Я слил
47 аккаунтов за 2 недели.

Эта статья — одна из самых некомфортных для меня. Она честная, и в ней не выгодный нам финал: «купили TG:ON и решили». TG:ON тогда ещё не существовал, он родился из этой истории.

Осень 2023. Мы (я и партнёр) запускаем первую свою кампанию в Telegram по найденным офферам. Бюджет на инфраструктуру — $20 000. Купленных аккаунтов — 50. Прокси — DC (самые дешёвые). Software — самописный sender на pyrogram без особых premudrostей. План — отработать методичку из «профильного» курса, который мы прошли.

За 2 недели банится 47 аккаунтов из 50. Три оставшихся работают неделю и тоже банятся. Бюджет сгорает полностью. Возврата аккаунтов нет (их не возвращают). Методичка из курса — не работает.

Дальше — полгода разбора: что мы сделали не так. Из этого выросла команда, которая теперь делает TG:ON. Но конкретные выводы по той первой ошибке — ниже.

DC-прокси: разница в $1 / аккаунт / месяц, цена — весь бюджет

Я взял дешёвые datacenter-прокси (~$2/аккаунт/мес) вместо residential (~$10-15/аккаунт/мес). Казалось — разница несущественная, «прокси же работает».

Что я не знал: Telegram смотрит на ASN (autonomous system). IP-адреса делятся на ранги — datacenter (DigitalOcean, OVH, AWS, Vultr) и residential (Comcast, Deutsche Telekom, Rostelecom). Datacenter-ранги известны и приоритетны для скана SpamBot'ом.

Когда 50 аккаунтов в одной сессии пишут с IP-адресов DigitalOcean, SpamBot видит:

• 50 разных phone numbers
• Все с одного класса IP (ASN 14061 — DigitalOcean)
• Все отправляют первые сообщения незнакомцам
• Все с почти одинаковым cadence

Результат — групповой флаг. Баны приходят волнами, по 8-12 аккаунтов за день. К концу второй недели — почти ничего.

Copy-paste TDATA: один фингерпринт на всю ферму

Когда покупаешь аккаунты, продавец отдаёт TDATA-папку (сессионные данные Telegram desktop). В этих файлах, среди прочего, лежат:

• app_version — версия клиента Telegram (например, «4.8.11»)
• device_model — модель устройства (например, «Desktop Windows 10»)
• system_version — ОС
• lang_code — язык интерфейса
• Session-specific tokens и encryption keys

Мой код 2023 года импортировал все 50 TDATA-папок как есть, без модификаций. Что произошло: все 50 аккаунтов отправляли с абсолютно одинаковыми device_model, app_version, system_version. С одной версии одного клиента Telegram Desktop.

SpamBot считывает эти поля. Когда видит кластер из 50 «устройств» с идентичными характеристиками — это не «случайная корреляция», это сигнал фермы.

Правильное решение: рандомизировать device fingerprint per account и держать его стабильным. То есть у аккаунта №17 всегда «Samsung Galaxy S21 / Android 13 / lang_en», у аккаунта №34 — «iPhone 14 / iOS 16.5 / lang_ru», и это не меняется между сессиями.

Мгновенный старт + burst: нулевой warmup

Третья ошибка — самая банальная и самая частая. Мы активировали аккаунты и в тот же день запустили массовую отправку. 100+ сообщений на аккаунт за первый час «коммерческой активности».

Что видел Telegram:

1. Активация phone number (SIM только что куплена, 0 истории)
2. Первая авторизация
3. 0 сообщений входящих / исходящих с контактами
4. Внезапно — 100+ исходящих к незнакомым

Это идеальный профиль бота в глазах anti-spam. Свежий аккаунт + нулевая органическая активность + burst outgoing = флаг мгновенный.

Эффект трёх ошибок: мультипликативный

Каждая ошибка по отдельности повышает bran risk на ~30-50%. Но они не складываются, а умножаются. Три ошибки одновременно — ~95% вероятность бана в течение 2 недель.