AI SEO In Detail › Módulo B · Análisis del tráfico de búsqueda › Episodio 15
¿Es real tu tráfico? Filtrar bots en GA4
Aprende a detectar sesiones falsas en GA4: filtro por nombre de host, bots que se cuelan, señales de interacción y contraste con datos de Search Console.
Al reproducir el vídeo se carga desde YouTube (modo de privacidad mejorada). El vídeo está en inglés con subtítulos en tu idioma.
Checklist de filtrado de bots en GA4
Una página imprimible: el filtro por nombre de host que va antes de cualquier otro análisis, los patrones de bots que lo superan y cómo leerlos en grupos, la interacción como señal, la comprobación semanal de GA4 frente a Search Console con su hoja de trabajo y qué hacer cuando ya has encontrado tráfico malo.
- Filtra primero por nombre de host — Desglosa las sesiones por el dominio en el que se registró cada visita y quédate solo con los hosts que son tuyos y están activos. Aplica el filtro en cada informe y consulta, y vuelve a revisarlo cada vez que cambie un dominio o reutilices una propiedad.
- Busca patrones de bots en grupos — Cero interacción, un único lugar inesperado, horarios raros, valores ausentes. Ninguno prueba nada por sí solo; con dos o tres en el mismo segmento ya puedes estar bastante seguro. La tasa de interacción y el tiempo de interacción por segmento hacen visibles los grupos.
- Contrasta GA4 con Search Console — Limita Analytics a source = google y compara cada semana con los clics de Search Console. Una proporción estable es una diferencia de medición; una proporción que se desvía es una pregunta que te indica dónde indagar.
Gratis · 1 página · PDF A4 · sin registro
Los archivos están en inglés.
1,312 palabras · traducción de la narración del episodio.
Introducción
Hace un tiempo, uno de mis paneles mostraba un sitio yendo muy bien. Más de cincuenta mil sesiones. Estuve contento, durante un minuto.
Luego filtré por hostname. Es el dominio donde se registró la visita. Unas cincuenta y cinco sesiones venían del dominio real del sitio. El resto, más de cincuenta mil, venía de otro lugar completamente.
Nada estaba roto en el sentido habitual. Los números simplemente no eran lo que pensaba. En este episodio mostraré cómo sucede eso, el único filtro que lo habría detectado, y cómo identificar tráfico de bots que lo evade.
Qué pasó
Una nota sobre estos datos. Son reales, de uno de mis sitios, pero anonimizados: sin nombres de dominio, sin URLs, nada que identifique el sitio. Los números son lo que Analytics reportó.
Esto fue lo que pasó. El sitio se había mudado a un nuevo dominio. El dominio antiguo se retiró, pero la propiedad de Google Analytics, el contenedor que recoge los datos, se reutilizó para el nuevo. Es común. Ahorra volver a configurar todo.
Pero una propiedad no sabe a qué dominio pertenece. Acepta datos de cualquier lugar que le envíe su ID. Y el dominio retirado seguía recibiendo hits de bots, que se contaban como sesiones en la misma propiedad.
Así que el panel lo sumó todo junto. Durante unas cinco semanas: cincuenta y tres mil quinientas setenta y cuatro sesiones en el dominio retirado, cincuenta y cinco en el actual. Noventa y nueve punto nueve por ciento de lo mostrado era ruido.
Primer filtro: el nombre de host
La solución es una dimensión: hostname. Cada evento en Google Analytics registra el dominio del que vino. Desglosa tus sesiones por hostname, y verás cada dominio que envió datos a tu propiedad.
Ese incidente fue en un sitio diferente. Hagamos la misma revisión en el sitio que usaremos el resto del episodio, example-city-stats.com, uno de los míos, anonimizado igual. En pantalla está cada hostname que le envió datos en los últimos noventa días.
Y está limpio. Dos filas. El dominio propio del sitio, con unas cincuenta y cinco mil sesiones, y la versión www, con seis. Sin dominios antiguos, sin extraños. Así luce una propiedad saludable. El punto es ver esta lista, no asumirla.
En una propiedad con problemas, verías más filas: un dominio antiguo, un servidor de prueba, un proxy de traducción, o un dominio que nadie reconoce. Todos son ruido en un reporte sobre tu sitio.
Mantén solo los hostnames que son tuyos y están activos. Hazlo en cada reporte y consulta de API, antes de cualquier análisis. Pongo ese filtro dentro de la única función compartida que usan todos mis scripts para consultar Analytics, así no lo olvido.
Y revísalo cada vez que un dominio cambie. Antes de reutilizar una propiedad, hazle una pregunta: sesiones por hostname.
Bots que superan el filtro
Google Analytics ya excluye bots conocidos automáticamente. No puedes desactivarlo, ni ver qué removió. Lo que llega a tus reportes es el tráfico que no parecía un bot conocido.
Algo de eso todavía no es humano. Estos son los patrones que busco.
Cero engagement. Sesiones sin tiempo de interacción, una página y se van. Visitantes reales también rebotan, pero no por miles en un bloque ordenado.
Un solo lugar. Un grupo repentino de sesiones de una sola ciudad o un solo país que no tiene nada que ver con tu audiencia. A menudo es donde está un centro de datos.
Timing extraño. Picos de tráfico directo a las tres de la mañana, cada noche, sin campaña detrás.
Valores faltantes. Idioma, tamaño de pantalla o página de entrada como "not set". Un navegador real completa eso. Un script que envía datos directo a tu ID de medición a menudo no.
Ninguno de estos es prueba por sí solo. Busca dos o tres a la vez, en el mismo segmento. Ahí es cuando puedes estar bastante seguro.
La interacción como señal
Un número resumen útil es tasa de engagement. Analytics cuenta una sesión como engaged si dura más de diez segundos, incluye un evento clave, o ve al menos dos páginas.
Junto a eso, mira el tiempo promedio de engagement por sesión. Visitantes reales producen una distribución. Los bots tienden a producir los mismos pocos segundos, una y otra vez.
Para mi sitio completo, cincuenta y cinco por ciento de sesiones son engaged, a unos cuarenta y cinco segundos cada una. Ahora desglosémoslo. Por país, Estados Unidos, donde está la audiencia, está en sesenta y uno por ciento engaged y cincuenta segundos. Luego vienen Singapur, Brasil y Hong Kong, con entre setecientas y mil doscientas sesiones cada uno, y de dos a tres segundos de engagement. Brasil y Hong Kong están bajo diez por ciento engaged.
Por página de entrada, una fila se llama "not set": casi mil doscientas sesiones, dos por ciento engaged, bajo tres segundos. Una visita real aterriza en una página. Ese es el patrón de valores faltantes justo encima del patrón de cero engagement.
Y tráfico directo: unas quince mil sesiones, bajo treinta por ciento engaged, catorce segundos. Más bajo que búsqueda, normal, pero lo suficiente grande para vigilar.
Nada de esto prueba bots por sí solo. Pero miles de sesiones de dos segundos de países fuera de la audiencia es exactamente el tipo de cluster que no cuento como crecimiento.
La comprobación con Search Console
Esta es la verificación cruzada en la que más confío. Search Console cuenta clics de búsqueda de Google del lado de Google. Analytics cuenta sesiones de Google orgánico de tu lado. Nunca coincidirán exactamente.
A menudo Analytics es más bajo. Algunos visitantes rechazan cookies o bloquean rastreo. Es normal.
En mi sitio es al revés. En cada una de estas dieciséis semanas, el canal orgánico en Analytics muestra más sesiones de las que Search Console tiene clics, unas uno punto seis veces más. Pero ese canal cuenta todos los motores, no solo Google. Bing, DuckDuckGo y Yahoo juntos enviaron casi diez mil sesiones orgánicas en los últimos noventa días.
Así que limita Analytics a Google como la fuente, y compara de nuevo. Ahora las líneas casi se encuentran. Desde fines de junio hasta fines de agosto, sesiones de Google se mantuvieron dentro de doce por ciento de clics de Google, semana tras semana. Es diferencia de conteo, nada más.
Luego la proporción empieza a subir. Diecisiete por ciento más a principios de septiembre, luego veinte, luego treinta y cuatro, y en la última semana, la mitad más de sesiones que clics. Google no pudo haber enviado visitantes que no contó. Así que desde fines de agosto, algo extra se registra como Google orgánico.
Aún no sé qué es. Podrían ser bots enviando un referrer falso de Google. Podría ser un cambio en cómo una de las dos herramientas atribuye visitas. Ese es el punto de esta revisión: no te da la respuesta, te dice dónde cavar. Una proporción estable está bien. Una proporción que deriva es una pregunta.
Este es el hábito del episodio uno: nunca confíes en una sola fuente.
Qué hacer con el tráfico malo
Una vez que hayas encontrado tráfico de bots, tres pasos.
Primero, segméntalo fuera de tu análisis. Los datos ya en Analytics no se pueden borrar, así que el filtro debe vivir en tus reportes y consultas. Esa es otra razón para tener una función compartida de consulta.
Segundo, escríbelo. Mantén una lista corta de hostnames, fuentes y patrones malos conocidos, con la fecha en que los encontraste. Tu yo futuro lo necesitará cuando un gráfico antiguo se vea extraño.
Tercero, detén la fuente donde puedas. Si un dominio retirado aún lleva tu etiqueta de rastreo, remuévela, o cierra el dominio correctamente. Menos hits malos entrando significa menos filtrado después.
Resumen final
Así que: filtra por hostname primero, busca patrones de bots en clusters, revisa Analytics contra Search Console, y mantén el tráfico malo fuera de cada número que reportes. La checklist de filtros de bots está en la descripción. Próximo episodio: cuando cae el tráfico, una checklist paso a paso para saber por qué.