Как очистить базу из 100 000 номеров перед рассылкой в Max

База на 100 000 номеров — это типичный объём для среднего B2B-кампейна или ре-активации старой клиентской базы. Если запустить рассылку в MAX по такой базе «как есть», 15–35% сообщений уйдут в пустоту: на отключённые номера, на людей без MAX и на дубликаты, которые уже получили сообщение часом раньше.

Эта статья — пошаговая методология: от выгрузки CSV до момента, когда вы нажимаете «Старт» в рассыльщике с уверенностью, что каждый рубль бюджета бьёт в живую цель.

TL;DR

• 7 шагов: экспорт → нормализация → дедупликация → форматная валидация → проверка существования через Max Checker → фильтрация → импорт обратно
• Время на 100k номеров: 30–60 минут вместо нескольких рабочих дней
• Стоимость проверки 100k: ~$700 со скидкой 30% (тариф $0.01/номер)
• Типичная экономия бюджета на рассылке: 15–35% от исходного списка
• Главные ошибки: пропуск нормализации до дедупликации и проверка «постфактум» уже после первой волны рассылки

Шаг 1. Экспорт исходной базы в CSV

Откуда бы ни приходила база — CRM, рекламный кабинет, Excel от партнёра, парсинг публичных каналов — приведите всё к одному формату: CSV в кодировке UTF-8 с BOM, разделитель ,. Колонки минимум две: phone и любой стабильный идентификатор для последующего объединения (например, crm_id или email).

Если база лежит в Excel, не экспортируйте её через «Сохранить как CSV» — Excel калечит длинные числа в научную нотацию, и +79161234567 превращается в 7.9161E+10. Сначала переведите колонку phone в текстовый формат, затем сохраняйте.

Шаг 2. Нормализация в формат E.164

E.164 — международный стандарт записи телефонных номеров: + плюс код страны и сам номер, без пробелов, скобок и дефисов. Подробности — в Wikipedia: E.164.

Минимально достаточный регекс для российских номеров:

import re

def normalize_ru(raw: str) -> str | None:
    digits = re.sub(r'\D', '', raw or '')
    if not digits:
        return None
    if digits.startswith('8') and len(digits) == 11:
        digits = '7' + digits[1:]
    if digits.startswith('7') and len(digits) == 11:
        return '+' + digits
    if len(digits) == 10:
        return '+7' + digits
    return None  # подозрительный — на ручной просмотр

Ключевая ошибка, которую делают 9 из 10 команд: дедуплицируют до нормализации. Тогда 8 (916) 123-45-67 и +79161234567 считаются разными записями. Сначала нормализуем, потом дедуплицируем — не наоборот.

Шаг 3. Дедупликация

После нормализации дубликаты находятся одной строкой. На bash:

sort -t, -k1,1 raw.csv | awk -F, '!seen[$1]++' > dedup.csv

На pandas:

import pandas as pd
df = pd.read_csv('raw.csv', dtype={'phone': str})
df['phone'] = df['phone'].map(normalize_ru)
df = df.dropna(subset=['phone']).drop_duplicates(subset=['phone'])

На объёме 100k обычно теряется 3–8% записей. Если у вас 15%+ дубликатов — это сигнал, что в исходной базе склеены несколько источников, и стоит сохранить колонку source, чтобы понимать, откуда пришёл каждый номер.

Шаг 4. Форматная валидация

Не всё, что после нормализации выглядит как номер, — реальный номер. Стоит проверить:

• длину (для +7 ровно 12 символов)
• что код мобильного оператора попадает в действующий диапазон (Россвязь публикует ресурсы)
• что номер не из служебных диапазонов (горячие линии, короткие номера)

Эта валидация бесплатная и отрезает 1–3% откровенного мусора, который иначе вы оплатили бы при проверке существования.

Шаг 5. Проверка существования через Max Checker

Это ключевой шаг — отделить «номер существует в формате» от «номер зарегистрирован в MAX и доступен для рассылки». Подробнее о механике — в Как это работает.

Вы получаете на выходе CSV с тремя статусами на номер:

Стоимость на 100k со скидкой 30% (порог $500) — $700. Если делаете кампанию каждый месяц и совокупно превышаете 200k — выгоднее закинуть $2000 и получить тариф 40% (см. тарифы).

Шаг 6. Фильтрация и сегментация

После Max Checker оставляйте только registered. Дополнительно сегментируйте по полям, которые вернул чекер (имя, фамилия, server ID — читайте подробнее про server ID):

• персонализация по имени поднимает CTR в среднем на 12–18%
• наличие фамилии — сигнал «реального» аккаунта, такие конверсятся лучше
• одинаковый server ID у группы номеров часто означает корпоративный пул — обращение «вы» вместо «ты» уместнее

Шаг 7. Импорт обратно в рассыльщик

Финальный CSV должен быть чистым: одна колонка phone в E.164, плюс поля для персонализации. Перед импортом проверьте:

• кодировка UTF-8 (без BOM, если рассыльщик старый)
• разделитель совпадает с тем, что ждёт инструмент
• нет пустых строк в конце файла (типичный артефакт Excel)

Чек-лист перед запуском

1. Все номера в E.164 (+7…)
2. 0 дубликатов по нормализованному номеру
3. Только статус registered
4. Поля персонализации заполнены минимум на 70% базы
5. Тестовый прогон на 100 номерах — все доставлены
6. Согласие на рассылку зафиксировано (см. 152-ФЗ и проверка номеров)

Расчёт ROI

Допустим, на исходных 100k у вас была бы конверсия 0.8% при цене сообщения $0.005 (рассыльщик) + штраф репутации.

Прирост лидов в 2.2 раза при росте бюджета в 2.4 раза — но с гораздо более стабильной репутацией отправителя. На длинной дистанции это важнее одной конкретной кампании.