
• Высокая конверсия. Человек с новой квартирой тратит на ремонт 5-15% от стоимости жилья.
• Дешевизна. Парсинг 50 чатов стоит копейки по сравнению с контекстной рекламой.

Чек-лист для агентств недвижимости:

• Найди чаты для каждого ЖК (по районы + название застройщика)
• Спарси участников через Telegram парсер
• Прогони базу через валидатор
• Запусти рассылку с выгодой для собственника

Сообщение Кейс: Как мы помогли агентству недвижимости найти контакты владельцев квартир в новостройках. появились сначала на BasesPro.

Исходные данные

Компания — агрегатор маркетинговых данных для B2B, желает анализировать рынок госзакупок для таргетинга контрагентов. Порталы госзакупок (zakupki.gov.ru, ЕИС) содержат сведения о сотнях тысяч заказчиков, их предпочтениях и контрагентах в машиночитаемых форматах (XML, SOAP) .

Проблема: для эффективного сбора данных нужно разобраться в типах законов (44-ФЗ для госзаказчиков и 223-ФЗ для госкомпаний) и освоить инструменты, которые работают по официальному API, а не брут-форсом .

Что нужно партнерам:

• автоматически собирать информацию о закупках из открытых источников
• структурировать данные для дальнейшего обогащения (контакты поставщиков)
• не нарушать законодательство, используя официальные каналы

Что мы сделали

Шаг 1. Разобрались в структуре закупочного законодательства

Российская система госзакупок базируется на двух ключевых законах :

• 44-ФЗ — для государственных и муниципальных нужд (бюджетные учреждения, администрации, школы). Весь процесс строго формализован, контракты публикуются в едином формате .
• 223-ФЗ — для закупок госкорпораций (Росатом, РЖД, Газпром), естественных монополий и компаний с госучастием. Правила гибче, но данные также выгружаются в ЕИС .

Знание этих типов позволяет точно фильтровать парсинг по источникам — например, искать либо только коммерческих, но «жирных» клиентов (223-ФЗ), либо подрядчиков бюджета (44-ФЗ) .

Шаг 2. Использовали официальный Единый портал zakupki.gov.ru

Вся разрешенная информация хранится в Единой информационной системе (ЕИС). Парсить оттуда данные можно, но лучше использовать официальный API-интерфейс, чтобы система не блокировала за слишком частые запросы.

В 2026 году заказчики также обязаны публиковать исчерпывающие данные о контрактах — включая сами планы-графики и исполненные контракты . Это дает возможность собирать истории компаний-конкурентов за несколько лет.

Шаг 3. Настроили выгрузку через машиночитаемые форматы (XML / SOAP API)

Портал предоставляет возможность запросить «Печатную форму извещения» и заменить в ссылке view.html на viewXml.html. В ответ вы получите структурированный XML-документ, содержащий все детали закупки — от реквизитов заказчика до даты публикации .

Также существует библиотека на Ruby (ox-tender-abstract), которая умеет подключаться напрямую к SOAP API zakupki.gov.ru и возвращать Ruby-хэши с данными по тендерам, минуя сложный разбор XML вручную .

Пример рабочего алгоритма (Python) на основе рекомендаций GitHub :

1. Выполняем GET-запрос к странице результатов поиска (по 44-ФЗ или 223-ФЗ).
2. С помощью парсера (BeautifulSoup) извлекаем все ссылки на печатные формы (.view.html) из списка тендеров.
3. Модифицируем ссылку: заменяем view.html на viewXml.html — так получаем прямой доступ к XML-файлу с полной информацией о закупке.
4. Парсим XML, вытаскивая нужные поля: название, дату публикации, заказчика и цену контракта.

Согласно исследованиям Финансового университета (№ 4, 2024), такой подход — сбор данных через парсинг открытых XML — уже активно используется для мониторинга цен и предотвращения завышения бюджета .

Шаг 4. Парсинг для бизнес-анализа и лидогенерации

Собранные данные можно использовать не только для участия в торгах, но и для поиска B2B-клиентов:

• Идентификация заказчиков — какие организации регулярно объявляют тендеры в вашей нише. Это сигнал к их потребностям.
• Анализ исполненных контрактов — если поставщик выигрывал контракты на похожее оборудование, он может стать вашим партнером или клиентом для доп. услуг.
• Сравнение фактических цен с рыночными уровнями для предложения скидки (см. практики выявления «переплат», рекомендуемые Минфином ).

Использование подхода легального парсинга (через публичный API) полностью соответствует требованиям информационной открытости, заложенным в 44-ФЗ .

Шаг 5. Учитываем изменения 2026 года

С 2026 года вступили в силу новые нормы: усилилась ответственность участников за достоверность данных, а комиссии по закупкам обязаны отстранять недобросовестных поставщиков при выявлении нарушений . Для парсера это означает, что данные из ЕИС (реестр недобросовестных поставщиков) становятся критически важными для скоринга потенциальных партнеров.

Результаты

По результатам сбора данных компания может получить массивы: названия компаний-поставщиков, их контакты, объёмы и частоту побед в закупках. Эти данные затем обогащаются (через утилиты проверки номеров, поиск контактов) и загружаются в CRM для отдела продаж.

На выходе: мы имеем базу активных контрагентов, знаем их ресурсы (историю закупок) и можем персонализировать предложение.

Почему это работает и легально

• Используется API и XML, а не агрессивный скрейпинг с подменой User-Agent. Это снижает риск блокировки IP и защищает бизнес.
• Данные из ЕИС объективны — они проверяются контролирующими органами (ФАС, Казначейство) .
• Парсинг госзакупок, а не крауд-скрейпинг полностью легален, так как закон (44-ФЗ) требует открытости информации, если она не составляет гостайны .
• Научное сообщество (Финуниверситет) подтверждает полезность автоматического сбора данных для снижения финансовых рисков и повышения прозрачности .

Чек-лист парсинга госзакупок:

• Изучил фундаментальные различия 44-ФЗ и 223-ФЗ 
• Настроил доступ к официальному API zakupki.gov.ru (SOAP)
• Для прототипа использовал Python + requests/BeautifulSoup и схему из репозитория Tender_search 
• Для массового Ruby-проекта подключил ox-tender-abstract 
• Собираю не только текущие, но и завершённые контракты (архив)
• Выходные данные сохраняю в формате CSV/JSON для последующего обогащения контактов

Сообщение Как парсить данные с государственных порталов закупок. появились сначала на BasesPro.

Исходные данные

Почему скрапинг сайтов вакансий для поиска компаний эффективен

Скрапинг сайтов вакансий для поиска компаний — это метод автоматического сбора данных о компаниях, которые размещают новые вакансии. Если компания нанимает сотрудников, она расширяется. А если расширяется, то нуждается в оборудовании, ПО, мебели, маркетинге, логистике и других B2B-услугах. Клиент — B2B-поставщик корпоративной мебели — хотел найти растущие компании в Москве. Мы применили скрапинг сайтов вакансий для поиска компаний и получили конверсию на 340% выше холодного обзвона.

Что хотел клиент:

• найти компании, которые активно нанимают персонал
• использовать скрапинг сайтов вакансий для автоматизации поиска
• получить список ЛПР в растущих компаниях
• повысить конверсию холодных продаж

Что мы сделали

Шаг 1. Поняли логику: найм = рост = бюджет на закупки

Гипотеза: если компания разместила 5+ вакансий за последний месяц, у неё есть бюджет на расширение. Следовательно, она готова покупать. Скрапинг сайтов вакансий для поиска компаний подтвердил эту гипотезу.

Шаг 2. Выбрали источники для скрапинга сайтов вакансий

Шаг 3. Настроили критерии поиска для скрапинга вакансий

Чтобы собрать именно расширяющиеся компании, настроили фильтры:

Шаг 4. Провели парсинг HH.ru для поиска клиентов

Для сбора 5 000+ актуальных компаний за 2 часа использовали:

Шаг 5. Провели анализ вакансий компании для приоритизации

Самые горячие лиды — компании, которые нанимают «дорогие» отделы:

Шаг 6. Нашли контакты ЛПР в отобранных компаниях

Для каждого найденного названия компании определили контакты:

• LinkedIn → ЛПР (CEO, CPO, HRD, Sales Director)
• Сайт компании → Почта, форма контакта
• Базы данных → Apollo, LinkedIn Sales Navigator

Шаг 7. Пример скрипта для парсинга вакансий

Пример логики парсинга вакансий для B2B продаж на Python (описание логики без кода):

1. Запрос к API HeadHunter с параметрами: за последние 30 дней, 50 вакансий на страницу
2. Из каждой вакансии извлекаем ID и название компании
3. Собираем уникальные ID компаний
4. По ID компании получаем название, сайт, отрасль, размер
5. Формируем итоговый список компаний с количеством вакансий
6. Ранжируем по убыванию количества вакансий

Результаты

Что дал скрапинг сайтов вакансий клиенту:

Ключевой результат скрапинга сайтов вакансий для поиска компаний:
Конверсия в назначенную встречу выросла с 1.2% до 4.1% — рост на 240%. Парсинг вакансий для B2B продаж позволил продавать только тем, у кого есть реальный спрос.

Отзыв клиента:

«Раньше мы звонили всем подряд. После внедрения скрапинга сайтов вакансий мы видим, кто нанимает людей, и идём именно туда. Это как получить список «Я покупаю» из тысячи компаний. Парсинг вакансий для B2B продаж — лучший источник лидов за 2026 год».

Почему работает скрапинг сайтов вакансий для поиска компаний

• Найм = бюджет. Компания, которая нанимает, имеет деньги на расширение и закупки.
• Актуальность в реальном времени. Вакансия сегодня — потребность завтра.
• Масштабируемость. Парсинг HH.ru для поиска клиентов даёт тысячи лидов за часы.
• Опережение конкурентов. Пока продавцы звонят вслепую, вы знаете, кто нанимает.
• Подходит для большинства B2B-ниш. От IT-услуг до стройматериалов, от мебели до логистики.

Чек-лист скрапинга сайтов вакансий:

• Выбрал площадку (HeadHunter, Superjob, LinkedIn)
• Настроил фильтр: вакансии за последние 30 дней
• Отобрал компании с 3+ вакансиями
• Убрал стажировки и разовые вакансии
• Проанализировал анализ вакансий компании (какие отделы нанимают)
• Нашёл контакты ЛПР через LinkedIn и базы
• Создал персонализированное предложение под проблему отдела
• Запустил продажи в растущие компании

Сообщение Скрапинг сайтов вакансий: как находить компании, которые расширяются и готовы покупать. появились сначала на BasesPro.

Исходные данные

Клиент — российский производитель строительного оборудования — хотел выйти на рынок Германии. Задача: собрать контакты 5 000+ немецких Bauunternehmen (строительных компаний) для холодной рассылки.

Что хотел клиент:

• получить базу с телефонами и email за минимальное время
• избежать ручного сбора и покупки устаревших данных
• отфильтровать компании по размеру и специализации
• запустить рассылку в течение дня

Что мы сделали

Шаг 1. Определили лучшие источники для сбора контрагентов в Германии

Шаг 2. Главный источник — Einkaufsführer Bau

Это официальный отраслевой справочник Bauverlag, содержащий систематизированные данные о строительных компаниях Германии. Включает:

• 3 500+ адресов строительных фирм 
• Специализации: Hochbau, Tiefbau, Straßenbau, GaLaBau, Tunnelbau
• Смежные отрасли: SHK, Elektro, Metallbau, Baumaschinenhandel 

Шаг 3. Использовали инструмент парсинга для массового сбора

Применили Python-based GUI приложение Company Search Tool. Оно извлекает данные с gelbeseiten:

На выходе — Excel-файл с полями: Name, Adresse, Telefon, Website.

Шаг 4. Дополнительные источники для расширения

• PQ-VOB List — официальный реестр преквалифицированных подрядчиков. Результаты выгружаются в CSV .
• CoCrafter — B2B-маркетплейс, 3 000+ строительных компаний Германии .
• Zulieferkatalog — 3 000+ поставщиков (металл, электро, техника) от Немецкой Торгово-Промышленной Палаты .
• Hochbau Unternehmen — отдельный сбор топ-игроков: HOCHTIEF, STRABAG, Züblin, Goldbeck .

Результаты

За 1 час собрано:

Ключевой результат:
клиент получил базу из 8 500+ немецких строительных компаний с контактами за 1 час, затратив $0 на покупку готовых баз. Рассылка запущена в тот же день.

Почему это работает

• Einkaufsführer Bau и Gelbeseiten дают легальный доступ к данным компаний 
• Парсинг автоматизирует сбор телефонов и сайтов без ручного ввода
• Официальные реестры (PQ-VOB) и отраслевые каталоги (Zulieferkatalog) защищают от неактуальных данных
• На выходе — чистый Excel-файл, готовый для импорта в CRM и мессенджеры

Сообщение Как собрать базу всех строительных компаний Германии за 1 час. появились сначала на BasesPro.