Filtrowanie botów to proces identyfikacji i wykluczania ruchu generowanego przez osoby trzecie – roboty indeksujące, scrapery, skrypty monitorujące i automatyczne boty – z danych analitycznych i danych o zaangażowaniu. W zarządzaniu kanałami informacyjnymi zapewnia, że wskaźniki kliknięć, wyświetleń i konwersji odzwierciedlają rzeczywiste zachowania kupujących, a nie automatyczne żądania trafiające na strony produktów lub punkty końcowe kanałów. Bez tego filtrowania dane dotyczące skuteczności mogą być na tyle zniekształcone, że mogą zakłócać decyzje dotyczące cen, stawek i tego, które produkty zasługują na większe nakłady marketingowe.
Dlaczego filtrowanie botów ma znaczenie w zarządzaniu kanałami
Kanały produktowe i ich strony docelowe są atakowane przez wszelkiego rodzaju zautomatyzowany ruch: roboty indeksujące strony wyszukiwarek, boty porównujące ceny, skanujące katalogi, skanery bezpieczeństwa sondujące punkty końcowe oraz złośliwe programy zbierające dane o cenach i stanie magazynowym dla konkurencji. Jeśli ten ruch nie zostanie odfiltrowany z analiz, wskaźniki śledzenia konwersji zostaną zawyżone o sesje, które nigdy nie miały szansy na konwersję, sygnały ofertowe zostaną zniekształcone, a obraz stanu indeksowania, na którym polegają zespoły, staje się zawodny. Sprzedawcy detaliczni, którzy pomijają filtrowanie botów, ryzykują pomylenie szumu generowanego przez maszyny z rzeczywistym popytem — realokując budżet lub obniżając priorytety SKU na podstawie liczb, które nigdy nie były danymi o rzeczywistych osobach.
Jak działa filtrowanie botów
Filtrowanie botów zazwyczaj odbywa się na wielu warstwach. Po stronie serwera systemy badają wzorce żądań — ciągi agenta użytkownika, częstotliwość żądań, brakujące nagłówki, reputację adresów IP — aby oddzielić znane roboty indeksujące i podejrzane automatyczne aplikacje od autentycznych sesji przeglądarki. Platformy analityczne stosują na wierzchu własne heurystyki, porównując zachowania sesji ze znanymi sygnaturami botów. W przypadku operacji intensywnie korzystających z kanałów, filtrowanie botów jest często łączone z analizą plików dziennika : przeglądanie surowych logów serwera pozwala zespołom dokładnie zobaczyć, które roboty indeksujące trafiają na konkretne adresy URL produktów, potwierdzić, że boty zakupowe poprawnie docierają do stron, oraz wychwycić aktywność scraperów, która omija standardowe filtry analityczne. Coraz bardziej zaawansowane boty komplikują to — niektóre z nich naśladują przeglądanie stron przez człowieka na tyle dokładnie, że reguły filtrowania wymagają ciągłego dostrajania, a niezałatana logika wykrywania sama w sobie może stać się celem, co jest jednym z powodów, dla których filtrowanie botów jest często omawiane w kontekście zarządzania lukami bezpieczeństwa typu zero-day : wada w sposobie, w jaki warstwa filtrowania przetwarza żądania, może zostać wykorzystana przed wdrożeniem poprawki.
Przykład: bot filtrujący sygnały w kontekście kanału produktowego
<item>
<g:id>SKU-88231</g:id>
<title>Insulated Steel Water Bottle - 750ml, Matte Black</title>
<link>https://example-shop.com/products/insulated-steel-bottle-black</link>
<g:price>24.90 USD</g:price>
<g:availability>in stock</g:availability>
<custom_label_0>bot_traffic_flag:excluded</custom_label_0>
<custom_label_1>verified_session_ratio:0.94</custom_label_1>
</item>Kanały same w sobie nie zawierają logiki filtrowania botów — ta znajduje się w analityce i infrastrukturze serwerowej — jednak wiele zespołów oznacza produkty niestandardowymi etykietami odzwierciedlającymi sygnały jakości sesji, takie jak zweryfikowane współczynniki ruchu. Dzięki temu dalsze reguły dotyczące ofert i sprzedaży mogą uwzględniać stopień wiarygodności zarejestrowanych interakcji z produktem.
Powiązane pojęcia
Filtrowanie botów jest najbardziej przydatne w połączeniu z systemami, które wykorzystują chronione przez nie dane. Czyste dane wejściowe mają bezpośrednie znaczenie dla śledzenia konwersji, ponieważ zawyżone sesje botów byłyby w przeciwnym razie liczone jako nieudane konwersje i obniżałyby widoczną wydajność, a identyfikacja żądań, które należy wykluczyć w pierwszej kolejności, zależy od analizy plików dziennika. Wraz ze wzrostem złożoności zachowań botów, filtrowanie wiąże się również z kwestiami bezpieczeństwa, takimi jak narażenie na luki typu zero-day, ponieważ same systemy wykrywania są oprogramowaniem, które można badać i wykorzystywać.