Bot detection в трекере: открытые подходы, которые не ломают аналитику

Bot detection в трекере: открытые подходы, которые не ломают аналитику

Фильтровать ботов лучше не одной «магической» проверкой, а слоем правил. Базовый набор: user-agent, IP/ASN, частота хитов, поведение сессии, согласованность UA с viewport и timezone. Один сигнал редко дает точное решение, а связка из трех-четырех уже режет мусор без сильной потери легита.

Смотри на паттерны: слишком короткая сессия без скролла, одинаковый путь по лендингу, повторяемый referrer, пустой или одинаковый cookie jar, резкие скачки по стране и языку. В трекере это удобно собирать в whitelist/blacklist и отдельный score, чтобы не рубить трафик жестко на входе.

Полезно разделять фильтры по этапам: preclick, landing, postback. На раннем этапе отсеивай явный automation, на лендинге — поведенческие аномалии, на postback — сверяй источник, timestamp и дубликаты конверсий. Если все ловить в одном месте, потом сложнее понять, где именно течет.

Не делай один общий «bot=1» для всех кейсов. Держи отдельные причины: proxy, datacenter, headless, duplicate, mismatch. Тогда проще настраивать ретаргет, чистить источники и не терять нормальные клики из-за грубого правила.

Хороший bot detection не должен быть заметен в отчетах как просадка, он должен быть заметен как чистая атрибуция.