Законно ли скрапить LinkedIn? Законы, риски и что изменилось

Последнее обновление: July 14, 2026
LinkedIn scraping legality decision matrix cover
AI-сводка
Скрапинг LinkedIn — это не простое «да» или «нет» с точки зрения закона. Сбор публичных профилей без входа в аккаунт может нести меньший риск по CFAA в США после дела hiQ, но при этом всё равно противоречит правилам LinkedIn и может создавать риски по договору, приватности и enforcement. Скрапинг после входа в систему, использование фейковых аккаунтов, доступ к Sales Navigator, перепродажа данных и массовая обработка персональной информации — это куда более высокий риск, особенно с учётом GDPR и законов штатов о конфиденциальности. В этом гайде разбираются ключевые законы, позиция LinkedIn по enforcement, уровни риска по сценариям и более безопасные альтернативы, такие как официальные API, публичные сайты компаний, каталоги и лицензированные провайдеры данных. Также указано, когда командам стоит обязательно консультироваться с юристом перед сбором данных.

В LinkedIn более 1,3 миллиарда участников, и по сути это крупнейшая профессиональная база данных на планете. Неудивительно, что отделы продаж, рекрутеры и growth-hacker’ы хотят использовать её программно. Но вопрос «законно ли скрапить LinkedIn?» до сих пор остаётся одним из самых запутанных — и одним из самых популярных в Google — вопросов о B2B-данных.

Во многих гайдах до сих пор дают один и тот же ответ: «зависит». Я потратил немало времени, разбирая судебные материалы, правила LinkedIn, требования GDPR и обсуждения на форумах, где фаундеры рассказывают, как их засудили. И картина в 2026 году заметно отличается от того, что обычно пишут в интернете. Ниже — практичный разбор по сценариям, включая матрицу законности, которую можно сохранить в закладки, а также более безопасные способы получить нужные бизнес-данные, не подвергая риску компанию (или свой аккаунт LinkedIn).

Дисклеймер: эта статья носит информационный характер и не является юридической консультацией. Если ты планируешь сбор данных в коммерческих масштабах, обратись к юристу, знакомому с твоей юрисдикцией.

Что такое скрапинг LinkedIn и почему его так часто используют?

Скрапинг LinkedIn — это использование автоматизированных инструментов, скриптов или расширений браузера для извлечения данных со страниц LinkedIn: имён профилей, должностей, сведений о компании, email-адресов, навыков, вакансий или связей между людьми.

Если говорить технически, это программное получение структурированных данных из HTML-страниц LinkedIn или ответов API — независимо от того, находятся ли эти данные в открытом профиле или за экраном входа.

Проще говоря, это как очень быстрый стажёр, который обходит тысячи профилей LinkedIn и переносит детали в таблицу — только этот стажёр является программой и справляется за минуты, а не за недели.

Скрапинг LinkedIn — это не то же самое, что обычное использование платформы. Просмотр профилей, отправка запросов на добавление в контакты или экспорт своих собственных контактов через встроенные инструменты LinkedIn — всё это входит в предполагаемый сценарий использования сервиса. Скрапинг же предполагает автоматизацию в масштабе или со скоростью, которую LinkedIn не разрешает.

Зачем этим пользуются команды

Типичные сценарии:

  • Продажи и лидогенерация: создание списков потенциальных клиентов с именами, должностями, email и данными о компании. LinkedIn часто становится первым источником для B2B-команд, потому что данные там структурированы, их можно искать, и их сами профессионалы заполняют о себе.
  • Рекрутинг: поиск кандидатов по профилям, соответствующим конкретным навыкам, локациям или уровням опыта.
  • Исследование рынка: анализ трендов найма, роста компаний или конкурентного позиционирования на основе агрегированных данных LinkedIn.
  • Анализ конкурентов: отслеживание изменений численности штата, новых сотрудников или структуры организации у компаний-соперников.

Соблазн понятен: именно в LinkedIn профессионалы сами указывают свою карьерную информацию в структурированном и поисковом виде. Ни один другой публичный источник даже близко не сравнится.

LinkedIn scraping scenario risk matrix

Краткий ответ: законно ли скрапить LinkedIn?

Если коротко: это зависит от того, какие данные ты собираешь, как именно ты это делаешь и где находишься ты и те, чьи данные ты собираешь.

  • Скрапинг действительно открытых данных LinkedIn без входа в аккаунт после прецедента hiQ v. LinkedIn несёт меньший риск по CFAA в США — но при этом всё равно нарушает условия использования LinkedIn.
  • Скрапинг при авторизации, с фейковыми аккаунтами или с получением данных из платных продуктов вроде Sales Navigator — это уже явно высокий риск.
  • В ЕС аргумент «это же публичные данные» не является юридической защитой. Нужна правомерная база по GDPR.
  • LinkedIn активно выявляет и блокирует скраперов на нескольких уровнях: от ограничений аккаунта до гражданских исков и судебных запретов.

Жаль, что такой таблицы не было, когда я только начал разбираться в этой теме.

Матрица законности по сценариям

СценарийТип данныхПравовой статус в СШАПравовой статус в ЕСУровень риска
Скрапинг открытых профилей (без входа)ПубличныеМеньший риск по CFAA (прецедент hiQ); нарушение ToSНужна правомерная база по GDPR⚠️ Средний
Скрапинг при входе в аккаунтЗакрытые/ограниченныеНарушение ToS + возможный риск по CFAAВероятно нарушение GDPR🔴 Высокий
Скрапинг данных Sales NavigatorЗакрытые/платныеНарушение ToS + договораНарушение GDPR + договора🔴 Очень высокий
Скрапинг вакансий (публичных)ПубличныеМеньший риск по CFAAНужна правомерная база⚠️ Низкий–средний
Скрапинг для коммерческой перепродажиПубличные/закрытыеВысокий риск судебного спора (прецедент Mantheos)Риск по GDPR + ePrivacy🔴 Очень высокий
Скрапинг для личного/академического проектаПубличныеНизкий рискНужна правомерная база; ниже приоритет enforcement✅ Низкий
Использование официального API LinkedInРазрешённыеЗаконно (в рамках условий API)Законно (в рамках условий API)✅ Низкий

Что определяет разницу между этими сценариями? Три вещи: (1) обходишь ли ты логин или контроль доступа, (2) действительно ли данные публичны или спрятаны за аккаунтом, и (3) что ты делаешь с данными дальше — личное исследование или коммерческая перепродажа. Каждый из этих факторов отдельно повышает юридические риски.

Основные законы, которые применяются к скрапингу LinkedIn

Почти в каждом споре о скрапинге LinkedIn всплывают три правовых режима.

Computer Fraud and Abuse Act (CFAA)

CFAA — основной федеральный закон США, который имеет значение для скрапинга. Его приняли в 1986 году для борьбы с компьютерным взломом; он запрещает доступ к компьютеру «без разрешения» или «с превышением разрешённого доступа».

Вопрос для скрапинга: считается ли посещение общедоступной веб-страницы «несанкционированным доступом», если в правилах сайта написано, что так делать нельзя?

После решения Верховного суда США в 2021 году по делу Van Buren ответ скорее отрицательный — по крайней мере, если речь идёт о данных, которые действительно публичны. Van Buren сузил рамки CFAA: использование информации не по назначению, если у тебя в принципе есть право к ней доступа, не превращается автоматически в федеральное компьютерное преступление. Но скрапинг через обход авторизации — с логином, фейковыми аккаунтами, обходом paywall — по-прежнему несёт реальный риск по CFAA, потому что ты получаешь доступ к системе способом, который оператор не разрешал.

GDPR и европейские законы о защите данных

Общий регламент ЕС по защите данных (GDPR) регулирует сбор, обработку и хранение персональных данных жителей ЕС/ЕЭЗ — независимо от того, где находится сам скрапер. Если ты сидишь в Техасе и скрапишь профили людей в Берлине, GDPR всё равно применим к тебе.

Ключевые статьи для скрапинга LinkedIn:

  • Статья 6(1)(f) — законный интерес: чаще всего именно на него ссылаются при B2B-скрапинге, но нужен документированный тест на баланс интересов, показывающий, что твой интерес не перевешивает права субъекта данных на приватность.
  • Статья 17 — право на удаление: человек может потребовать удалить его скрапнутые данные.
  • Статья 9 — особые категории данных: если скрапинг случайно захватывает информацию о расовой/этнической принадлежности, политических взглядах, здоровье и т. д. (а в профилях LinkedIn это иногда встречается), действуют более строгие правила.
  • Статья 14 — информирование субъекта данных: возможно, тебе потребуется уведомить человека о том, что ты собрал его данные, даже если они были публичными.

Вывод: «публично видно» не равно «законно использовать» по GDPR. До начала скрапинга нужно определить и зафиксировать правовое основание.

Условия использования LinkedIn

Пользовательское соглашение LinkedIn предельно ясно. Раздел 8.2 запрещает:

  • разрабатывать, поддерживать или использовать ПО, скрипты, роботов, краулеры, плагины браузера, расширения или иные процессы для скрапинга или копирования сервисов LinkedIn, включая профили и другие данные
  • обходить или нарушать меры безопасности, контроль доступа или лимиты использования
  • использовать ботов или несанкционированные автоматические методы для доступа к сервисам, добавления/скачивания контактов или отправки сообщений
  • копировать, использовать, отображать или распространять информацию, полученную из LinkedIn, без согласия
  • сдавать в аренду, лицензировать, продавать или иным образом монетизировать сервисы LinkedIn или связанные с ними данные

Справка LinkedIn о автоматизированной активности и запрещённом ПО повторяет, что сторонние расширения браузера, которые скрапят или автоматизируют действия, прямо запрещены, а нарушения могут привести к ограничениям аккаунта или судебным мерам.

Нарушение ToS — это нарушение договора, а не обязательно уголовное преступление. Но это даёт LinkedIn сильную основу для гражданского иска, и, как мы увидим ниже, компания активно этим пользуется.

Хронология hiQ v. LinkedIn: что реально изменилось

Многие статьи объясняют это неверно. Они подают hiQ v. LinkedIn как доказательство того, что «скрапинг LinkedIn законен». На деле всё гораздо сложнее — дело завершилось без окончательного прецедента.

От запрета 2017 года до урегулирования 2022 года

Вот как выглядела реальная хронология:

  • 2017: LinkedIn отправляет hiQ Labs (компании, которая анализировала публичные профили LinkedIn, чтобы предсказывать текучесть кадров) письмо с требованием прекратить действия. hiQ подаёт иск. Федеральный окружной суд Северного округа Калифорнии выносит предварительный запрет, разрешающий hiQ продолжать скрапинг публичных профилей.
  • 2019: Девятый окружной суд подтверждает запрет, решив, что скрапинг общедоступных данных, вероятно, не нарушает CFAA.
  • 2021: Верховный суд отменяет решение Девятого округа и отправляет дело на повторное рассмотрение с учётом Van Buren v. United States, который сузил сферу CFAA.
  • Апрель 2022: Девятый окружной суд подтверждает свою позицию, указав, что Van Buren фактически укрепил его прежнюю логику: скрапинг публичных данных не является «несанкционированным доступом» по CFAA.
  • Ноябрь 2022: На уровне окружного суда требования LinkedIn по нарушению договора остаются в силе. Суд отмечает, что пользовательское соглашение LinkedIn прямо запрещало скрапинг. Суд также выносит summary judgment в пользу LinkedIn по поводу использования hiQ «turkers», которые создавали фейковые аккаунты для QA при входе в систему.
  • Декабрь 2022: Стороны заключают частное мировое соглашение. Юридические комментарии сообщают о постоянном судебном запрете на скрапинг LinkedIn со стороны hiQ и о решении на $500,000, при этом hiQ признала, что у LinkedIn были убытки, достаточные для гражданского иска по CFAA на основе доступа через фейковые аккаунты.

Главный вывод: hiQ снизил риск по CFAA для скрапинга действительно публичных данных без входа в систему в пределах Девятого округа. Но он не дал общего права на скрапинг LinkedIn. Иски о нарушении договора сохранились. Доступ через фейковые аккаунты был наказан. А мировое соглашение означает, что по ключевому вопросу нет обязательного для всех решения Верховного суда.

На форумах это постоянно путают — одни пишут, что «LinkedIn выиграл», другие — что «выиграл hiQ». Но ни одна сторона не получила окончательного судебного решения в свою пользу. Вопрос остаётся частично открытым.

Дело LinkedIn v. Mantheos

Mantheos — это противоположный пример, показывающий, как выглядит явно незаконный скрапинг. Компания использовала фейковые аккаунты и поддельные кредитные карты, чтобы получить доступ к платному продукту LinkedIn Sales Navigator, а затем скрапила и коммерчески перепродавала данные.

Итог: LinkedIn сообщил, что Mantheos согласилась навсегда удалить скрапнутые данные профилей участников, уничтожить софт для скрапинга и прекратить доступ к данным профилей LinkedIn через скрапинг или иные автоматизированные способы. В этом деле были фальшивые личности, виртуальные дебетовые карты на подставные имена, платный доступ к Sales Navigator и коммерческое распространение — сочетание, которое ни один risk review не должен приравнивать к просмотру открытых страниц.

Что нового в 2024–2026 годах

Правовая среда не стояла на месте после урегулирования hiQ. Есть несколько важных изменений:

Домен обучения ИИ. Распространение больших языковых моделей, обучаемых на скрапнутых веб-данных, усилило внимание к приватности. Для данных профилей LinkedIn практическое правило то же, что и для любых персональных данных: зафиксируй правовое основание до обработки, собирай только минимум необходимого и готовься к более жёсткой проверке, если речь идёт о массовом профилировании или автоматизированном принятии решений.

Ответ самого LinkedIn. LinkedIn публично заявлял, что даже если скрапнутые данные находятся в открытом доступе и это формально не «взлом», компания считает агрегацию и перепродажу злоупотреблением. Также LinkedIn сообщал, что использует юридические меры и технические средства для борьбы с несанкционированным скрапингом.

Законы штатов США о приватности. Помимо CFAA, такие штаты, как Калифорния (CCPA/CPRA), Вирджиния, Колорадо, Коннектикут и другие, приняли комплексные законы о защите данных. CCPA даёт жителям Калифорнии право знать, удалять и отказываться от продажи/передачи их персональной информации — и это может включать данные, скрапнутые из профилей LinkedIn.

Глобальный тренд очевиден: больше регулирования, больше enforcement, больше риска.

США vs ЕС vs остальной мир: законно ли скрапить LinkedIn там, где ты находишься?

Один из главных пробелов в большинстве гайдов по скрапингу LinkedIn — предположение, что важен только закон США. Это не так. Режим приватности определяется тем, где живёт субъект данных, а не тем, где стоит твой сервер.

ЮрисдикцияОсновные законыСкрапинг публичных данныхОбработка PIIРиск enforcement
🇺🇸 СШАCFAA, CCPA/CPRA, законы штатов о приватностиНиже риск по CFAA для публичных данных (hiQ); ToS всё равно действуетКоммерческое использование PII создаёт риск искаСредний — LinkedIn активно судится
🇪🇺 ЕС / ЕЭЗGDPR (ст. 6, ст. 9, ст. 17)Нужна правомерная база (тест законного интереса)Применяется право на удаление; для чувствительных данных предпочтительно явное согласиеВысокий — регуляторы активно расследуют скрапинг
🇬🇧 ВеликобританияUK GDPR + Data Protection Act 2018Похоже на ЕС; применяется руководство ICOТе же GDPR-подобные обязанностиСредний–высокий
🇦🇺 АвстралияPrivacy Act 1988, APPsМенее строго для публичных данныхКоммерческая обработка PII регулируетсяНизкий–средний
🇧🇷 БразилияLGPDТребуется правомерная базаПохоже на рамку GDPRСредний

США: CFAA и законы штатов о приватности

Позиция США после hiQ и Van Buren: скрапинг действительно публичных данных LinkedIn без входа в систему, вероятно, не нарушает CFAA в Девятом округе. Но «вероятно не нарушает один федеральный закон» — это очень далеко от «законно и безопасно». На ToS LinkedIn это всё равно распространяется. Законы штатов о приватности, такие как CCPA/CPRA, создают дополнительные обязательства, если ты коммерчески обрабатываешь данные жителей Калифорнии. И LinkedIn находится в Калифорнии и уже показал, что готов активно идти в суд.

ЕС и ЕЭЗ: жёсткие требования GDPR

Именно в GDPR жизнь скраперов становится по-настоящему сложной. Чаще всего для B2B-скрапинга ссылаются на законный интерес по статье 6(1)(f), но для этого нужен документированный Legitimate Interest Assessment (LIA), подтверждающий, что твой интерес не перевешивает права субъекта данных. Руководство ICO ясно говорит: правовое основание должно быть определено и документировано до начала обработки, обработка должна быть необходимой (а не просто удобной), и нужно учитывать разумные ожидания, последствия и возможность прекратить обработку по запросу.

Если добавить право на удаление (статья 17), обязанность уведомления по статье 14 и всё больший фокус регуляторов на скрапинге для обучения ИИ, то объём комплаенса для LinkedIn-скрапинга на европейскую аудиторию становится значительным.

Великобритания, Австралия, Бразилия и другие

Великобритания следует GDPR-подобной модели через UK GDPR и Data Protection Act 2018. Privacy Act 1988 в Австралии менее строгий для публичных данных, но всё равно регулирует коммерческую работу с персональной информацией. LGPD в Бразилии во многом повторяет GDPR.

Глобальный тренд — сближение в сторону более жёсткой защиты данных. Если ты скрапишь профили LinkedIn людей из нескольких стран, ты потенциально подпадаешь сразу под несколько режимов.

Что LinkedIn реально делает, чтобы остановить скрапинг

Теория права — это одно. Практика LinkedIn — совсем другое.

Технические меры защиты

Система обнаружения LinkedIn многоуровневая:

  • Ограничение скорости и лимиты поиска: бесплатные аккаунты ограничены примерно 50–80 просмотрами профилей в день. Превысишь лимит — упрёшься в стену.
  • CAPTCHA: автоматизированные паттерны просмотра вызывают CAPTCHA и ломают скрипты скрапинга.
  • Алгоритмы обнаружения ботов: LinkedIn анализирует движения мыши, паттерны прокрутки, тайминги запросов и browser fingerprint, чтобы выявлять не-человеческую активность.
  • Экран входа: большая часть данных LinkedIn видна только авторизованным пользователям, а это значит, что для скрапинга нужен логин (и согласие с ToS).
  • Блокировка IP и мониторинг сессий: повторяющиеся запросы с одного IP или необычные паттерны сессий приводят к блокировкам.

Юридические меры

LinkedIn не ограничивается техническими барьерами. Юридическая команда направляла письма с требованием прекратить действия компаниям вроде Proxycurl, Apollo и Seamless.AI. Основатель Proxycurl публично рассказывал об этом опыте, отмечая, что у LinkedIn «бесконечные деньги» на судебные споры — отрезвляющая деталь для любого стартапа, который думает строить бизнес на скрапнутых данных LinkedIn.

LinkedIn также подавал гражданские иски (hiQ, Mantheos и другие), добивался удаления инструментов из своей экосистемы и публично заявлял, что продолжит преследовать скраперов через суд.

Лестница последствий: что будет, если тебя поймают

Последствия нарастают постепенно. Понимание этой лестницы помогает трезво оценить риск.

Уровень 1: мягкое обнаружение

CAPTCHA, ограничение скорости, временные запреты на поиск. Это автоматические реакции — никто из LinkedIn ещё не смотрел на твой аккаунт вручную. Восстановление простое: прекратить автоматическую активность, подождать, вернуться к обычному ручному использованию.

Уровень 2: ограничения аккаунта

Ограниченное количество просмотров профилей, урезанный поиск. LinkedIn может пометить аккаунт для проверки. Ты можешь увидеть предупреждение. Восстановление возможно, если прекратить скрапинг и отключить проблемный инструмент.

Уровень 3: блокировка или постоянный бан аккаунта

Постоянная потеря аккаунта означает утрату всех связей, публикаций, рекомендаций и истории сообщений. Всего. Я видел посты рекрутеров о том, как за ночь исчезали 5,000+ контактов — годы профессионального нетворкинга, потерянные из-за одного расширения браузера.

LinkedIn редко отменяет постоянные баны. А создание нового аккаунта после бана тоже, по сути, может нарушать ToS.

Уровень 4: письмо с требованием прекратить действия

Юристы LinkedIn отправляют формальное уведомление с требованием остановить скрапинг и уничтожить собранные данные. Это происходило и с крупными компаниями, и с соло-фаундерами. Игнорирование такого письма обычно ведёт к эскалации до судебного разбирательства.

Уровень 5: гражданский иск

LinkedIn предъявляет иски за нарушение договора, по CFAA (если был обход логина или использование фейковых аккаунтов), а также, возможно, по теориям недобросовестной конкуренции или trespass. Дело Mantheos закончилось удалением из экосистемы, уничтожением данных и затратами на урегулирование. Только защита в суде может стоить шестизначные суммы, даже если в итоге ты выиграешь.

Уровень 6: штрафы регуляторов

Для операций, ориентированных на ЕС, штрафы по GDPR могут достигать 4% глобального годового оборота или 20 млн евро — в зависимости от того, что больше. Расследование регулятора может быть инициировано одной жалобой от человека, чьи данные были скрапнуты. И поскольку регуляторы всё больше фокусируются на скрапинге для обучения ИИ, этот риск растёт, а не уменьшается.

Важно сказать прямо: избежать обнаружения — это не стратегия комплаенса. Использование прокси, сервисов для решения CAPTCHA или техник обхода rate limit не меняет юридическую оценку — оно лишь откладывает технические последствия и может усилить юридические, потому что показывает намерение обходить ограничения.

Лучшие практики, если ты всё же хочешь собирать данные LinkedIn

Если твой кейс действительно требует данных LinkedIn и ты решил двигаться дальше, эти принципы снижают риск. Но не устраняют его.

Используйте только публичные данные

Получай доступ только к данным, видимым без входа в систему. Никогда не используй фейковые аккаунты, общие учётные данные и не обходи платные ограничения. В момент, когда ты входишь в аккаунт, ты соглашаешься с ToS LinkedIn и попадаешь под весь механизм enforcement.

Соблюдайте rate limits и robots.txt

Не перегружай серверы LinkedIn. Делай частоту запросов низкой и «человеческой». Проверь директивы LinkedIn в robots.txt и следуй им. Суды рассматривали соблюдение или несоблюдение robots.txt как доказательство добросовестности или недобросовестности.

Разберитесь с обязательствами по GDPR

Если ты обрабатываешь данные жителей ЕС:

  • определяй и документируй правовое основание до начала сбора
  • проводи Legitimate Interest Assessment, если опираешься на статью 6(1)(f)
  • собирай только минимально необходимый набор полей для заявленной цели
  • оперативно исполняй запросы на удаление и возражение
  • предоставляй уведомление по статье 14, если оно требуется
  • веди учёт действий по обработке

Используйте официальный API LinkedIn, где это возможно

Marketing API и People API LinkedIn дают санкционированный доступ к определённым данным. Использование API снимает риск нарушения ToS. Компромисс в том, что доступ ограничен, требует одобрения, имеет лимиты и покрывает более узкий набор полей, чем видно на сайте. Для многих сценариев лидогенерации API просто не даёт нужных данных — но всё же стоит проверить, подходит ли он для твоего случая.

Более безопасные альтернативы, чтобы получить нужные бизнес-данные

Большинство гайдов по скрапингу LinkedIn упускают важную мысль: большинству команд не нужны именно данные LinkedIn. Им нужны контактные данные компаний, сведения о бизнесе или списки лидов. LinkedIn — лишь один источник таких данных, но при этом с самым высоким правовым риском. Другие источники дают сопоставимые или даже лучшие данные при куда меньших рисках.

АльтернативаЧто вы получаетеЮридический рискОграничения
Официальный API LinkedIn (Marketing/Sales)Разрешённые данные, ограниченные поля✅ Низкий (при соблюдении правил)Жёсткое одобрение, лимиты, высокая цена
Скрапинг сайтов компанийКонтакты, страницы команды, данные о продуктах✅ Низкий (публичные сайты)Данные разбросаны по разным сайтам
Бизнес-каталоги / публичные листингиТелефоны, email, адреса✅ НизкийАктуальность данных различается
API для enrichment-данных (Clearbit, ZoomInfo и др.)Фирмографические и контактные данные✅ Низкий (ответственность частично на провайдере)Платно; вопросы к источникам данных

Скрапинг сайтов компаний напрямую

Публичные сайты компаний — страницы контактов, команда, about, пресс-релизы — это полностью допустимый источник и гораздо менее рискованный вариант, чем LinkedIn. Часто там данные даже богаче и актуальнее, чем в профилях LinkedIn, потому что компании сами поддерживают свои сайты.

Именно здесь подходит Thunderbit. Наш AI web scraper может извлекать email, телефоны и структурированные данные о компании с публичных сайтов, если твой кейс разрешён правилами сайта и применимым законом. Функция AI Suggest Fields анализирует страницу и автоматически предлагает столбцы, так что ничего не нужно настраивать вручную. Scraping подстраниц позволяет переходить на страницу каждого сотрудника или продукта и обогащать записи, а обработка пагинации помогает собирать многостраничные каталоги без написания скриптов.

Бизнес-каталоги и публичные листинги

Yellow Pages, отраслевые каталоги, списки торгово-промышленных палат, государственные реестры, списки участников мероприятий — всё это публично доступно и несёт меньший риск, чем LinkedIn. Cloud scraping в Thunderbit подходит для массового извлечения данных из таких источников, а для разработчиков API (POST /extract) и CLI могут автоматизировать извлечение в масштабе с выдачей структурированного JSON.

Сервисы обогащения данных

Сервисы вроде Clearbit и ZoomInfo предоставляют фирмографические и контактные данные, опираясь на собственные (предположительно соответствующие требованиям) источники. Юридический риск переносится на провайдера, хотя вопросы к качеству и этике источников остаются. Это платные сервисы, но для команд, которым нужны надёжные данные в масштабе, они часто оказываются выгоднее, чем правовой риск скрапинга LinkedIn.

Практический рабочий процесс

Для команд, чья реальная цель — собрать лиды или обогатить записи в CRM, процесс обычно выглядит так:

  1. Определи целевые компании через публичные каталоги, отраслевые списки или страницы мероприятий.
  2. Скрапь сайты компаний для получения контактов, данных о команде и продуктах с помощью расширения Thunderbit для Chrome.
  3. Используй AI Suggest Fields, чтобы Thunderbit сам определил нужные столбцы (имя, должность, email, телефон и т. д.).
  4. Экспортируй напрямую в Google Sheets, Airtable, Notion или CRM — для базового экспорта нет paywall.
  5. Обогати данные у провайдера, если нужны дополнительные фирмографические или intent-данные.

Этот подход даёт похожие бизнес-данные без обращения к LinkedIn и с меньшими юридическими рисками, если ты всё равно проверяешь условия каждого источника, privacy-обязательства и последующее использование данных.

Safer alternatives to LinkedIn scraping

Для более глубокого понимания того, как работает AI-скрапинг из разных источников, смотри наши материалы о веб-скрапинге без кода и об AI web scraping.

Ключевые выводы

  • Скрапинг открытых данных LinkedIn без входа в систему несёт меньший риск по CFAA в США после hiQ, но всё равно нарушает условия использования LinkedIn и создаёт риск судебных разбирательств.
  • В ЕС аргумент «это публично» не работает как юридическая защита. Почти любой скрапинг LinkedIn требует документированной правомерной базы по GDPR, и enforcement усиливается.
  • Скрапинг за логином, использование фейковых аккаунтов или перепродажа данных из-за paywall — это явно высокий риск и, скорее всего, нарушение сразу нескольких правовых режимов.
  • LinkedIn активно выявляет и преследует скраперов на разных уровнях — от ограничений аккаунта до исков, судебных запретов и требований удалить данные.
  • Дело hiQ не легализовало скрапинг LinkedIn. Оно снизило риск по CFAA для публичных данных в одном округе, но иски по договору сохранились, а дело закончилось мировым соглашением без обязательного прецедента.
  • Более безопасный путь для бизнес-команд — получать похожие данные через комплаентные альтернативы: использовать публичные сайты компаний и каталоги с инструментами вроде Thunderbit, применять официальный API LinkedIn там, где он подходит, или лицензировать данные у провайдеров с понятными практиками комплаенса.
  • Перед скрапингом LinkedIn задай себе вопрос: «Могу ли я получить эти данные из источника с меньшим правовым риском и риском для платформы?» Во многих случаях ответ — да.

FAQ

Законно ли скрапить публичные профили LinkedIn?

В США скрапинг публично видимых профилей LinkedIn без входа в аккаунт несёт меньший риск по CFAA на основании прецедента hiQ в Девятом округе, но при этом всё равно нарушает условия использования LinkedIn, что создаёт риск нарушения договора. В ЕС для публичных данных тоже нужна правомерная база по GDPR — «видно публично» не означает «можно свободно использовать».

Может ли LinkedIn заблокировать мой аккаунт за скрапинг?

Да. LinkedIn активно выявляет автоматизированную активность через ограничение скорости, алгоритмы обнаружения ботов и browser fingerprinting. Последствия варьируются от временных ограничений до постоянной блокировки аккаунта, и гарантий восстановления нет. Пользователи сообщали, что за ночь теряли годы контактов и контента.

Законно ли скрапить LinkedIn Sales Navigator?

Скрапинг данных Sales Navigator несёт очень высокий риск. Он одновременно нарушает ToS и может считаться нарушением договора подписки на Sales Navigator, поскольку данные находятся за платным доступом. Дело Mantheos — в котором использовались фейковые аккаунты и поддельные кредитные карты для доступа к Sales Navigator — закончилось постоянным судебным запретом и урегулированием в пользу LinkedIn.

Применяется ли GDPR к скрапингу профилей LinkedIn жителей ЕС?

Да, независимо от того, где находится сам скрапер. Любая обработка персональных данных жителей ЕС/ЕЭЗ должна соответствовать GDPR, включая наличие документированной правовой базы (например, законного интереса с тестом на баланс), исполнение запросов на удаление и уведомление субъектов данных по статье 14.

Какие есть более безопасные способы получить бизнес-контактные данные без скрапинга LinkedIn?

Основные альтернативы: (1) скрапинг публичных сайтов компаний для контактов, страниц команды и данных о продуктах (инструменты вроде Thunderbit делают это проще); (2) использование бизнес-каталогов и публичных листингов; (3) официальный API LinkedIn там, где твой кейс подходит; и (4) лицензирование данных у провайдеров enrichment-данных, таких как Clearbit или ZoomInfo. Эти подходы дают сопоставимые бизнес-данные при существенно меньшем правовом риске.

Узнай больше

Ke
Ke
Технический директор в Thunderbit | Senior Data Scientist и эксперт по ML Имея почти десятилетний опыт в машинном обучении и data science, Кэ Шэнь — выпускник Колумбийского университета и бывший Senior Data Scientist в Walmart Labs. Обладая глубокой, признанной коллегами экспертизой в Python, R, Java и статистике, он делится проверенными на практике наблюдениями о том, как переводить сложные AI-алгоритмы из теории в production-grade архитектуру.

Попробуй Thunderbit

Собирай лиды и другие данные всего в 2 клика. На базе AI.

Получить Thunderbit Это бесплатно
Извлекай данные с помощью AI
Легко передавай данные в Google Sheets, Airtable или Notion
Chrome Store Rating
PRODUCT HUNT#1 Product of the Week