Как не убить проходимость отзывов: разбор реального кейса теневого бана на Wildberries

Предисловие: от 90% до 30% за один день

Представьте: вы полтора месяца стабильно получаете проходимость отзывов около 90%. Все идет по плану. А потом — бац, и за один день проходимость падает до 33%. Звучит как проблема.

Карточки исчезают из выдачи, а  выкупы перестают работать. Юрлицо попало в теневой бан.

И это не гипотетическая ситуация. Это реальный кейс нашего клиента. И он ценен тем, что позволяет разобрать все ошибки, которые привели к такому результату. Алгоритмы Wildberries не прощают определенных действий — и мы сейчас разберем, каких именно.

До середины марта клиент работал с нашим сервисом самовыкупов «Забусти». Проходимость отзывов держалась стабильно на уровне ~90%. Затем, примерно 22–25 марта, произошло резкое падение: 23–24 числа проходимость упала до 33%, тогда как при нормальной работе она должна была составлять около 92%..

Падение произошло в течение одного дня — классический признак теневого бана юрлица. Алгоритмы маркетплейса зафиксировали аномалию и применили санкции. 

Что же пошло не так?

Ошибка №1: двойное дно

С 12 по 29 мая клиент параллельно с нами подключил стороннего подрядчика на тот же кабинет. Подрядчик делал ручные выкупы по ТЗ в том же магазине, но на другие товары. 

Проблема закралась в саму архитектору: все товары лежали на одном юрлице, хотя выкупы через наш сервис идут на трёх разных юрлицах. 

Вот и получилось, что на один «магазин» использовалось сразу несколько механик. 

Всегда стоит помнить, что алгоритмы Wildberries работают хладнокровно, и они не делят на «хороших» и «плохих» подрядчиков — они видят лишь нетипичную активность и отклонения от нормы. И соответственно принимают меры.

Ошибка №2: запредельный объём на одно юрлицо за короткий срок

У подрядчика клиент заказал примерно 3500 выкупов на 10 карточек (по 350 на карточку) за 3-4 дня. Плюс ещё 2 карточки в нашем сервисе. И всё на один магазин.

Это не просто фатальная ошибка. 3500 выкупов за 3-4 дня на одно ИП — объём, который невозможно объяснить органическим спросом. Алгоритмы маркетплейса отслеживают не только общее количество заказов, но и их распределение по времени. Резкий всплеск активности в одном месте — верный способ привлечь внимание антифрод-системы.

Ошибка №3: непрозрачная механика подрядчика

Клиент не знал, сколько устройств использовалось, как менялись IP-адреса. Аккаунты были разными, но количество девайсов и IP оставалось неизвестным.

Это критичный риск. Алгоритмы отслеживают десятки параметров, среди которых не только корзины и ПВЗ, но и технические особенности: устройства, IP, временные паттерны. Если несколько аккаунтов используют одно устройство или IP меняется хаотично — это прямой сигнал накрутки.

Ошибка №4: цена как триггер для алгоритма

Клиент заводил карточки с ценой, кратно превышающей среднюю по категории. Перчатки для гайковерта стоили около 11 500 ₽, когда конкуренты продавали аналоги по 500 ₽. Он делал так сразу, с момента запуска.

Объясняем: когда товар с ценой в десятки раз выше среднего по категории методично выкупают и находят по ключевым запросам — это красный сигнал для алгоритмов. 

В дополнение к этому, карточка не находилась в выдаче, пока клиент не снизил средний чек. После снижения цены она сразу появилась во всех выдачах.

Wildberries ранжирует товары с учётом множества факторов, и цена — один из ключевых. Аномально высокая цена в сочетании с аномальной активностью по выкупам — это двойной сигнал алгоритмам.

Ошибка №5: сомнительная опция «пробная закупка”

По совету подрядчика клиент подключил опцию «пробная закупка собственных товаров» обещая при этом, что будет 100% проходимость отзывов.

На деле оказалось:

— комиссия подросла +0,75%;

— эффективность продвижения упала примерно на 50%;

— рейтинг товара снизился;

— отзывы пошли с весом ~0,5.

То есть вместо роста проходимости клиент получил ухудшение всех ключевых показателей. Опция, которая должна была решить проблему, только усугубила ее.

Как алгоритмы Wildberries вычисляют накрутку

На основе этого кейса можно выделить несколько паттернов, которые алгоритмы Wildberries считают подозрительными:

1. Аномальный объём на один магазин. 3500 выкупов за 3–4 дня — это объём, который невозможно списать на органический спрос.
2. Смешение разных выкупов с разными поведенческими факторами. Когда на одно юрлицо идут заказы от разных подрядчиков с разными механиками, алгоритм видит хаос и применяет санкции.
3. Отсутствие технической вариативности. Если все заказы идут с ограниченного числа устройств и IP, это легко вычисляется.
4. Ценовые аномалии. Товар, который в 20 раз дороже аналогов, но при этом активно выкупается — это ред флаг для алгоритма.

Выводы и рекомендации

Этот кейс — наглядное пособие того, как НЕ надо делать самовыкупы. Все ошибки клиента можно объединить в одну фразу: он перестарался с масштабом и нарушил принцип естественности.

Что делать, чтобы избежать теневого бана:

1. Не смешивайте подрядчиков на одном кабинете. Если работаете с несколькими сервисами — разведите их по разным юрлицам или хотя бы по разным кабинетам.
2. Растягивайте объёмы во времени. Лучше делать меньше, но равномерно.
3. Контролируйте техническую сторону. Узнавайте у подрядчика, сколько устройств и IP используется. Если он не даёт ответа, смело бегите.
4. Цена должна быть адекватна рынку. Не пытайтесь продавать товар по цене в 20 раз выше конкурентов. Алгоритм это видит и наказывает.
5. Не верьте в «чудо-опции». Всё, что обещает 100% проходимость за дополнительные комиссии, чаще всего ломает карточку.
6. Следите за динамикой. Если проходимость резко падает — не усугубляйте ситуацию и лучше приостановить активность и разобраться в причинах.

Итог: целая связка факторов — большой объём на одно юрлицо за короткий срок + два подрядчика на один кабинет + непрозрачная механика + завышенная цена — привела к теневому бану.

Алгоритмы Wildberries с каждым годом становятся умнее. То, что работало год назад, сегодня может привести к бану. И главный урок этого кейса: в самовыкупах важна не скорость, а системность. Не количество, а естественность и качество