Parte dos pageviews do seu site pode ter sido gerada por robôs. Isso acontece quando um programa abre uma página, executa o código de medição e acaba contado como visita. O relatório cresce, mas nenhuma pessoa nova entrou no comercial. A consequência aparece rápido: tráfego em alta, taxa de conversão em queda e vendas no mesmo lugar.
O erro começa quando pageview vira sinônimo de público. Não é. Pageview registra uma página carregada segundo a regra da ferramenta. Para saber se o marketing trouxe oportunidade, a empresa precisa separar atividade automatizada de comportamento humano e acompanhar o caminho até lead válido, proposta e venda.
Os pontos principais:
- request, pageview, sessão, lead e venda medem etapas diferentes;
- robôs úteis e abusivos podem visitar o mesmo site;
- um filtro inicial remove os casos óbvios, mas não identifica toda automação;
- a leitura só fica útil quando o tráfego é comparado com dados do comercial.
Por que os pageviews podem subir sem as vendas subirem?
Os pageviews podem subir sem as vendas acompanharem porque a contagem aceita atividades que não representam um possível cliente. Um robô de busca pode abrir dezenas de páginas para indexar o site. Um monitor verifica a mesma URL a cada minuto. Uma automação mal configurada repete o carregamento. A própria equipe acessa páginas durante testes. Dependendo da implementação, parte dessas ações dispara a tag de analytics e entra no relatório ao lado de uma visita humana. O denominador cresce, mas o número de pessoas com intenção comercial não muda. A taxa de conversão então parece pior, embora o problema esteja na composição do tráfego. Também existe o cenário oposto: um anúncio traz pessoas reais, mas a página, a oferta ou o atendimento não convertem. Por isso, bot não deve virar desculpa automática para venda baixa. Ele é uma hipótese de qualidade de dado que precisa ser testada antes da análise da campanha.
Quanto do tráfego da web vem de robôs?
Em junho de 2026, dados do Cloudflare Radar compartilhados pela empresa indicaram que 57,5% dos requests HTTP eram automatizados, contra 42,5% classificados como humanos. A palavra importante é requests. Essa medição cobre pedidos feitos à infraestrutura da Cloudflare e não equivale à parcela de usuários, sessões ou pageviews registrada no site de uma PME. Um único robô pode fazer milhares de requests. Outro pode buscar o HTML sem executar JavaScript e nunca aparecer no analytics. Já um navegador automatizado pode executar a tag e parecer uma visita. A proporção também muda muito conforme setor, tamanho do site, período e proteção instalada. O dado de 57,5% mostra que tráfego automatizado é parte estrutural da web. Ele não autoriza descontar 57,5% do relatório da sua empresa. O percentual local precisa sair dos seus próprios registros e de uma regra de classificação documentada.
| Métrica | O que ela conta | O que não prova |
|---|---|---|
| Request | Pedido de um arquivo ou recurso ao servidor | Que uma pessoa viu a página |
| Pageview | Carregamento de página aceito pela medição | Que havia intenção de compra |
| Sessão | Conjunto de interações agrupadas pela ferramenta | Que o visitante pertence ao público certo |
| Lead | Contato registrado | Que o contato é válido ou qualificado |
| Venda | Receita confirmada no sistema comercial | Que uma única plataforma causou a compra |
Como um robô entra no relatório de analytics?
Um robô entra no relatório quando consegue acionar o mesmo evento usado para contar uma pessoa. O Google afirma que o Analytics exclui automaticamente bots e spiders conhecidos, mas também qualifica essa exclusão com “na medida do possível”. A lista conhecida não cobre toda automação que surge ou esconde sua identidade. Navegadores controlados por código conseguem aceitar cookies, executar JavaScript, rolar a página e clicar em links. Em um teste controlado publicado em maio de 2025, tráfego simulado com diferentes identificações foi registrado pelo GA4; em 30% das visitas, o script ainda abriu uma segunda página. Esse 30% descreve o comportamento programado no teste, não a participação média de bots em qualquer site. A lição é mais simples: uma interação com aparência humana pode ter sido automatizada, e a ferramenta de analytics sozinha não enxerga todo o contexto disponível no servidor.
Como identificar tráfego de bot no seu site?
Identificar tráfego de bot exige cruzar sinais. Comece pelo momento do pico: houve campanha, publicação, menção, envio de e-mail ou mudança de tag capaz de explicar a alta? Depois segmente por origem, país, dispositivo, página de entrada e minuto. Rajadas muito regulares, milhares de acessos concentrados numa URL, local sem relação com a operação e sequências rápidas demais para leitura pedem investigação. A Cloudflare lista pageviews anormais, duração incomum, local inesperado e conversões falsas entre os indícios. Ainda assim, nenhum deles fecha o diagnóstico sozinho. Uma notícia pode gerar pico real. Uma landing page curta pode ter pouca duração. Tráfego ruim também pode vir de pessoas reais fora do perfil. A prova melhora quando os mesmos horários e caminhos aparecem nos logs, na camada de segurança e no analytics, sem correspondência em eventos humanos ou no CRM.
Use este roteiro:
- escolha o período e a página que tiveram a anomalia;
- compare analytics, requests do servidor e eventos de segurança na mesma janela;
- segmente o pico por origem, local, dispositivo, horário e identificador técnico;
- procure comportamento repetitivo e ausência de ações comerciais válidas;
- aplique a regra em modo de teste e confira o que ela retiraria.
Qual filtro básico resolve a maior parte do ruído?
O filtro básico começa pelos acessos que a empresa consegue classificar com segurança. No GA4, identifique IPs internos e ambientes de desenvolvimento; o filtro de tráfego interno deve passar primeiro pelo estado de teste, porque a exclusão ativa é permanente e os dados removidos não voltam aos relatórios. Na borda ou no servidor, separe bots verificados, como rastreadores necessários à indexação. User agents claramente automatizados e rajadas incompatíveis com navegação humana podem virar regra de infraestrutura ou segmento de análise, não filtro nativo do GA4. Quando houver pontuação de bot, use o histórico para definir o corte em vez de copiar um número pronto. Essa limpeza costuma retirar o grosso do ruído óbvio. Ela não pega um navegador automatizado bem disfarçado e pode errar contra uma pessoa em VPN ou rede corporativa. Guarde a visão bruta para auditoria e use uma visão limpa para decisões de marketing.
Há uma diferença entre filtrar o relatório e bloquear o acesso. Filtrar impede que atividade classificada contamine a análise. Bloquear impede o request. Um buscador legítimo pode ficar fora do relatório comercial e continuar autorizado a ler a página. Já um robô que tenta preencher formulários, raspar preços em excesso ou atacar login pode merecer desafio, limitação ou bloqueio na borda. Misturar as duas decisões cria regra agressiva demais.
O que muda no relatório depois da limpeza?
Depois da limpeza, pageviews e sessões podem cair. Isso não significa que o marketing piorou. O que muda é a régua. A taxa de conversão tende a ficar mais próxima do comportamento humano porque o denominador perde acessos sem chance de comprar. Custo por sessão também pode subir, já que haverá menos sessões classificadas como válidas para o mesmo investimento. Esse aumento não é uma perda nova. É a correção de um número que parecia barato por incluir volume sem valor comercial.
Não compare o mês limpo com o mês anterior como se a definição fosse a mesma. Registre a data do filtro, mantenha uma anotação no relatório e, se possível, recalcule um período de referência com a nova classificação. O antes e depois precisa mostrar tanto a visão bruta quanto a visão limpa. Assim, a equipe sabe quanto foi retirado e não transforma uma mudança de medição em história de crescimento ou queda.
Quais números mostram se o tráfego trouxe negócio?
O relatório precisa avançar da página para o caixa. Conte sessões humanas estimadas, mas acompanhe também ações que exigem escolha: clique de contato, formulário válido, início de checkout, lead aceito pelo comercial e venda confirmada. Depois ligue cada etapa à origem possível. A conta decisiva não é custo por pageview. É custo por cliente novo em relação à margem. O guia sobre como funciona o tráfego pago localiza a visita dentro da campanha; o artigo de quanto custa tráfego pago ajuda a definir o limite econômico.
Uma leitura prática pode usar quatro linhas:
- tráfego bruto recebido pelo site;
- tráfego classificado como humano depois dos filtros;
- leads válidos e oportunidades aceitas;
- vendas e receita confirmadas.
Se a primeira linha sobe e as outras ficam iguais, investigue a qualidade do tráfego e a medição. Se humanos e leads sobem, mas as vendas não, o gargalo pode estar na qualificação, na oferta ou no atendimento. Se a venda acontece e não aparece na plataforma, o problema é de rastreamento ou atribuição. Cada padrão pede uma ação diferente.
Como a Murupi usa essa régua na gestão de tráfego?
Na Murupi, volume de acesso é contexto. A decisão vem do caminho que liga campanha, visita, lead e venda. Primeiro conferimos se o evento foi disparado por uma ação coerente e se a origem faz sentido. Depois comparamos a plataforma de mídia, o analytics e o dado comercial. Divergências ficam visíveis no relatório, com a hipótese e o teste do próximo ajuste. Essa rotina evita comemorar pageview que não chega ao caixa e também evita culpar a campanha por um filtro ruim.
É o mesmo critério usado para escolher uma agência de tráfego pago: a conta precisa continuar acessível, os números devem ter definição clara e o gestor precisa explicar de onde veio a conclusão. Se o seu relatório parece melhor do que as vendas, escreva para contato@agenciamurupi.com. Envie o período da anomalia, as origens que mais cresceram e o número de leads válidos. A investigação começa pelos dados que podem ser comparados.