Con este título de los clics fraudulentos en la red de búsqueda de Google, tratamos en esta ocasión un tema que nos trae de cabeza a muchas agencias y frente al que Google nos sigue dejando más solos que la una. A pesar de que insisten en que ponen medidas activas y pasivas para que esto no ocurra y que comprobamos que en los informes se descuentan los clic no válidos, esto no es suficiente ante los medios más sofisticados de quienes los llevan a cabo. En concreto, vamos a ver un par de ejemplos de cuentas de servicio técnico que operan cada uno en diferentes provincias, uno de los sectores que más lo sufren, donde hemos intentado averiguar la procedencia de estos clics y acabaremos con algunas propuestas al respecto.
Los clics inválidos: La pesadilla para el sector de servicio técnico
Por un lado, se podría decir que es fácil de entender que una empresa, en su lucha por sobrevivir, emplee todos los métodos necesarios para destacar entre la competencia. Y, sin embargo, muchos nos seguimos planteando qué puede llevarles a recurrir a estas técnicas censurables: ¿Será que el negocio no tiene una propuesta de valor brillante ni un fuerte distintivo frente a la competencia y, como último recurso, necesita agotar el presupuesto de los competidores para minimizar su visibilidad y sus resultados? ¿Será que están faltos de cariño? ¿Será, simple y llanamente, falta de ética y profesionalidad?
Lo que sí sabemos es que sigue siendo un caso bastante corriente que nos exige mucha atención. En nuestra lucha por evitar el fraude, identificar la procedencia de estos usuarios y buscar un patrón de comportamiento, nos hemos centrado en esta ocasión en los tipos de dispositivo desde los que acceden a nuestra web a través de anuncios de Google AdWords, que es por donde se escurre el dinero (bien hecho si cuentas con una agencia especializada en gestionar campañas de adwords). Nuestra estrategia, en esta ocasión, se basa principalmente en anuncios de búsqueda y, por eso, hemos utilizado dos segmentos en la tabla que tenemos más abajo: uno para analizar el tráfico de todos los usuarios (de ahora en adelante ‘todos los usuarios’) y otro para excluir el comportamiento de los usuarios de AdWords exclusivamente (de ahora en adelante ‘pago’).
Tabla 1: dispositivos móviles con segmentos de tráfico ‘de pago’ y ‘todos los usuarios’.
Pasos para identificar la procedencia de los clics fraudulentos en Analytics
Aquí lo que hemos cotejado en un primer lugar es cuántas sesiones de todos los usuarios y de los de pago coinciden, lo que supone que el acceso de estos usuarios sea principalmente a través de los anuncios y que nos estén gastando el presupuesto. Así también descartamos que la competencia esté entrando en nuestra web para bichear o que nos llame desde la web para ocupar la línea (aunque sea sin pasar por los anuncios). En este caso, todas las sesiones coinciden tanto en pago como en todos los usuarios, por lo que establecemos que nuestros potenciales clientes siempre llegan desde nuestros anuncios.
A continuación nos fijamos en el porcentaje de nuevas sesiones en busca de estos usuarios recurrentes que asociamos con la competencia. ¿Por qué? Porque al tratarse de un servicio técnico raramente un usuario nos va a buscar más de un par de veces en la urgencia de arreglar el dispositivo que sea. No se trata de un comercio electrónico en el que el usuario se informa en tu web, luego en otra, luego vuelve, navega, etc.
Volviendo atrás, en este porcentaje de nuevas sesiones es donde vemos el primer indicio de sospecha. ¿Un Samsung Galaxy Note 3 con un ridículo 7% de sesiones nuevas? Nosotros no tenemos ningún Samsung Galaxy en la agencia; comprobamos con el cliente que ellos tampoco poseen ninguno y, sin embargo, existe un Samsung Galaxy Note 3 que lleva entrando en nuestra web un gran número de veces, y siempre desde nuestros anuncios. Es más, las sesiones de este dispositivo tienen una duración media de 1 segundo. Suspicious.
Vamos más allá y activamos la columna ‘Proveedor de servicios’ como dimensión secundaria. Aquí vemos que nuestro querido Samsung utiliza tres proveedores diferentes para sus acometidas, como podemos comprobar por el, de nuevo, irrisorio porcentaje de nuevas sesiones con respecto al resto y por la duración media de la sesión, que siguen siendo de un segundo como máximo. Ya tenemos localizados también los proveedores de servicios de los que se sirve nuestra competencia, pero aún podemos averiguar más.
Tabla 2: dispositivos móviles con dos segmentos y una dimensión secundaria
¿Es posible de que todo sean coincidencias y que realmente haya tres Samsung Galaxy Note 3 que utilicen tres proveedores de servicios diferentes y que no tengan relación entre sí? Ahora ponemos ‘Proveedor de servicios’ como primera dimensión y ‘Versión de navegador’ como segunda para buscar más coincidencias (tabla 3). Vaya. Si además usan la misma versión de navegador ‘¿Casualidad?’ YA NO. Nos encontramos ante un mismo Samsung Galaxy Note 3, rey de los clics fraudulentos, que utiliza tres proveedores de servicios con la misma versión de navegador y, ADEMÁS, con el mismo tamaño de navegador (tabla 4). Got You!
Tabla 3: ‘Proveedor de servicios’ como primera dimensión y ‘Versión de navegador’ como segunda
Tabla 4: ‘Proveedor de servicios’ como primera dimensión y ‘Tamaño del navegador’ como segunda
Ya tenemos localizado a nuestro individuo que, claramente, utiliza algún servicio automatizado de clics fraudulentos dada su frecuencia y la duración media de la sesión. Lo siguiente que podemos hacer es crear un segmento con estos datos para tener una visual de su comportamiento y el volumen real de visitas de esos días respecto al resto del tráfico.
Segmento con sesiones del sistema automatizado de clics no válidos
Otra forma de detectar clics inválidos por dispositivo
Volvimos a investigar un caso de fraude mediante clics inválidos (esta vez sin automatismos aparentes) con otro cliente del mismo sector, en cuyo caso vemos en la tabla de abajo que un mismo dispositivo no presenta tanta diferencia en el porcentaje de nuevas sesiones, pero sí entre el número de sesiones de todos los usuarios con respecto a los de pago (51 vs. 23) y se trata del mismo usuario (7 usuarios nuevos en ambos segmentos). En la agencia tampoco tenemos un Huawei ALE-L21 pero, al llamar al cliente, nos aclara que él sí tiene uno pero que nunca ha hecho clic en un anuncio de AdWords y que si entra en la web es desde un ordenador, el cual no entra en nuestras estadísticas en esta ocasión. Confiamos en su declaración y seguimos buscando diferencias.
Esta vez no vemos tanta diferencia en el porcentaje de nuevas sesiones
Filtramos por Huawei y sacamos la dimensión secundaria ‘Tamaño del navegador’. Rápidamente identificamos a nuestro cliente en la tercera fila al no tener sesiones de pago y ser una web sin posicionamiento orgánico. Sin embargo, el Huawei de la primera fila con un tamaño de navegador de 360×520 sí presenta esta diferencia de sesiones. Ya lo tenemos localizado. Vemos que por pago simula el comportamiento de un usuario y, además de hacernos clics fraudulentos, cumple nuestro objetivo para despistarnos, pero lo hemos encontrado. Por orgánico vemos también que pasa mucho tiempo en nuestra web, seguramente para intentar copiarnos el contenido o las llamadas a la acción o simplemente actuar como un usuario.
¿Qué podemos hacer para evitar los clics de la competencia?
Y ahora qué sabemos todo esto, ¿qué hacemos? ¿Cómo filtramos los clics inválidos de la competencia? En estos dos casos no podemos usar listas de audiencias para evitar que aparezcan las campañas a los usuarios que ya han visitado nuestra web porque el requisito mínimo son 1000 cookies y no tienen tanto volumen a corto plazo. Hemos llamado a Google y nos dan la triste y nada esperada (ironía mode on) noticia de que no podemos filtrar las campañas con todos los datos extraídos, que ojalá se pudiera y que se trata de una investigación maravillosa, pero que ya está.
Aún así, recomendamos a nuestros lectores que prueben a usar alguna herramienta de bloqueo de IP como es ClickCease. Nosotros llevamos unos meses usándola y, aunque no es infalible, puedes filtrar las IP en tiempo real seleccionando un número máximo de clics en un período de tiempo determinado. También detecta las IP en función de la ID del dispositivo. No está mal.
Opciones de Clickcease para filtrar clics no válidos
Otros compañeros como la agencia BlueCaribu han hablado sobre cómo controlar el fraude en AdWords con más profundidad, dando pautas y consejos para filtrar las impresiones de los anuncios y algunas pautas para sospechar. También Enrique del Valle habló en su día del fraude en la red de Display, quien ofrece su propia solución jugando con scripts y columnas personalizadas para engañar a los hackers.
Si te estás preguntando de qué ha servido todo esto, debes saber que todas estas averiguaciones nos interesan para SABER. Sí, SABER. Cuanto más sepamos mejor actuaremos en consecuencia. Ahora podemos filtrar estos dispositivos de nuestros informes de Analytics; podemos seguir recabando información al respecto para ubicarlos en el mapa, buscar direcciones de correo, etc. hasta que un día demos con la tecla, los identifiquemos y podamos tomar acciones legales.
La verdad, nos hacemos la pregunta de quien ayudará a estas empresas a usar esta tecnología que es capaz de engañar al sistema que Google dispone para evitar estas prácticas fraudulentas.
Y vosotros, ¿habéis encontrado alguna solución alternativa que podamos debatir? ¿Qué os ha parecido nuestro procedimiento?
