ДОЛЯ ТРАФИКА БОТОВ СОСТАВЛЯЕТ 57% — ТАК ПОЧЕМУ ЖЕ МАРКЕТОЛОГИ ПО-ПРЕЖНЕМУ ДОВЕРЯЮТ ПОКАЗАТЕЛЯМ ЭФФЕКТИВНОСТИ ЦЕЛЕВЫХ СТРАНИЦ?

Впервые в истории интернета боты генерируют больше трафика, чем люди. В начале июня 2026 года генеральный директор Cloudflare Мэтью Принс подтвердил, что автоматизированный трафик теперь составляет около 57% всех запросов веб-страниц в сети Cloudflare — веху, которую он первоначально предсказывал не ранее конца 2027 года. Это произошло на восемнадцать месяцев раньше срока. И пока сообщество кибербезопасности спешит обсудить последствия для защиты от DDoS-атак, а специалисты по SEO спорят о влиянии на бюджеты индексирования, почти никто не задаёт вопрос, который должен будить маркетологов, отвечающих за эффективность: если более половины "посетителей", заходящих на ваши целевые страницы, не являются людьми, что именно отображают ваши аналитические панели?

Это не гипотетический сценарий, к которому можно готовиться в следующем квартале. Это уже произошло. И скорость этого процесса поражает. Согласно отчету HUMAN Security о состоянии трафика ИИ в 2026 году, основанному на более чем одном квадриллионе взаимодействий, трафик от агентов ИИ и агентных браузеров вырос почти на 8000% в течение 2025 года. Отдельно исследование TollBit показало, что трафик ботов ИИ увеличился на 300% по сравнению с предыдущим годом, и примерно каждый 31 визит теперь исходит от бота ИИ. Это не маргинальные показатели, от которых можно избавиться с помощью фильтра. Это структурное загрязнение данных, которые маркетологи используют при каждом решении по оптимизации.

Чтобы понять, почему это важно на уровне воронки, вы должны понимать, что "бот" — это не единое целое. Три отдельные категории загрязняют вашу аналитику тремя разными способами.

Поисковые боты — такие как Googlebot и Bingbot — существуют уже десятилетия, и большинство аналитических платформ справляются с ними достаточно хорошо. Их легко идентифицировать, они представляются через строки user-agent и, как правило, обращаются к страницам предсказуемо. Это базовые участники процесса, а не проблема.

Боты-скрейперы более коварны. Это автоматизированные системы, которые извлекают контент для систем сравнения цен, инструментов конкурентной разведки и всё чаще для обучения ИИ-моделей, на которое приходится около 80% всех активностей по веб-сканированию ИИ. Скрейперы запускают выполнение PHP, обращения к базам данных и обработку сессий — серверные процессы, которые во многих системах аналитики на основе логов выглядят как реальное взаимодействие. Они искусственно завышают показатели трафика, не принося ни копейки дохода.

Боты на основе ИИ — это новейшая и самая опасная категория с точки зрения целостности измерений. Это автономные системы — представьте ChatGPT с функцией просмотра, агенты Perplexity для исследований и сотни других небольших инструментов, — посещающие страницы от имени человека, но ведущие себя совершенно не так, как люди. Они не пролистывают страницы. Они не нажимают на призывы к действию. Они не конвертируются. Но они однозначно регистрируются как сессии. Результат? Ваша конверсия падает. Показатель отказов резко растёт. И когда вы проводите A/B-тест, чтобы определить, какой заголовок лучше — A или B, победивший вариант может оказаться просто тем, на который попало меньше ботов в течение периода тестирования.

Каждый маркетолог, запускающий оверлейную, пуш- или нативную рекламу, принимает решения об оптимизации на основе данных, которые тихо и структурно искажены. Вы смотрите не просто на зашумлённые данные — вы смотрите на данные, в которых соотношение сигнала и шума обратилось. Когда 57% трафика не является человеческим, ваши ориентиры перестают быть ориентирами. Это вымысел — и весь ваш цикл оптимизации, от корректировки ставок до смены креативов и выбора целевых страниц, унаследовал все искажения, которые внёс этот вымысел.

Представим, что на вашей целевой странице SaaS месяц назад было 10 000 посетителей, и 180 из них зарегистрировались на бесплатный пробный период. На панели аналитики отображается аккуратный показатель конверсии 1,8%, и вы с одобрением киваете, потому что отраслевой ориентир для вашей ниши колеблется около 2,0%. Вы почти достигли цели. Возможно, ещё один A/B тест заголовка, небольшая корректировка цвета кнопки призыва к действию, и вы ликвидируете этот разрыв.

Но что, если 5000 из этих посетителей были ботами?

Если примерно половина вашего трафика изначально не имела биологической возможности нажать на кнопку и ввести номер кредитной карты, ваш настоящий коэффициент конверсии среди людей составляет не 1,8%, а 3,6%. Вы не уступаете эталонным показателям — вы превосходите их. А «неудовлетворительная эффективность», которая побудила вас трижды перерабатывать посадочную страницу, была иллюзией, статистическим миражом, вызванным тем, что в знаменателе оказалось множество сессий, сгенерированных не людьми.

Так и действует заражение ботами: не через резкое падение, а за счёт тихого, накапливающегося искажения каждого метрического показателя, на основе которого вы принимаете решения. Возьмём показатель отскока. Продвинутый парсер заходит на вашу страницу, загружает HTML, чтобы собрать информацию о ценах, и уходит менее чем за секунду. Ваша аналитическая система фиксирует это как отскок. Умножьте это на тысячи сессий ботов — и ваш показатель отскока возрастёт на 10, 15 и даже на 20 процентных пунктов, заставляя вашу страницу казаться гораздо менее привлекательной, чем она есть на самом деле для тех людей, которые действительно важны. Время пребывания на странице страдает от обратной проблемы: боты, которые отображают JavaScript и простаивают в течение случайных интервалов, имитируя поведение людей, могут искусственно увеличивать время пребывания, заставляя посредственный контент казаться более удерживающим. Глубина скроллинга, коэффициент переходов, данные тепловых карт — каждый поведенческий показатель на выходе наследует эти искажённые исходные данные.

Показательным признаком является то, что веб-мастера всё чаще распознают в режиме реального времени. В недавнем обсуждении на WebmasterWorld, зафиксированном Search Engine Roundtable, один владелец сайта написал: "Мой трафик вернулся на уровень 90% от прежнего. Но мой доход по-прежнему снижен. Похоже, это просто трафик ботов". Другой резко ответил: "Да, трафик вырос, но доход нет, я согласен, это весь трафик ботов". Этот разрыв — рост числа визитов при стагнации доходов — является самым очевидным диагностическим признаком того, что ваши данные искажены. Как отмечал Semrush в своём анализе достижения Cloudflare, агентные боты "не создают показы страниц, коэффициент отказов или другие метрики, на которые маркетологи поисковых систем традиционно полагались", в сколько-нибудь значимом смысле, однако они всё равно отображаются в этих метриках, делая их ненадёжными.

Вот здесь ущерб накапливается до по-настоящему коварных масштабов. Отчеты отраслевых показателей, с которыми вы сравниваете себя — те, что ежегодно публикуются маркетинговыми платформами и строятся на агрегированных данных тысяч веб-сайтов, — черпают данные из того же самого загрязненного источника. Если доля бот-трафика составляет примерно 57% веб-запросов по всей сети Cloudflare, то «средний процент конверсии целевой страницы» для вашей отрасли не является показателем поведения людей. Это усредненная цифра, где более половины знаменателя составляют автоматизированные сессии, которые изначально не могли привести к конверсии. Когда вы сравниваете свои данные, загрязненные ботами, с чужими, такими же загрязненными данными, вы не измеряете относительную производительность. Вы сравниваете два сломанных термометра и спорите, какой из них ближе к реальной температуре помещения.

Настоящая опасность заключается не в том, что ваши цифры неверны. Опасность в том, что вы принимаете уверенные, требующие значительных ресурсов решения — закрываете страницы, перераспределяете рекламный бюджет, увольняете агентства — на основе неверных цифр, которые кажутся точными, потому что подаются в виде дашбордов и десятичных знаков. Каждое стратегическое изменение, основанное на нефильтрованной аналитике, — это решение, принятое на основе показаний свидетеля, которого не существует.

Первое возражение всегда одно и то же: «Мы уже этим занимаемся». В Google Analytics 4 автоматически фильтруются известные боты. Cloudflare расположен перед сайтом и ловит сканеры. Форма защищена CAPTCHA. Эти меры защиты внушают уверенность — и против примитивных ботов пятилетней давности они работали достаточно хорошо. Однако совокупность ботов, составляющая сейчас 57% веб-трафика, — это не та совокупность, которую изначально задумывали останавливать эти инструменты, и разница между тем, что фильтруется, и тем, что проскальзывает сквозь, — это место, где ваши данные кампании незаметно разрушаются.

Основная проблема — архитектурная. Традиционное обнаружение ботов основано на эвристике: аномальная частота запросов, известные диапазоны IP-адресов дата-центров, отсутствие выполнения JavaScript, подозрительно одинаковая продолжительность сессий. Эти признаки выявляют примитивные инструменты — подборщики учетных данных, сборщики информации об остатках товара, SEO-роботы, раскрывающие себя честными строками user-agent. Однако всё чаще они пропускают ИИ-агентов и агентные браузеры, рост которых к 2025 году составил около 8000%, — системы, специально разработанные для взаимодействия с веб-сайтами так же, как это делает человек. Они отображают JavaScript, прокручивают страницы, делают паузы, нажимают с неравномерным интервалом. Некоторые даже сохраняют сеансовые куки при повторных визитах. Поведенческий след, ранее четко разделявший ботов и людей, стирается до такой степени, что фильтры, основанные на правилах, уже не могут надежно различать их.

Хуже того, многие из этих агентов работают в условиях отсутствия контроля. Как отмечалось в анализе Semrush вехи Cloudflare, ИИ-агенты не генерируют показов страниц, коэффициентов отказов или других метрик, на которые традиционно полагались маркетологи, занимающиеся поисковым продвижением. Они могут извлекать контент через браузеры без интерфейса, напрямую взаимодействовать с API или взаимодействовать со страницами так, что в вашей аналитике они будут регистрироваться как реальные сессии, при этом не способствуя достижению реальных бизнес-результатов. Ваш фильтр ботов ищет трафик, ведущий себя как бот. Эти агенты ведут себя как клиенты, пока в какой-то момент не происходит конверсии, и даже этот факт отсутствия конверсии статистически неотличим от поведения человека, который просто ушёл.

Для маркетологов, работающих с поп-рекламой, пуш-рекламой и кампаниями нативной рекламы, этот уровень заражения почти наверняка хуже глобального среднего значения в 57%, а не лучше. Эти каналы всегда работали с непрозрачным происхождением трафика — инвентарь поступает через биржи, показы осуществляются по сетям издателей с длинным хвостом, где проверка качества весьма ненадежна. Если на хорошо контролируемой сети Cloudflare основную часть трафика уже составляют сложные боты, то доля ботов в рекламных каналах с гораздо менее строгим контролем, вероятно, еще выше. Мохаммед Файзан из M&C Saatchi Performance идеально описал общую проблему измерений, когда в интервью Search Engine Journal заявил, что команды «уверены в том, что они видят, но то, что они видят, — это лишь небольшой чистый край воронки», в то время как истинный сигнал скрыт внутри необъяснимых скачков конверсий и роста прямого трафика. Применив эту логику к заражению ботами, получаем пугающий вывод: ущерб не проявляется там, где вы смотрите. Он скрыт внутри метрик, которые по-прежнему выглядят нормально — ваших показателях конверсии, расчетах стоимости лида, результатах A/B-тестов.

Это фундаментальное несоответствие парадигм. Инструменты фильтрации ботов создавались для мира, в котором автоматизированный трафик был незначительной помехой — пять процентов, может быть, десять, что-то, что можно было просто отсеять и проигнорировать. Когда боты представляют большинство запросов, а самые продвинутые из них специально разработаны, чтобы избегать обнаружения, фильтрация превращается в игру с уменьшающейся отдачей. Вы не сможете достичь чистых показателей с помощью фильтрации, если заражение носит системный характер. Инструменты не сломаны; они просто решают проблемы вчерашнего дня, в то время как сегодняшняя проблема уже вышла за их пределы.

Вот стратегический поворот, которого большинство маркетологов пока не сделали: перестаньте воспринимать собственную аналитику как источник истины и начните использовать поведение конкурентов в качестве ориентира.

Логика проста. Если более половины трафика, поступающего на ваши посадочные страницы, представляет собой автоматизированные запросы, тогда каждый метрический показатель, который вы берете из своей панели аналитики — конверсия, показатель отказов, время на странице — основан как минимум частично на иллюзорной базе. Но когда конкурент продолжает использовать одну и ту же версию посадочной страницы 60 и более дней по нескольким источникам трафика, регулярно тратя реальные деньги на рекламу из недели в неделю, это говорит вам о чем-то, о чем ни одна панель аналитики не может сказать. Это означает, что страница конвертируется достаточно хорошо, чтобы оправдать постоянные инвестиции. Такой сигнал не подвержен искажению ботами, потому что он основан на реальном бизнес-результате — конкурент продолжает платить, а не на количестве просмотров страницы, которое может быть в основном синтетическим.

Именно здесь рекламная разведка и шпионские инструменты становятся незаменимыми. Платформы, позволяющие отслеживать используемые креативы и посадочные страницы в pop-, push- и native-сетях, раскрывают закономерности, которые выступают в качестве рыночных эталонов. Методология простая, но требует дисциплины: определите, какие варианты посадочных страниц конкуренты поддерживают на протяжении длительного времени, зафиксируйте типичные дизайнерские паттерны для вашего конкретного направления, обратите внимание, какие структуры предложения и призывы к действию сохраняются в разных кампаниях, и особенно внимательно следите, какие элементы креативов изменяются, а какие полностью отбрасываются. Ключевой фактор — долговечность. Страница, работающая две недели и исчезающая, была тестом, который провалился. Страница, функционирующая три месяца в нескольких географических зонах, — это рабочая страница.

Этот подход согласуется с важным различием, которое изложил Ahrefs, — различием между трафиком, способным привести к бизнес-результатам, и трафиком, который просто регистрируется как запросы к серверу. Когда вы применяете такой подход к анализу конкурентов, вы изучаете страницы, оптимизированные для конверсии людей, — потому что доход конкурентов зависит от действий людей, независимо от того, сколько ботов также могут посетить страницу.

Более глубокий принцип здесь основан на том, на чём Рэнд Фишкин построил свою репутацию: доказательствах, противоречащих консенсусу, таких идеях, которые возникают, когда смотришь на то, что все остальные игнорируют. Вся индустрия маркетинга оценивает эффективность целевых страниц по самоотчётности метрик аналитических платформ, которые, как мы установили, сильно искажены из-за автоматизированного трафика. Противоположный шаг — тот, который находится прямо на виду, — это сравнение с наблюдаемым конкурентным поведением. Когда вы изучаете, что действительно выживает на рынке, а не то, что регистрируется в панелях управления, вы получаете доступ к более чистому слою данных, который большинство маркетологов полностью упускают из виду.

Для маркетологов эффективности, работающих в pop-, push- и native-каналах, такое переосмысление имеет практические последствия. Инструменты шпионажа, которые показывают, какие целевые страницы активно используются конкурентами, становятся стратегически более ценными, чем собственная установка Google Analytics. Ваши аналитические данные говорят вам, что произошло на вашем сервере. Информация о конкурентах показывает, что работает на рынке. В мире, где роботы генерируют больше веб-трафика, чем люди, разрыв между этими двумя вещами никогда ранее не был столь велик.

Это вовсе не означает, что вы должны слепо копировать конкурентов. Это значит, что данные о развертывании у конкурентов — какие страницы остаются в сети, какие убираются, какие элементы повторяются в разных нишах — теперь являются самым близким к достоверному показателю, устойчивому к ботам, доступному для маркетологов. Ваши конкуренты не могут позволить себе продолжать платить за трафик на страницу, которая не конвертирует реальных пользователей. Их маркетинговый бюджет — это фильтр, который не может предоставить ваша аналитическая платформа.

Создание конкурентоспособного эталона, который выдерживает тщательную проверку, означает выстраивание всего процесса — от сбора данных до интерпретации — исходя из предположения, что заражение ботами является нормой, а не исключением. Ниже приведена практическая основа для реализации именно этого.

Шаг первый: триангуляция с внешней информацией перед тем, как доверять внутренним данным. Ваша панель мониторинга Google Analytics — это самый загрязнённый данными о ботах источник информации, которым вы располагаете. Вместо того чтобы начинать с неё, начните с сигналов поведения конкурентов, подделать которые ботам по умолчанию сложнее. Отслеживайте, как конкуренты меняют подачу сообщений, перестраивают структуру страниц, корректируют призывы к действию (CTA) и перераспределяют рекламный бюджет между платформами. Эти тактические изменения отражают решения, принятые на основе очищенных внутренних данных, которые вы никогда не увидите, но стратегические сигналы, которые они создают, доступны любому внимательному наблюдателю. Дополните это использованием сторонних инструментов, которые выделяют реферальный трафик, инициированный ИИ. Как объясняет Ahrefs, их функция аналитики ботов разделяет активность парсеров на двенадцать категорий, включая отдельный фильтр для ботов ИИ, позволяя увидеть, с каких именно платформ происходит сканирование ваших страниц, как часто и какие URL при этом приоритизируются. Зная, какие данные потребляют боты, вы можете исключить их след из всей остальной картины трафика.

Шаг второй: замените показатели тщеславия на устойчивые к ботам индикаторы. Показатели отказов, время на странице и простая конверсия тривиально накручиваются сложными автоматизированными посетителями. Переключите свою систему базовых показателей на метрики, которые требуют подлинного человеческого намерения: выручку на сессию, объем квалифицированных продаж, конверсии, затрагивающие несколько каналов, а также, что особенно важно, новые индикаторы, которые рекомендует анализ Semrush вехи в трафике ботов, включая частоту упоминаний, долю голоса в ответах, генерируемых ИИ, и реферальный трафик с платформ ИИ в частности. Эти метрики не просто устойчивы к накрутке ботами; они измеряют результаты, которые действительно важны для бизнеса.

Шаг третий: обеспечьте резервирование измерений в каждой кампании. Топ-менеджеры отделов маркетинга крупных компаний, участвовавшие в недавнем исследовании, освещённом Search Engine Journal, обнаружили примечательное противоречие: две трети из них заявили о высокой уверенности в атрибуции на основе ИИ, однако одновременно 66% отметили трудности с базовыми измерениями. Вывод очевиден — уверенность без перекрёстной проверки является самообманом. Проводите тесты с контрольными группами. Сравнивайте эффективность посадочных страниц по каналам, где плотность ботов различается (например, трафик из email содержит значительно меньше автоматизированного шума, чем органический поиск). Используйте тестирование инкрементальности вместо атрибуции по последнему клику, чтобы определить, конвертирует ли посадочная страница на самом деле живых людей или просто фиксирует действия ботов, которые случайно заполнили форму.

Четвертый шаг: проводите аудит контрольных показателей ежеквартально, а не раз в год. Ландшафт ботов развивается такими темпами, что ежегодные обзоры контрольных показателей устаревают еще до их публикации. Генеральный директор Cloudflare предсказал, что трафик агентов превысит трафик людей к концу 2027 года, однако это произошло на восемнадцать месяцев раньше. Любые конкурентные эталонные показатели, основанные на данных старше девяноста дней, уже теряют актуальность. Установите ежеквартальный график для перенастройки базовых метрик, корректируя учет наблюдаемых изменений в моделях поведения ботов и появления новых категорий ИИ-агентов, которых не существовало на момент предыдущего обзора.

Пятый шаг: Прозрачно задокументируйте свою методологию. Когда вы представляете стейкхолдерам результаты целевой страницы, покажите свою логику фильтрации вместе с цифрами. Объясните, какие категории ботов были исключены, какие источники трафика были взвешены и какой запас погрешности вас устраивает. Бенчмарк, сопровождаемый честным доверительным интервалом, бесконечно ценнее аккуратной на вид цифры, построенной на загрязнённых данных. Цель — не достижение совершенства, а создание структуры принятия решений, которая сохраняет работоспособность по мере изменения соотношения человеческого и автоматизированного трафика.