Das Dokument behandelt die Erkennung und Handhabung von kopflosen Zombies in der Webanalyse durch die Identifikation von Bots und Crawlern mittels Analytics. Es werden verschiedene Erkennungsmöglichkeiten, Vor- und Nachteile der Methoden sowie Ansätze zur Datenanalyse und -bereinigung vorgestellt. Des Weiteren werden Strategien zur Auswertung und zum Umgang mit erkannten Bots daraufhin diskutiert, wie unerwünschte Bots möglicherweise ausgeschlossen werden können.

1. Kopflose Zombies in der
Webanalyse
Rendernde Crawler und Headless Browser erkennen und handeln
Markus Baersch
gandke gmbh

3. Umsetzung in Analytics:
Bots erkennen

4. Erkennung anhand bestehender Daten
Vorteile
• Schnell gemacht
Nachteile
• Nur wenig Merkmale
• Nach Senden des Hits
schon „zu spät“
• Ergebnis nicht
belastbar

5. Erkennungsmöglichkeiten
• Bekannte Crawler
• „Good Bots“
• Schlecht konfigurierte
Headless Browser
User
Agent
• Sind bestimmte
Features da oder fehlen
sie?
• Dimensionen des
Geräts
• …
Feature
Erkennung
{{Benutzerdefinierte
Dimensionen}}

6. Daten sammeln: UserAgent

7. Daten sammeln: Bot Marker

8. Daten sammeln: Bot Marker

9. Daten sammeln

10. Bot Marker:
Was tun mit den Daten?

11. Daten auswerten

12. „Ausreichend sicher“ identifizierte Bots

13. Potentielle Bots analysieren

14. Segmente suchen

15. Segmente nutzen

16. Daten sauber halten
Bots mit vielen
Sitzungen / Aufrufen
suchen
Bei Unklarheit:
Herkunft, Sprache
etc.
Segmente + Filtern
von „sicheren“ Bots
in Arbeitsdaten
Beobachten von Bots
in eigener Property
• Tipp: UserID für bekannte
Crawler vergeben
Extern
auswerten
(Rohdaten, BQ)
Ausspielung GA für
„unerwünschte“ Bots
ggf. verhindern

17. Kombinationsoptionen
Cookies
Honeypot-URLs
Mausbewegungen
Abfolgen / Timings
reCAPTCHA V3

18. Danke!
Audit
Eigene Daten checken unter https://www.analytrix.de/
Bot Marker nutzen
Beschreibung folgt im Blog unter https://www.gandke.de/blog/
Script bei GitHub
JS und Erläuterungen: https://go.gandke.de/botmarker
Bei Slideshare: https://www.markus-baersch/slideshare
Präsentation