Criteo Crawler (CriteoBot)

Criteo Crawler (CriteoBot) — Краулер рекламной платформы Criteo для индексации товарного каталога и генерации динамических ретаргетинг-баннеров с реальными ценами и наличием.

1. Общие сведения и назначение бота

CriteoBot — специализированный краулер рекламной платформы Criteo, крупнейшего оператора performance retargeting рекламы в мире. Бот периодически обходит страницы товаров интернет-магазинов, подключённых к платформе Criteo, для синхронизации актуальных цен, остатков, фотографий и описаний. На основе этих данных Criteo автоматически генерирует персонализированные баннеры с конкретными товарами, которые пользователь просматривал. Блокировка CriteoBot приводит к тому, что баннеры показывают устаревшие цены или недоступные товары, что снижает эффективность ретаргетинговой рекламы и CTR.

Оператором и разработчиком бота выступает Criteo S.A.. Основная функциональная задача робота — систематический сбор данных, анализ гиперссылок и выкачивание текстовой информации со страниц сайтов. В зависимости от используемых скриптов бот может запрашивать как статические HTML-файлы, так и инициировать рендеринг тяжелых динамических страниц.

2. Сигнатуры User-Agent и сетевой профиль

В журналах веб-сервера (access.log) бот обычно идентифицирует себя следующими сигнатурами в заголовке User-Agent:

Mozilla/5.0 (compatible; CriteoBot/0.1; +https://www.criteo.com/criteo-crawler/)

Criteo/0.1

3. Создаваемая нагрузка и последствия для сайта

Нерегулируемая активность краулера может приводить к ощутимым проблемам как для технической инфраструктуры, так и для бизнес-показателей проекта:

• Регулярные обходы страниц товаров могут создавать заметную нагрузку на крупных каталогах
• Блокировка ведёт к показу устаревших данных в рекламных баннерах

Когда робот генерирует десятки параллельных запросов в секунду, каждый такой запрос инициирует запуск интерпретатора PHP, подключение к СУБД MySQL и генерацию HTML-страницы. На виртуальных хостингах это мгновенно исчерпывает лимиты тарифного плана (CPU, оперативная память, процессы PHP-FPM), из-за чего реальные посетители сталкиваются с медленной загрузкой или ошибками 502/504 Bad Gateway.

4. Влияние на поисковые позиции и рекламу

5. Проверка визитов бота в журналах сервера

Чтобы узнать, заходит ли данный робот на ваш сайт прямо сейчас и как часто он сканирует разделы, достаточно выполнить команду в консоли веб-сервера:

grep -i 'CriteoBot\|Criteo/' /var/log/nginx/access.log | tail -20

Примечание: если у вас обычный виртуальный хостинг без доступа по SSH (Beget, TimeWeb, Reg.ru, cPanel), откройте панель управления, найдите раздел «Журнал посещений» (или «Свежие логи») и воспользуйтесь поиском по названию бота или строке его User-Agent.

6. Рекомендация по обработке трафика

7. Способы ручной блокировки

Если вы хотите заблокировать робота на уровне веб-сервера вручную, используйте следующие директивы конфигурации:

if ($http_user_agent ~* 'CriteoBot|Criteo/') {
    # Allow для магазинов Criteo
}

# Whitelist для Criteo:
<IfModule mod_rewrite.c>
  RewriteCond %{HTTP_USER_AGENT} CriteoBot [NC]
  RewriteRule .* - [L]
</IfModule>

(http.user_agent contains "Criteo Crawler (CriteoBot)")

# Если вы подключены к Criteo:
User-agent: CriteoBot
Allow: /
Allow: /catalog/
Allow: /products/

# Если не подключены:
User-agent: CriteoBot
Disallow: /

8. Причины неэффективности стандартных методов

В реальных условиях блокировка по User-Agent и директивы robots.txt защищают сайт лишь от примитивных скриптов. Продвинутые краулеры и парсеры обходят эти фильтры за счет трех факторов:

1. Подмена заголовков (спуфинг): бот отправляет User-Agent популярного десктопного браузера, из-за чего веб-сервер принимает его за обычного посетителя.
2. Ротация IP-адресов: запросы распределяются через сотни тысяч резидентных и мобильных прокси, делая блокировку по статическим IP неэффективной.
3. Headless-движки (Chromium, Puppeteer): эмуляторы полноценно исполняют JavaScript, проходя большинство поверхностных проверок.

9. Автоматическая нейтрализация в AntiBotCore

10. Часто задаваемые вопросы (FAQ)

11. Похожие сетевые боты и краулеры

Боты со схожим поведением или относящиеся к категории «Рекламные сервисы»: