Moltbot inganna GA4: traffico diretto altera l’analisi SEO e pubblicitaria.

Esperti di marketing digitale hanno individuato in Google Analytics 4 una falla preoccupante, con bot sofisticati come Moltbot spesso classificati erroneamente come traffico diretto

Il grafico sul tuo schermo mostra un’impennata di traffico “diretto”. Sembra una buona notizia: utenti che digitano il tuo URL o cliccano un segnalibro, un segnale di fedeltà e riconoscibilità del brand.

Ma se ti dicessimo che una parte significativa di quei numeri potrebbe non essere umana?

È l’allarme lanciato in queste settimane da esperti di marketing digitale come Patrick Stox, che hanno individuato in Google Analytics 4 (GA4) una falla preoccupante: il traffico generato da bot sofisticati, come Moltbot, viene spesso classificato erroneamente come “traffico diretto”.

Un errore che non è solo un tecnicismo, ma una minaccia concreta all’affidabilità dei dati su cui migliaia di aziende basano decisioni di marketing da centinaia di migliaia di euro.

Il problema tocca un nervo scoperto della moderna analisi web. GA4, l’erede designato del vecchio Universal Analytics, è stato presentato come un motore di intelligenza artificiale capace di offrire una visione olistica e predittiva del cliente.

Tuttavia, proprio il suo approccio innovativo e la crescente sofisticatezza del traffico automatizzato stanno creando una zona grigia pericolosa.

Quando il sistema non riesce a identificare con certezza la provenienza di una visita – perché mancano i parametri di tracciamento, perché il referrer viene oscurato da politiche sulla privacy o, appunto, perché si tratta di un bot che simula il comportamento umano – la via più facile è assegnarla al calderone del “diretto”.

È un po’ come se, in un negozio, ogni cliente anonimo venisse registrato automaticamente come “avventore abituale”.

Come un bot diventa un utente “diretto” (e perché è un problema)

Il meccanismo è noto agli addetti ai lavori, ma la sua portata sta crescendo. GA4 si affida a dimensioni come “fonte” e “mezzo” per classificare il traffico. Se un visitatore arriva tramite un link su un altro sito, il browser invia normalmente l’informazione della pagina di provenienza (il referrer). Ma questo dato può mancare per molte ragioni tecniche: un link condiviso su WhatsApp, una navigazione da un sito HTTPS a uno HTTP, o l’uso di tag come rel="noreferrer".

In questi casi, GA4 brancola nel buio e assegna la sessione al traffico diretto. Lo stesso destino tocca a molti bot. Mentre GA4 filtra automaticamente i bot e gli spider più noti, utilizzando liste condivise come quella dell’Interactive Advertising Bureau, una nuova generazione di software automatizzati è abile nel mimetizzarsi.

Non attaccano il sito, ma lo “visitano” in massa, spesso per scopi di scraping o per gonfiare metriche artificialmente.

Questi bot bypassano i filtri standard e, non lasciando una traccia chiara della loro origine, finiscono per essere registrati come visite dirette.

L’impatto pratico per un’azienda è duplice e dannoso. Primo, distorce completamente le metriche di performance.

Immagina di aver lanciato una campagna a pagamento su social network e motori di ricerca: se una parte del traffico che attribuisci alla “fedeltà” dei clienti è in realtà rumore di fondo automatizzato, stai sovrastimando il ritorno sull’investimento di alcune attività e sottostimandone altre.

Secondo, mina la capacità di prendere decisioni strategiche.

Budget pubblicitari, strategie di contenuto, allocazione delle risorse del team SEO: tutto si basa sulla bussola dei dati. Se la bussola segna il nord in modo intermittente, il rischio di navigare a vista è altissimo.

In un’epoca in cui, secondo alcune analisi, i bot possono rappresentare quasi la metà del traffico internet globale, il margine di errore non è più trascurabile.

La risposta di Google e il dilemma della trasparenza

Google è consapevole del problema. Nelle community di supporto ufficiali, dipendenti e tecnici riconoscono le criticità. In un thread dedicato, ad esempio, viene menzionato esplicitamente lo sviluppo di una soluzione per il rilevamento di spam legato a picchi di traffico insoliti.

Tuttavia, l’approccio di Big G rimane in parte opaco. A differenza di Universal Analytics, in GA4 l’esclusione automatica dei bot noti non può essere disattivata dall’utente, e soprattutto non è possibile vedere quanti dati sono stati scartati.

È una scelta che strizza l’occhio alla privacy e alla semplicità, ma che lascia i professionisti del settore in una posizione di minor controllo: devono fidarsi ciecamente dell’algoritmo, senza poter verificare cosa sia stato filtrato e cosa no.

Questa mancanza di trasparenza si scontra con la realtà di un ecosistema digitale sempre più complesso. Da una parte, Google spinge verso un futuro senza cookie, basato su modelli predittivi e machine learning che “riempiono i vuoti” nei dati.

Dall’altra, chiede alle aziende di affidarsi a questi stessi dati per investimenti sostanziosi. La tensione è palpabile.

Da un lato c’è la promessa di un’analisi più intelligente e rispettosa; dall’altro, il rischio concreto che l’intelligenza artificiale non riesca a distinguere un utente reale da un bot ben programmato, con conseguenze che si traducono in euro sprecati.

Stiamo assistendo a un paradosso. Ci viene venduta una suite analitica iper-avanzata, con previsioni di acquisto e modelli di attribuzione driven dall’AI, ma poi i fondamenti – come distinguere un essere umano da un software – a volte vacillano.

È come avere un’auto a guida autonoma che occasionalmente non vede un semaforo rosso.

— Un esperto di marketing digitale (che preferisce rimanere anonimo)

La domanda che sorge spontanea, quindi, non è solo tecnica ma filosofica. Fino a che punto possiamo delegare la comprensione del nostro pubblico a sistemi “black box” che, per quanto potenti, mostrano falle inaspettate?

La risposta, per ora, sembra risiedere in un approccio ibrido. Gli analisti più scaltri non si fidano ciecamente di GA4, ma incrociano i suoi dati con altre fonti (log server, Google Search Console, strumenti di terze parti) e imparano a riconoscere le anomalie manualmente: picchi improvvisi di traffico diretto, sessioni con durata zero, provenienze geografiche sospette.

Il caso del traffico di Moltbot erroneamente classificato come diretto è un sintomo di un cambiamento più grande. Segna il momento in cui la guerra tra analisti e bot si sposta su un nuovo campo di battaglia, quello dell’intelligenza artificiale e dell’interpretazione contestuale.

Per Google, risolvere il problema non significa solo aggiustare un bug, ma rafforzare la fiducia in un prodotto che ambisce a essere il sistema nervoso centrale del marketing digitale.

Per le aziende, è un monito a non abbassare la guardia: in un mondo di dati, la prima competenza da coltivare resta lo spirito critico.

Perché, in fondo, anche il dato più “diretto” potrebbe avere qualcosa da nascondere.