Tu IA de marketing puede estar analizando un dato equivocado sin que nadie se dé cuenta: de las 564 visitas que registró nuestra web en los últimos 30 días, 413 eran programas automáticos, no personas. Casi tres de cada cuatro. Lo descubrimos al revisar de dónde venía el tráfico después de publicar, y la cifra nos obligó a repasar meses de decisiones tomadas con un número que nunca fue el que creíamos.
No es un caso raro ni exclusivo de AutoBoost. Es lo que le pasa a cualquier negocio que publica en redes sociales y luego mira un panel de visitas para decidir dónde invertir el tiempo o el presupuesto, con una IA ayudando a interpretar el dato o sin ella.
El hallazgo: tres de cada cuatro visitas no eran personas
Al auditar el tráfico de la web, el patrón saltaba a la vista en cuanto se miraba con calma: picos de "visitas" exactamente en el segundo en que se publicaba un enlace en LinkedIn o Facebook, no cuando una persona tenía tiempo de leerlo. La explicación es sencilla y casi nadie la tiene en cuenta: cuando publicas un enlace, las propias plataformas (LinkedIn, Meta) mandan un programa a abrirlo al instante para generar la tarjeta de vista previa (la miniatura con título e imagen que se ve en el feed). Ese programa carga la página entera, igual que lo haría una persona, y el contador de visitas de siempre no distingue entre los dos.
A eso se suman otros visitantes no humanos que casi ninguna pyme filtra:
- Rastreadores de buscadores distintos de Google (SEO, IA generativas, agregadores).
- Programas de monitorización de disponibilidad ("¿sigue viva la web?").
- Bots de seguridad que prueban formularios y enlaces de forma automática.
Ninguno de estos "visitantes" va a convertirse en cliente. Todos suman en el contador que usas para decidir si una red funciona.
Por qué importa, sobre todo si hay una IA decidiendo con ese dato
Cada vez más pymes le piden a una IA que analice sus métricas y les diga en qué canal seguir invirtiendo: "¿qué red me trae más visitas, LinkedIn o Instagram?". El problema no es que la IA razone mal, es que le estás dando un dato sucio. Si LinkedIn genera automáticamente más tráfico de robots que Instagram (porque su rastreador de vista previa es más agresivo, o porque publicas allí con más frecuencia), la IA va a recomendarte invertir más en la red que en realidad solo te está mandando más tráfico falso.
Es la misma trampa que ya nos pasó con los datos de canal: contamos en otro post cómo nuestra IA no sabía qué canal traía dinero de verdad hasta que unificamos los paneles. Esta vez el dato ya estaba unificado en un único panel, y seguía siendo el equivocado: unificar sin limpiar solo centraliza el error.
Hay además un segundo efecto, más sutil: parte del tráfico que aparecía como "sin origen" (lo que cualquier tracker etiqueta cuando no puede identificar de dónde vino la visita) era en realidad gente llegando desde Google, solo que el sistema no lo estaba reconociendo como tal. Esto infla el canal equivocado por el lado contrario: hace parecer que el buscador trae menos de lo que trae de verdad, justo el canal que suele convertir mejor porque la persona ya estaba buscando algo concreto.
Cómo se detecta un robot (sin bloquear a ninguna persona real)
Montamos la detección en dos capas, porque ninguna de las dos sola es suficiente:
1. Al entrar, por lo que dice el propio navegador
Cada visita manda una cabecera (user-agent) que identifica el programa que hace la petición. Los rastreadores de vista previa de LinkedIn y Meta se identifican con su propio nombre, igual que los bots de los buscadores conocidos. Esta capa detecta a los que se declaran a sí mismos, que son más de los que parece.
2. A diario, por cómo se comporta
Los bots que no se declaran (los que imitan un navegador normal) se detectan por patrón: una "visita" que carga la página en milisegundos, que nunca mueve el ratón ni hace scroll, o que repite la misma secuencia exacta de páginas muchas veces al día, no se comporta como una persona leyendo un blog. Esta capa se corre una vez al día sobre el tráfico del día anterior y marca con retraso lo que la primera capa no pudo ver al momento.
Ninguna de las dos capas borra nada: marcan el registro como bot y lo excluyen de los paneles, sin perder el dato en bruto por si hiciera falta revisarlo.
Checklist: antes de decidir con tu dato de tráfico
Si gestionas tus redes y tu web (con ayuda de una IA o sin ella), revisa esto antes de mover presupuesto de una red a otra:
- ¿Tu contador de visitas distingue entre un rastreador de vista previa y una persona?
- ¿Comparas el tráfico de dos redes sabiendo si ambas generan la misma cantidad de tráfico automático, o das por hecho que es comparable?
- ¿Revisas el tráfico "sin origen" para comprobar si en realidad es un canal conocido mal etiquetado (normalmente Google)?
- ¿La IA (o la persona) que decide dónde invertir ve el dato ya filtrado, o el bruto?
- ¿Sabes qué porcentaje de tu tráfico total es automático? Si no lo sabes, probablemente es más alto de lo que crees.
| Señal | Visita de robot | Visita de persona |
|---|---|---|
| Momento | Coincide al segundo con la publicación | Repartido en horas o días |
| Tiempo en página | Milisegundos | Segundos o minutos |
| Interacción | Ninguna (sin scroll, sin clics) | Scroll, clics, a veces formulario |
| User-agent | Identifica un rastreador o un bot conocido | Un navegador normal |
| Repetición | Mismo patrón exacto, muchas veces al día | Variable |
La regla de decisión
Si decides dónde invertir en marketing mirando un número de "visitas" o "impresiones" sin haber filtrado antes el tráfico automático, no estás comparando canales: estás comparando cuánto rastrea cada red el enlace que publicas, que es otra cosa muy distinta. Y si le pasas ese número a una IA para que te recomiende dónde invertir, la IA va a ser tan precisa como el dato que le dieras, ni un gramo más.
En AutoBoost aplicamos la misma lógica de separar la señal real del ruido automático en proyectos de clientes, como la plataforma de datos con IA que reconstruye ventas de varias farmacias: antes de que una IA razone sobre un dato, alguien tiene que haber decidido qué parte de ese dato es real. Es el mismo trabajo, solo que aquí el dato era nuestro propio tráfico.
Si gestionas marketing con IA y no sabes cuánto de tu tráfico es automático, probablemente no es poco. Si quieres que te ayudemos a poner ese dato en condiciones antes de que una IA (o tú mismo) decida con él, escríbenos.