Мониторинг и аналитика для кардера: как построить личный дашборд

[Good Carder]

От кардера — кардерам. Вы вбили 100 карт, 10 прошло, 90 упало. Вы знаете, какие BIN работают? В какое время суток лучше вбивать? Какие прокси дают меньше отказов? Если вы не можете ответить на эти вопросы, вы играете в казино, а не занимаетесь кардингом.

В этой статье я покажу, как построить систему мониторинга и аналитики, которая превратит хаос отказов в управляемый процесс. Вы узнаете, как собирать данные (Google Sheets + Python), какие метрики отслеживать, как визуализировать тренды (Plotly, Grafana) и построить дашборд для отслеживания ROI. Никакой теории — только готовые решения, которые работают в 2026 году.

Часть 1. Почему без аналитики вы — игрок, а не кардер​

Большинство новичков действуют по принципу «вбил — упало — забыл». Они не запоминают, какой BIN сработал, какой прокси сгорел, в какое время суток был успех. Это путь к постоянным потерям.

Профессиональный кардер ведёт лог каждой попытки. Он знает:

• Какие BIN дают 30% успеха, а какие — 5% (и перестаёт покупать мусор).
• Какие прокси-провайдеры стабильны, а какие сгорают после 10 запросов.
• В какое время суток банки менее бдительны (чаще всего 2–5 утра по местному времени).
• Какой платёжный шлюз (Stripe, Adyen, Braintree) даёт больше проходов.

Без лога вы слепы. С логом — вы видите систему.

Часть 2. Сбор данных: от вбива до Google Sheets​

Первый шаг — организовать сбор данных. Не надейтесь на память. Каждая попытка должна попадать в таблицу.

2.1. Минимальные поля для лога​

Создайте Google Sheets с колонками (или CSV-файл, который потом загрузите):

Поле	Пример	Описание
timestamp	2026-05-25 14:32:11	Время попытки (UTC)
site	shopify.com/example	Целевой магазин
bin	414720	Первые 6 цифр карты
country_card	US	Страна эмитента
proxy_ip	45.67.89.10	IP прокси
proxy_type	residential	residential / datacenter / mobile
proxy_provider	webshare	Имя провайдера
antidetect	dolphin_anty	Название антидетекта
profile_id	prof_a1b2c3	ID профиля
http_status	402	HTTP статус ответа
error_code	insufficient_funds	Код ошибки от шлюза
response_time_ms	2350	TTFB в миллисекундах
amount_usd	49.99	Сумма чека
result	fail	success / fail
notes	proxy reused	Комментарии

2.2. Автоматическое логирование через Python​

Ручное заполнение таблицы утомительно. Лучше написать скрипт, который после каждого вбива (или чекера) автоматически добавляет строку в Google Sheets.

Пример Python-скрипта для записи в Google Sheets:

import gspread
from oauth2client.service_account import ServiceAccountCredentials
import datetime

# Настройка доступа к Google Sheets
scope = ['https://spreadsheets.google.com/feeds', 'https://www.googleapis.com/auth/drive']
creds = ServiceAccountCredentials.from_json_keyfile_name('credentials.json', scope)
client = gspread.authorize(creds)

# Открываем таблицу (по URL или названию)
sheet = client.open('Carding Log 2026').sheet1

def log_attempt(data):
    row = [
        datetime.datetime.utcnow().isoformat(),
        data.get('site', ''),
        data.get('bin', ''),
        data.get('country_card', ''),
        data.get('proxy_ip', ''),
        data.get('proxy_type', ''),
        data.get('proxy_provider', ''),
        data.get('antidetect', ''),
        data.get('profile_id', ''),
        data.get('http_status', ''),
        data.get('error_code', ''),
        data.get('response_time_ms', ''),
        data.get('amount_usd', ''),
        data.get('result', ''),
        data.get('notes', '')
    ]
    sheet.append_row(row)

# Пример использования
log_attempt({
    'site': 'shopify.com/example',
    'bin': '414720',
    'country_card': 'US',
    'proxy_ip': '45.67.89.10',
    'proxy_type': 'residential',
    'proxy_provider': 'webshare',
    'antidetect': 'dolphin_anty',
    'profile_id': 'prof_001',
    'http_status': 402,
    'error_code': 'insufficient_funds',
    'response_time_ms': 2350,
    'amount_usd': 49.99,
    'result': 'fail',
    'notes': 'first attempt'
})

Где взять credentials.json: Создайте проект в Google Cloud Console, включите Google Sheets API, создайте сервисный аккаунт, скачайте ключ JSON и поделитесь таблицей с email этого сервисного аккаунта.

2.3. Логирование через локальный CSV (если не хотите облако)​

import csv
import datetime

def log_attempt_csv(data, filename='carding_log.csv'):
    file_exists = False
    try:
        with open(filename, 'r'):
            file_exists = True
    except FileNotFoundError:
        pass
    
    with open(filename, 'a', newline='') as f:
        writer = csv.writer(f)
        if not file_exists:
            writer.writerow(['timestamp', 'site', 'bin', 'country_card', 'proxy_ip', 'proxy_type', 'proxy_provider', 'antidetect', 'profile_id', 'http_status', 'error_code', 'response_time_ms', 'amount_usd', 'result', 'notes'])
        writer.writerow([
            datetime.datetime.utcnow().isoformat(),
            data.get('site', ''),
            data.get('bin', ''),
            data.get('country_card', ''),
            data.get('proxy_ip', ''),
            data.get('proxy_type', ''),
            data.get('proxy_provider', ''),
            data.get('antidetect', ''),
            data.get('profile_id', ''),
            data.get('http_status', ''),
            data.get('error_code', ''),
            data.get('response_time_ms', ''),
            data.get('amount_usd', ''),
            data.get('result', ''),
            data.get('notes', '')
        ])

2.4. Парсинг логов из Stripe API (продвинутый уровень)​

Если вы используете Stripe для чекинга, можно автоматически выгружать данные о платежах через API:

import stripe
stripe.api_key = "sk_live_..."

# Получить последние 100 PaymentIntent
intents = stripe.PaymentIntent.list(limit=100)

for intent in intents:
    # Извлечь нужные поля
    data = {
        'timestamp': datetime.fromtimestamp(intent.created).isoformat(),
        'bin': intent.payment_method_details.card.bin,
        'country_card': intent.payment_method_details.card.country,
        'http_status': 200 if intent.status == 'succeeded' else 402,
        'error_code': intent.last_payment_error.get('code') if intent.last_payment_error else None,
        'amount_usd': intent.amount / 100,
        'result': 'success' if intent.status == 'succeeded' else 'fail'
    }
    log_attempt(data)

Часть 3. Ключевые метрики для анализа​

Собрав 50–100 записей, можно начинать анализ. Вот самые важные метрики.

3.1. Успешность по BIN​

Группируйте записи по BIN (или по первым 4 цифрам BIN, если 6 слишком мелко). Считайте процент успеха.

Формула: (количество success / общее количество попыток для этого BIN) * 100%

BIN с успешностью >20% — зелёная зона (покупайте ещё).
BIN с успешностью 5–20% — жёлтая зона (проверяйте, может, проблема в прокси).
BIN с успешностью <5% — красная зона (не покупайте, даже если дёшево).

3.2. Успешность по прокси-провайдеру​

Группируйте по proxy_provider. Сравнивайте процент успеха. Если один провайдер даёт 30% успеха, а другой — 0%, вы знаете, с кем работать.

3.3. Успешность по времени суток​

Добавьте в таблицу колонку hour = HOUR(timestamp). Постройте график успеха по часам. Часто пик приходится на 2–5 утра по местному времени (когда банковские отделы фрода спят).

3.4. Успешность по платёжному шлюзу​

Группируйте по домену сайта или по типу шлюза (Stripe, Adyen, Braintree, самописный). Вы быстро поймёте, какие шлюзы «дырявые», а какие — крепкий орешек.

3.5. Среднее время ответа (response_time_ms)​

Медленные ответы (>3000 мс) могут указывать на плохой прокси или проблемы с сетью. Быстрые ответы (<200 мс) при отказе часто означают, что карта отсеялась на уровне шлюза без запроса к банку.

3.6. ROI (Return on Investment)​

Самая важная метрика. Рассчитывается как (доход от успешных транзакций - затраты на карты, прокси, антидетект) / затраты * 100%. Ведите отдельную таблицу расходов.

Часть 4. Визуализация: от скучных таблиц к живым графикам​

Сырые данные в таблице — это хорошо, но графики дают мгновенное понимание трендов.

4.1. Построение графиков в Google Sheets​

Google Sheets имеет встроенные инструменты: выделите данные → Вставка → Диаграмма. Выберите тип (линейный для времени, столбчатый для сравнения BIN). Недостаток: нужно обновлять вручную.

4.2. Визуализация через Python + Plotly​

Plotly — мощная библиотека для интерактивных графиков.

import pandas as pd
import plotly.express as px
import plotly.graph_objects as go

# Загружаем лог
df = pd.read_csv('carding_log.csv', parse_dates=['timestamp'])

# 1. Успешность по часам
df['hour'] = df['timestamp'].dt.hour
hourly_success = df.groupby('hour')['result'].apply(lambda x: (x == 'success').mean() * 100).reset_index()
fig1 = px.line(hourly_success, x='hour', y='result', title='Success Rate by Hour of Day')
fig1.show()

# 2. Успешность по BIN (топ-20)
bin_success = df.groupby('bin')['result'].apply(lambda x: (x == 'success').mean() * 100).sort_values(ascending=False).head(20).reset_index()
fig2 = px.bar(bin_success, x='bin', y='result', title='Top 20 BINs by Success Rate')
fig2.show()

# 3. Тепловая карта: успешность по дню недели и часу
df['dayofweek'] = df['timestamp'].dt.dayofweek
pivot = df.pivot_table(index='hour', columns='dayofweek', values='result', aggfunc=lambda x: (x == 'success').mean() * 100).fillna(0)
fig3 = px.imshow(pivot, labels=dict(x="Day of Week", y="Hour", color="Success %"), title="Success Rate Heatmap")
fig3.show()

# 4. Сравнение прокси-провайдеров
proxy_success = df.groupby('proxy_provider')['result'].apply(lambda x: (x == 'success').mean() * 100).reset_index()
fig4 = px.bar(proxy_success, x='proxy_provider', y='result', title='Success Rate by Proxy Provider')
fig4.show()

4.3. Grafana для профессионального дашборда​

Grafana — система для мониторинга, которая подключается к базам данных (PostgreSQL, MySQL) и строит дашборды в реальном времени.

Как настроить:

1. Установите PostgreSQL (или используйте бесплатную облачную версию).
2. Напишите скрипт, который загружает логи в БД.
3. Подключите Grafana к БД.
4. Создайте дашборд с панелями: график успешности по времени, таблица лучших BIN, метрики ROI.

Это сложнее, чем Plotly, но даёт автоматическое обновление и доступ с любого устройства.

Часть 5. Пример дашборда на Streamlit (готовый код)​

Streamlit — это Python-фреймворк для создания веб-приложений. Вы можете запустить дашборд локально и открыть в браузере.

Полный код дашборда:

import streamlit as st
import pandas as pd
import plotly.express as px
from datetime import datetime

st.set_page_config(page_title="Carding Analytics Dashboard", layout="wide")
st.title("📊 Кардерский дашборд (анализ попыток)")

# Загрузка файла
uploaded_file = st.file_uploader("Загрузите лог (CSV)", type=["csv"])
if uploaded_file is not None:
    df = pd.read_csv(uploaded_file, parse_dates=['timestamp'])
    
    # Базовые метрики
    total_attempts = len(df)
    success_attempts = len(df[df['result'] == 'success'])
    success_rate = success_attempts / total_attempts * 100 if total_attempts > 0 else 0
    
    col1, col2, col3 = st.columns(3)
    col1.metric("Всего попыток", total_attempts)
    col2.metric("Успешных", success_attempts)
    col3.metric("Успешность %", f"{success_rate:.1f}%")
    
    # График по времени
    df['date'] = df['timestamp'].dt.date
    daily = df.groupby('date')['result'].apply(lambda x: (x == 'success').mean() * 100).reset_index()
    fig_time = px.line(daily, x='date', y='result', title="Успешность по дням")
    st.plotly_chart(fig_time, use_container_width=True)
    
    # Топ-10 BIN
    bin_success = df.groupby('bin')['result'].apply(lambda x: (x == 'success').mean() * 100).sort_values(ascending=False).head(10).reset_index()
    fig_bin = px.bar(bin_success, x='bin', y='result', title="Топ-10 BIN по успешности")
    st.plotly_chart(fig_bin, use_container_width=True)
    
    # Успешность по прокси-провайдеру
    proxy_success = df.groupby('proxy_provider')['result'].apply(lambda x: (x == 'success').mean() * 100).reset_index()
    fig_proxy = px.bar(proxy_success, x='proxy_provider', y='result', title="Успешность по прокси-провайдеру")
    st.plotly_chart(fig_proxy, use_container_width=True)
    
    # Таблица с последними 20 попытками
    st.subheader("Последние 20 попыток")
    st.dataframe(df.tail(20)[['timestamp', 'bin', 'proxy_provider', 'error_code', 'amount_usd', 'result']])
    
else:
    st.info("Загрузите CSV-файл с логом попыток")

Как запустить:

pip install streamlit pandas plotly
streamlit run dashboard.py

Дашборд откроется в браузере. Вы сможете загружать CSV и видеть аналитику в реальном времени.

Часть 6. OPSEC для аналитики​

1. Не храните логи в открытом виде. Шифруйте CSV-файлы (Veracrypt, AES-256) или используйте зашифрованные облачные сервисы (CryptDrive).
2. Не используйте личный Google-аккаунт для Google Sheets. Создайте отдельный аккаунт через Tor/VPN. Не привязывайте к нему свой номер телефона.
3. Регулярно чистите старые записи. Не храните логи дольше 3–6 месяцев. Это улики.
4. Не публикуйте скриншоты дашборда. Даже анонимно. По метрикам и стилю можно идентифицировать кардера.
5. Используйте отдельную виртуальную машину для аналитики. Не смешивайте с боевыми скриптами.

Часть 7. Резюме от кардера​

Аналитика — это не роскошь, а необходимость. Без неё вы не масштабируетесь, не оптимизируете затраты и не выживаете. Начните с малого: Google Sheets + ручной ввод. Через 50 попыток переходите на автоматическое логирование через Python. Ещё через 100 попыток — внедряйте дашборд на Streamlit или Grafana.

Главные метрики: успешность по BIN, прокси, времени суток и шлюзу. ROI — царь всех метрик. Если ROI отрицательный, меняйте поставщиков карт, прокси или стратегию.

Лог — это ваша чёрная коробка. Анализируйте её каждую неделю, и удача перестанет быть случайностью.

Быстрая памятка на одну строку:
«Лог — это не бюрократия, это оружие. BIN с 30% успеха — покупай, с 5% — игнорируй. Прокси-провайдер с 0% — выкидывай. Часы 2–5 утра — время вбива. Графики в Plotly, дашборд в Streamlit, шифрование логов — обязательно. Без аналитики ты не кардер, ты лудоман.»