Referral spam en GA4: limpia el tráfico sin filtros erróneos

El lunes, GA4 muestra una fuente de referencia desconocida con 1.800 sesiones. El tiempo de interacción es casi cero, casi todo el tráfico procede de una ciudad fuera del mercado objetivo y no se ha hecho ningún pedido. La primera reacción suele ser añadir el dominio a «Unwanted referrals». Si te quedas ahí, puede que solo cambies la etiqueta de datos contaminados en lugar de eliminarlos.

El referral spam, los self-referrals, los bots y los referrals de pasarelas de pago pueden parecerse en los informes de adquisición. El tratamiento correcto empieza por identificar cuál de ellos tienes.

Cómo registra GA4 los referrals

Una sesión de referral es aquella en la que GA4 determina que un visitante llegó a través de un enlace de otro dominio. El dominio anterior pasa a ser la fuente y el medio suele ser referral.

Es lo normal cuando una web real envía a un visitante. Se vuelve problemático cuando:

• el dominio es una pasarela de pago o forma parte de tu propio recorrido;
• tus dominios o subdominios se refieren entre sí;
• un bot o un navegador automatizado activa el seguimiento;
• se envían eventos de spam directamente a un endpoint de medición;
• la falta de parámetros UTM hace que el tráfico de campañas se atribuya mal.

Una sola fila de referral desconocida no es una prueba de tráfico de bots.

Cuatro situaciones fáciles de confundir

1. Un unwanted referral legítimo

Un cliente sale hacia un procesador de pagos y vuelve a la página de agradecimiento. GA4 puede tratar al procesador como una nueva fuente y atribuirle la conversión.

El tráfico es real. Configura los unwanted referrals o la medición entre dominios para que la fuente de adquisición original sobreviva al recorrido.

2. Un self-referral

Tu propio dominio o subdominio aparece como fuente. Las causas habituales incluyen:

• la etiqueta de Google falta en una parte del flujo;
• se pierden las cookies entre dominios;
• la medición entre dominios está incompleta;
• las redirecciones eliminan el parámetro linker;
• el comportamiento del consentimiento difiere entre páginas.

Ocultar el dominio no repara la rotura de la medición. Sigue el recorrido de las cookies y de la etiqueta.

3. Un rastreador o un bot que visita el sitio real

El bot carga una página y dispara el seguimiento como un navegador. Pueden aparecer sesiones, vistas e incluso eventos. Investiga el tipo de IP, el user agent, el comportamiento, la velocidad y la calidad de los clics.

4. Ghost spam

Se envían eventos a GA4 sin abrir la web. Pueden llevar un hostname extranjero, una ruta de página sin sentido o una campaña que promociona al spammer. Como la solicitud nunca toca tu servidor web, los access logs pueden no mostrar nada.

Qué hacen y qué no hacen los «Unwanted referrals»

GA4 marca los eventos coincidentes con ignore_referrer=true, lo que impide que ese referrer se convierta en una nueva fuente de tráfico.

Es útil para los procesadores de pago, los dominios de interacción gestionados y algunos flujos entre dominios. Sin embargo:

• los eventos se siguen recogiendo;
• los usuarios y las sesiones no desaparecen;
• los informes históricos no se reescriben;
• a los dominios de spam no se les bloquea el acceso a la web;
• la atribución puede pasar a direct o quedarse con una fuente anterior.

Añadir un dominio de spam a la lista no es un filtro antibots.

Un flujo de investigación

Paso 1: mira más allá de las sesiones

Añade:

• hostname;
• página de destino;
• país y ciudad;
• categoría de dispositivo;
• navegador;
• tasa de interacción;
• tiempo medio de interacción;
• conversiones o eventos clave;
• fuente del primer usuario y fuente de la sesión.

Una fuente real puede convertir poco y aun así mostrar páginas de destino razonables, dispositivos variados y comportamiento de lectura. El spam suele producir un conjunto de anomalías y no una sola métrica mala.

Paso 2: inspecciona el hostname

El hostname debe ser un dominio que realmente mides. Los eventos asociados a un hostname extranjero o a (not set) aumentan la probabilidad de que un measurement ID se esté usando en otro lugar.

Si tienes varios dominios válidos, mantén una lógica de lista de permitidos en los informes o en BigQuery en lugar de fiarte de la memoria.

Paso 3: compara con los logs del servidor

Usa el mismo intervalo de tiempo, la misma ruta de destino y la misma geografía. Si GA4 informa de miles de sesiones mientras el servidor no tiene el tráfico correspondiente, es más probable que se trate de ghost spam o de envío directo de eventos.

Si los logs muestran solicitudes densas desde IP de centros de datos con user agents repetidos, el bot probablemente visitó el sitio.

Paso 4: busca etiquetas de campaña ausentes

Un correo, un afiliado o un anuncio sin UTM puede aparecer como un referral desconocido. Antes de excluirlo, pregunta a marketing si el dominio pertenece a un socio, a una plataforma de pago o a un servicio de redirección.

Paso 5: encuentra la fecha de inicio

Un pico de referrals posterior a cambios en el checkout, el consentimiento, el dominio o las etiquetas suele indicar un problema de implementación. El spam puede empezar sin que haya un lanzamiento, aunque el momento es solo una pista.

Trata la causa, no la fila

Pasarelas de pago y dominios del recorrido

1. Configura la medición entre dominios para los dominios que gestionas.
2. Añade el proveedor de pagos a los unwanted referrals cuando proceda.
3. Prueba el recorrido completo con DebugView.
4. Confirma que la fuente original sigue recibiendo el crédito de la conversión.

No añadas dominios a ciegas; puedes convertir referrals valiosos en tráfico direct.

Self-referrals

Comprueba la cobertura de la etiqueta de Google, el dominio de las cookies, el estado del consentimiento y los parámetros linker. Usa Tag Assistant a lo largo del flujo completo, no solo en la página de inicio.

Un self-referral es una prueba de que el camino de medición está roto. Una regla de unwanted referrals puede ocultar el síntoma sin reconectarlo.

Bots que visitan el sitio

Los informes estándar de GA4 no muestran las direcciones IP. Usa evidencia externa:

• access logs o logs de la CDN;
• clasificación residencial/centro de datos/VPN/Tor;
• velocidad por IP o por huella digital;
• user agents repetidos;
• comportamiento de clics y temporización de eventos.

La consulta de IP y la puntuación del tráfico aportan indicios, no pruebas de que una visita sea humana o automatizada. Compare resultados de la aplicación y conserve las clasificaciones inciertas.

Ghost spam

No existe un botón universal que elimine los datos ya recogidos. Los controles prácticos incluyen:

• informes que solo aceptan hostnames válidos;
• segmentos que excluyen los periodos contaminados conocidos;
• protección del endpoint del servidor para los eventos de Measurement Protocol;
• un tratamiento más estricto de los identificadores de medición públicos cuando sea posible;
• monitorización de patrones recurrentes de campaña, hostname y geografía.

Los measurement ID web son públicos por diseño, así que las listas de permitidos en la capa de informes suelen ser más fiables que intentar mantenerlos en secreto.

Limpiar el análisis sin reescribir el historial

Los cambios de configuración de GA4 no funcionan con efecto retroactivo. Registra la fecha del cambio y analiza dos periodos:

• Antes de la corrección: usa un segmento que excluya las fuentes o hostnames confirmados.
• Después de la corrección: verifica si la nueva configuración funciona.

En BigQuery o en un warehouse, añade un campo traffic_quality_status en lugar de borrar filas:

• valid;
• internal;
• known_bot;
• suspected_bot;
• ghost_spam;
• attribution_issue.

Los datos en bruto te permiten revisar la clasificación más adelante sin perder el rastro de auditoría.

Un panel de alertas de referral spam útil

No elimines automáticamente tráfico a partir de un solo umbral. Una alerta abre una investigación; una decisión necesita varias señales.

Errores frecuentes

Excluir todos los referrals con un rebote alto

Un artículo de prensa o un directorio reales pueden enviar lectores que consumen una sola página. Una mala conversión no demuestra fraude.

Escribir reglas regex demasiado amplias

Una regla que coincida con «pay» podría afectar a PayPal, a los subdominios de pago y a otras fuentes válidas que no tienen relación. Normaliza los dominios exactos y prueba las condiciones antes de publicarlas.

Arreglar GA4 e ignorar el servidor

Un bot real sigue consumiendo ancho de banda y puede hacer clic en los anuncios después de que lo ocultes de un informe. La higiene de analytics y la protección del tráfico son capas distintas.

Comparar GA4 filtrado con los logs en bruto

Los logs incluyen recursos, rastreadores, API y solicitudes fallidas. GA4 incluye eventos del cliente que dependen del consentimiento. Normaliza ambos antes de comparar los totales.

Una comprobación pública de etiquetas identifica instrumentación visible. No accede a informes privados de GA4 ni calcula la proporción de visitantes reales. Compare informes autorizados con datos de la aplicación y del servidor.

Lista de verificación de limpieza en una sesión

1. Identifica el source/medium, el hostname y la página de destino.
2. Compara la interacción, la geografía, el dispositivo y la conversión.
3. Contrasta con los logs del servidor o de la CDN.
4. Pregunta a marketing por pagos, afiliados y redirecciones.
5. Clasifica: atribución, self-referral, bot real o ghost spam.
6. Aplica el control adecuado y registra la fecha.
7. Monitoriza al menos un ciclo de negocio.

Protege los informes recurrentes del próximo incidente

Tras la limpieza inmediata, saca la lógica del cuaderno de un único analista. Mantén una pequeña tabla de referencia con los hostnames válidos, los dominios propios, los proveedores de pago, las fuentes internas conocidas y los patrones de spam confirmados. Asigna un responsable y una fecha de revisión a cada entrada.

Los paneles deben mostrar tanto la vista en bruto como la limpia. Los datos en bruto conservan la evidencia; la vista limpia respalda las decisiones semanales. Etiqueta los filtros de forma visible para que las partes interesadas no comparen un gráfico de adquisición limpio con un total ejecutivo sin filtrar y den por hecho que el seguimiento está roto.

Crea una alerta de anomalías para los nuevos pares source/hostname y para los cambios bruscos en la relación entre sesiones e interacción. La alerta debe incluir las páginas de destino y la geografía, para dar al analista contexto suficiente para investigar sin abrir cinco informes.

Documenta las fechas de corrección en anotaciones o en un registro de calidad de datos. Si una regla de unwanted referrals, un lanzamiento de consentimiento o un filtro de hostname cambia el 10 de junio, los analistas futuros necesitarán ese contexto cuando cambien los gráficos interanuales.

Y lo más importante, ensaya la eliminación. Un filtro con falsos positivos puede ocultar a un afiliado o una campaña reales. Cada regla debe ser reversible y probarse en una exploración copiada antes de llegar al informe que se usa para las decisiones de presupuesto.

Conclusión

Investigue el referral spam mediante la configuración de atribución, datos de la aplicación y registros pertinentes. Las cabeceras de seguridad no demuestran la autenticidad de un evento o una referencia.

Referencia: Google Analytics Help – Identify unwanted referrals.