Spam de référents : quand vos meilleures statistiques mentent
Cet été, le site d’un lieu culturel que nous accompagnons a enregistré près de 700 sessions en une journée, son meilleur jour du mois. Sauf que 72 % d’entre elles n’étaient pas des visiteurs. Elles venaient d’un seul domaine, trafficheap[.]cc, et affichaient de meilleures statistiques que le vrai public. De quoi mener l’enquête.
Ce phénomène s’appelle le spam de référents (referral spam) et est plus répandu qu’on ne le croit. L’occasion de s’arrêter sur cette technique, sur comment le reconnaître, ce qu’il fausse dans vos décisions et quoi mettre en place pour ne plus le découvrir trois mois plus tard.
Qu’est-ce que le spam de référents ?
Un référent est le site d’où arrive un visiteur quand il clique sur un lien. Le spam de référents consiste à faire apparaître un domaine dans cette liste grâce à de fausses visites, pour que le propriétaire du site, intrigué, aille voir ce domaine.
Il en existe deux formes :
- Le spam fantôme n’atteint jamais votre site. Le robot envoie de faux signaux directement aux serveurs de Google, avec l’identifiant de mesure de votre site qui est accessible. Bloquer quoi que ce soit sur le site n’y change rien.
- Le robot réel charge vraiment vos pages. Il laisse une trace sur votre serveur, et un blocage côté serveur l’arrête.
Les deux produisent les mêmes lignes dans vos rapports. La différence compte au moment de choisir un remède, et le cas qui suit montre pourquoi.
Deux pics en quinze jours, un faux et un vrai
Plantons d’abord un peu le décor de notre cas : Institution notoire dans le monde du spectacle, notre client possède un site vitrine classique avec un système de billetterie.
Il lui permet essentiellement de mettre en avant ses spectacles (et de réserver sa place), ses abonnements et la vie autour du lieu.
Bien que nous ne ne soyons pas en charge de leur analystics, nous savons, grâce à notre expérience du secteur culturel à peu près à quoi nous attendre en termes de trafic sur le site internet et savons dés lors, identifier les pics de fréquentation selon les moments de l’année.
Or, cet été, Google Analytics a signalé deux anomalies que le client n’a pas vu. Fin juillet, près de 700 visiteurs pour une centaine attendus. Début août, près de 1000 visiteurs pour 300 attendus.
Vues de loin, ces deux bosses se ressemblent. La première est pourtant fabriquée et la seconde correspond à l’ouverture de la billetterie pour la nouvelle saison. Sans vérification, on commet l’une de ces deux erreurs : croire aux deux pics, ou les écarter tous les deux et effacer un vrai succès d’audience. Pour une équipe qui fait diablement bien son travail, cela peut être frustrant.
Ce spam embellit vos chiffres
On imagine le faux trafic comme des visites de zéro seconde. Ici, c’est l’inverse qu’on découvre : les fausses sessions se comportent mieux que les vraies.
Ex : le site trafficheap[.]cc affichait près de 500 sessions avec un taux d’engagement de 98% (!) et une durée d’engagement moyenne de 40 s. Tandis que les recherches via Google représentaient 145 sessions avec un taux d’engagement de 65% et de 21 s de durée d’engagement.
Le robot imite un visiteur idéal : il reste 40 secondes et déclenche environ six événements par session, comme un humain. Quelqu’un qui consulte ses statistiques une fois par an y verrait un engagement en hausse et s’en féliciterait.
Mais le but de ces robots est d’attirer votre curiosité sur quelque chose : une page web frauduleuse ou vente de services pas tout à fait nettes. Parfois le nom n’est pas aussi révélateur que celui que nous avons ici, alors vous voyez un domaine inconnu, vous le visitez pour comprendre et bam, vous arrivez dans le cas présent chez un vendeur de faux trafic. La première règle est donc simple : ne visitez pas un domaine qui vous semble suspect (par son nom ou par ses statistiques) et ne faites aucun lien vers lui.
Trois tests pour distinguer un faux pic d’un vrai
Ces trois vérifications se font dans les rapports standards de Google Analytics, sans compétence technique.
- La part de nouveaux visiteurs. Un robot n’a pas d’historique, il apparaît toujours comme nouveau. Un vrai pic ramène aussi vos habitués et est souvent associé à un évènement de communication (une annonce, une refonte, un buzz…).
- La concentration sur une source inconnue. Un vrai pic se répartit entre vos sources habituelles. Un faux pic tient presque entièrement dans un domaine que vous n’avez jamais vu.
- Un comportement trop régulier. Des centaines de sessions qui arrivent toutes sur la page d’accueil, depuis un même pays sans lien avec votre public, avec un engagement quasi parfait.
| Critère | Fin juillet (faux pic) | Début août – Annonce |
|---|---|---|
| Visiteurs actifs | +/- 700 | +/-1000 |
| Part de nouveaux visiteurs | 96 % | 49 % |
| Visiteurs déjà connus | 26 | 513 |
| Sessions venues de trafficheap[.]cc | 500 | 0 |
| Première source du jour | trafficheap[.]cc, 72 % des sessions | Recherche Google, 75 % des sessions |
L’impact sur l’analyse de vos données.
Sur les jours observés, le spam ne représente pas plus de 10% des sessions. Le problème vient de l’endroit où il se concentre et qui finira par fausser l’analyse.
- La comparaison d’une année sur l’autre. L’an prochain, le début de saison sera comparé à une période gonflée de près de 500 sessions. Un résultat normal ressemblera à une baisse.
- La lecture des partenariats. Le canal « sites référents » s’avère être presque entièrement du spam. Les vrais relais (partenaires, agendas, presse locale) pèse donc très peu.
- Les moyennes de qualité. Un bloc de sessions à 98 % d’engagement tire tous les indicateurs vers le haut et masque les éventuelles pages qui fonctionnent moins bien.
- L’évaluation de l’annonce. Si le faux pic tombe près d’une communication, on lui attribue un effet qu’elle n’a sans doute pas eu.
Fantôme ou robot réel : la question restée sans réponse
Pour savoir à quelle forme on a affaire, il faut pousser la recherche du domaine dans les journaux d’accès du serveur, sur la période concernée.
Un résultat proche du nombre de sessions indique des visites réelles, donc un blocage serveur utile. Zéro indique du spam fantôme, que seul un filtre dans les rapports peut écarter.
Dans ce cas, nous n’avons pas pu trancher. L’anomalie a été repérée trois mois plus tard, et les journaux du serveur n’étaient plus disponibles. C’est pourquoi la première des mesures qui suivent est une alerte : elle laisse le temps de consulter les journaux tant qu’ils existent.
Vous avez aussi du spam de référent ? Voici six mesures concrètes :
- Créer une alerte. Dans Google Analytics, un insight personnalisé envoie un e-mail quand les sessions du jour dépassent un seuil. On apprend l’anomalie en 24 heures au lieu de trois mois. De plus ça permet de vérifier directement que le site n’est pas plutôt en train de vivre une attaque de sécurité.
- Annoter la période polluée. Une note sur l’anomalie relevée évite que quelqu’un compare ce pic à la saison suivante sans le savoir.
- Exclure la source dans les rapports de pilotage. Un filtre « source ne contient pas trafficheap » dans le tableau de bord donne le chiffre corrigé : x sessions réelles fin juillet, au lieu de +/- 700.
- Baliser chaque annonce. Des paramètres UTM sur les liens de la newsletter et des publications signent le vrai pic. Sans eux, ces visites tombent en « accès direct » , sans moyen de savoir lesquelles venaient de l’annonce.
- Mesurer une action qui compte. Un clic vers la billetterie suivi comme événement clé est un indicateur qu’un robot de ce type ne gonfle pas.
- Allonger la conservation des données. Le réglage par défaut est de 2 mois pour les analyses détaillées. Il se passe à 14 mois en un clic, dans l’administration.
À l’inverse, la « liste des sites référents indésirables » de Google Analytics, souvent conseillée, ne supprime pas ces sessions. Elle les reclasse en accès direct, où elles deviennent invisibles.
Notre recommandation serait plus une solution de fond avec un outil de mesure dont la collecte passe par votre propre serveur, comme Matomo auto-hébergé. Les faux signaux envoyés à Google ne l’atteignent pas, et vos visiteurs ne sont plus suivis par un tiers. Un double combo gagnant selon nous, pour qui l’engagement vers un numérique éthique est un véritable choix.
Surveiller ses données, c’est un travail à part entière.
Malgré l’envie, le client n’a pas toujours le temps de se plonger dans ses statistiques. Le client de ce cas n’a pas vu l’anomalie. Ils préparaient leur saison, leur communication, ce qui est leur métier. Lire des statistiques et savoir quel pic compte, c’en est un autre, le nôtre. Notre consultance digitale permet ce genre d’analyse précise avec une session dédiée : une vérification des statistiques avant et après chaque annonce importante, avec les alertes configurées et un rapport d’une page qui donne les chiffres corrigés et ceux sur lesquels on peut réellement se féliciter du travail accompli.
Crédit cover : Photo de Jakub Żerdzicki sur Unsplash
