Lọc traffic bot và proxy trong GA4: Cách nhận biết và loại trừ

Lọc traffic bot GA4 là việc chủ website, người làm SEO, người làm quảng cáo phải làm khi thấy báo cáo Google Analytics 4 có lượng truy cập tăng đột biến không rõ nguồn, thời gian tương tác bằng không, thành phố lạ như Lanzhou hay Boardman, tỷ lệ tương tác giảm mạnh. GA4 tự loại trừ lưu lượng từ bot và trình thu thập đã biết, nhưng bot đi qua proxy, máy chủ trung tâm dữ liệu, trình duyệt tự động thì vẫn lọt vào. Bài này ProxyVN giải thích GA4 lọc gì và không lọc gì, dấu hiệu nhận biết lưu lượng bot, proxy, cách dùng bộ lọc lưu lượng nội bộ, phân khúc, so sánh với nhật ký máy chủ, chặn từ tầng mạng bằng dịch vụ như Cloudflare, và giới hạn của từng cách. Xem thêm dịch vụ tại ProxyVN.

GA4 tự lọc những gì

Loại trừ bot đã biết

Theo trợ giúp Google Analytics về lưu lượng bot, GA4 tự động loại trừ lưu lượng từ bot và trình thu thập đã biết, dựa trên nghiên cứu của Google và danh sách bot quốc tế của IAB. Tính năng này luôn bật, không tắt được, và không có báo cáo cho biết bao nhiêu lưu lượng đã bị loại.

Không lọc được gì

Bot "đã biết" là bot tự khai tên trong User-Agent như các trình thu thập của công cụ tìm kiếm. Bot không khai tên, giả trình duyệt thật, chạy JavaScript, đi qua proxy, thì GA4 thường không nhận ra. Đây là phần lọt vào báo cáo.

Vì sao bot lại chạy được mã GA4

GA4 ghi nhận lượt truy cập khi mã theo dõi chạy trên trình duyệt. Trình thu thập đơn giản không chạy JavaScript nên không để lại dấu trong GA4. Bot dùng trình duyệt không giao diện, công cụ tự động hoá trình duyệt thì chạy JavaScript như người thật, nên GA4 ghi nhận. Ngoài ra có loại spam gửi thẳng dữ liệu tới máy chủ GA bằng Measurement Protocol mà không cần vào website.

Dấu hiệu lưu lượng bot, proxy trong GA4

Dấu hiệu lưu lượng bất thường

Dấu hiệu theo chỉ số

Bảng: Dấu hiệu theo chỉ số

Dấu hiệu	Ý nghĩa có thể
Lượt truy cập tăng đột biến không gắn với chiến dịch	Bot hoặc công cụ kiểm tra
Thời gian tương tác trung bình gần 0 giây	Phiên không có tương tác thật
Tỷ lệ tương tác rất thấp ở một nguồn	Nguồn chủ yếu là bot
Một trang duy nhất nhận nhiều phiên lạ	Bot nhắm trang cụ thể
Phiên mới gần 100%	Bot không lưu cookie
Độ phân giải màn hình lạ, giống nhau	Trình duyệt tự động cấu hình mặc định

Dấu hiệu theo vị trí

Một số thành phố hay xuất hiện với lưu lượng bot vì có trung tâm dữ liệu lớn hoặc dải IP hay bị dùng cho bot: Boardman (bang Oregon, Mỹ, nơi có trung tâm dữ liệu lớn), Ashburn (bang Virginia, Mỹ), Lanzhou (Trung Quốc) với các đợt lưu lượng lạ được nhiều chủ website phản ánh. Website tiếng Việt bán hàng trong nước mà có hàng nghìn phiên từ các thành phố này, thời gian tương tác bằng không, nhiều khả năng là bot.

Dấu hiệu theo nguồn

• Referral từ tên miền lạ, tên miền quảng cáo dịch vụ SEO, tên miền có từ "traffic", "seo", "buttons".
• Lưu lượng Direct tăng mạnh không rõ lý do.
• Từ khoá, chiến dịch lạ trong tham số UTM.

Dấu hiệu theo công nghệ

Trình duyệt phiên bản rất cũ hoặc phiên bản lạ, hệ điều hành Linux tỷ lệ cao bất thường với website hướng người dùng phổ thông, ngôn ngữ trình duyệt không khớp quốc gia.

Lý do bot đi qua proxy và datacenter

Bot đi qua máy chủ trung tâm dữ liệu

Ai gửi lưu lượng bot

• Công cụ thu thập dữ liệu giá, nội dung.
• Công cụ kiểm tra website, giám sát thời gian hoạt động.
• Dịch vụ bán lưu lượng giả để tăng chỉ số.
• Gian lận nhấp quảng cáo, nhắm vào website chạy quảng cáo hiển thị.
• Spam referral để quảng cáo tên miền.

Gian lận nhấp và cách phát hiện có trong bài click fraud là gì.

Tại sao dùng proxy

Gửi nhiều yêu cầu từ một IP dễ bị chặn, nên bot phân tán qua nhiều IP: máy chủ thuê, proxy datacenter, proxy dân cư. IP trung tâm dữ liệu dễ nhận ra hơn qua tên tổ chức sở hữu (ASN). Khái niệm ASN có trong bài ASN proxy là gì, điểm uy tín IP trong bài IP reputation là gì.

Lưu lượng giả "kéo top"

Một số dịch vụ hứa tăng thứ hạng bằng lưu lượng giả qua proxy. Lưu lượng này làm bẩn dữ liệu GA4 và không giúp thứ hạng bền vững. Cách làm SEO thực chất có trong bài proxy SEO website lên top.

Cách 1: bộ lọc lưu lượng nội bộ theo IP

Tính năng có sẵn

GA4 cho định nghĩa lưu lượng nội bộ bằng địa chỉ IP, rồi tạo bộ lọc dữ liệu loại trừ lưu lượng đó. Hướng dẫn trong trợ giúp về lọc lưu lượng nội bộ.

Các bước

• Vào Admin, Data streams, chọn luồng web, Configure tag settings, Define internal traffic.
• Tạo quy tắc: tên, giá trị traffic_type (mặc định internal), điều kiện IP bằng, bắt đầu bằng, khớp dải CIDR.
• Vào Admin, Data settings, Data filters, bộ lọc Internal Traffic, chuyển từ Testing sang Active.

Dùng cho bot được không

Về kỹ thuật, có thể thêm IP hoặc dải IP của bot vào quy tắc lưu lượng nội bộ để loại trừ. Nhưng có giới hạn:

• Phải biết IP của bot, trong khi GA4 không hiển thị IP trong báo cáo.
• Bot đổi IP liên tục qua proxy, danh sách không theo kịp.
• Không lọc được theo ASN, theo loại IP trung tâm dữ liệu.
• Số quy tắc có giới hạn.
• Bộ lọc dữ liệu ở trạng thái Active loại trừ vĩnh viễn, dữ liệu bị lọc không khôi phục được. Thử ở trạng thái Testing trước.

Cách này hợp với một vài IP cố định đã xác định từ nhật ký máy chủ, ví dụ máy chủ giám sát của chính mình, công cụ kiểm tra của đối tác.

Cách 2: loại trừ referral không mong muốn

GA4 có danh sách referral không mong muốn trong cài đặt thẻ, dùng để loại tên miền khỏi nguồn giới thiệu. Lưu ý tính năng này chủ yếu dành cho cổng thanh toán, tên miền bên thứ ba trong luồng mua hàng, để phiên không bị tách. Với spam referral, cách hiệu quả hơn là phân khúc báo cáo và chặn từ tầng mạng.

Cách 3: phân khúc và so sánh để xem số liệu sạch

Tạo phân khúc loại trừ

Trong Explore, tạo phân khúc phiên loại trừ các điều kiện: thành phố trong danh sách nghi ngờ, thời gian tương tác bằng không, nguồn referral rác. Báo cáo dùng phân khúc này cho số liệu gần với người dùng thật hơn. Hướng dẫn về phân khúc có trong trợ giúp về phân khúc GA4.

So sánh trong báo cáo chuẩn

Báo cáo chuẩn có chức năng so sánh (comparison) theo điều kiện, ví dụ quốc gia là Việt Nam so với tất cả. Website chỉ phục vụ người Việt, xem số liệu Việt Nam là cách nhanh để loại phần lớn bot nước ngoài.

Ưu và nhược

Phân khúc không xoá dữ liệu, an toàn, sửa được. Nhưng phải áp dụng mỗi lần xem báo cáo, và không ảnh hưởng tới số liệu đẩy sang công cụ khác.

Cách 4: đối chiếu với nhật ký máy chủ

Đối chiếu nhật ký máy chủ với báo cáo

Nhật ký máy chủ có gì GA4 không có

Nhật ký máy chủ web ghi mọi yêu cầu: IP, thời gian, đường dẫn, User-Agent, mã phản hồi. Từ IP tra ra ASN, tổ chức sở hữu, loại IP. GA4 không có IP trong báo cáo, nên nhật ký máy chủ là nơi xác định nguồn bot.

Cách đối chiếu

• Lấy khoảng thời gian có lưu lượng lạ trong GA4.
• Lọc nhật ký máy chủ cùng khoảng thời gian, đường dẫn bị nhắm.
• Nhóm theo IP, theo ASN, xem nhóm nào chiếm phần lớn.
• Tra tổ chức sở hữu: nhà cung cấp đám mây, proxy, hay nhà mạng.
• Đối chiếu User-Agent: trình duyệt giả, công cụ tự động.

Phân tích User-Agent có trong bài User-Agent là gì.

Kết luận từ đối chiếu

Nếu phần lớn lưu lượng lạ đến từ dải IP trung tâm dữ liệu, có thể chặn ở tầng mạng. Nếu đến từ IP dân cư rải rác, khó chặn theo IP, cần lớp chống bot dựa trên hành vi.

Cách 5: chặn từ tầng mạng bằng Cloudflare

Chặn trước khi tới website

Lọc trong GA4 chỉ làm sạch báo cáo, bot vẫn vào website, vẫn tốn tài nguyên máy chủ. Chặn từ tầng mạng ngăn bot từ đầu. Cloudflare có các tính năng quản lý bot, mô tả trong tài liệu bot của Cloudflare.

Các cách chặn

• Chế độ chống bot cơ bản: đưa thử thách cho trình duyệt có dấu hiệu bot.
• Quy tắc tường lửa theo ASN: thử thách hoặc chặn lưu lượng từ ASN của nhà cung cấp đám mây, proxy, nếu website không có người dùng thật từ đó.
• Quy tắc theo quốc gia: thử thách lưu lượng từ quốc gia không phục vụ.
• Giới hạn tần suất với đường dẫn hay bị nhắm.

Cẩn thận chặn nhầm

Chặn theo ASN đám mây có thể chặn cả người dùng thật đi qua VPN doanh nghiệp, công cụ giám sát hợp lệ, bot của công cụ tìm kiếm nếu cấu hình sai. Dùng thử thách thay vì chặn cứng, theo dõi vài ngày, cho phép bot tốt đã xác minh.

Spam qua Measurement Protocol

Measurement Protocol là gì

Measurement Protocol cho phép gửi sự kiện tới GA4 từ máy chủ, không qua trình duyệt, dùng cho giao dịch ngoại tuyến, sự kiện từ hệ thống nội bộ. Gửi cần mã đo lường và khoá bí mật API của luồng dữ liệu.

Vì sao bị lạm dụng

Nếu khoá bí mật lộ ra, ví dụ bị đưa vào mã chạy trên trình duyệt, kẻ xấu có thể gửi sự kiện giả trực tiếp vào thuộc tính GA4 mà không cần vào website. Những phiên này có tên máy chủ lạ, trang không tồn tại, sự kiện không khớp với website.

Cách phòng

• Không đặt khoá bí mật Measurement Protocol trong mã phía trình duyệt.
• Xoá khoá cũ, tạo khoá mới nếu nghi bị lộ.
• Trong phân khúc, lọc theo tên máy chủ (hostname) chỉ giữ tên miền của mình.

Thiết lập theo dõi để phát hiện bot sớm

Cảnh báo bất thường

GA4 có phần thông tin chi tiết tự động, phát hiện bất thường trong lượt truy cập. Tạo thêm thông tin chi tiết tuỳ chỉnh: cảnh báo khi số phiên tăng quá một mức nhất định so với tuần trước, khi tỷ lệ tương tác giảm mạnh.

Báo cáo theo dõi riêng

Tạo một báo cáo khám phá gồm thành phố, nguồn, thời gian tương tác, độ phân giải màn hình, phiên bản trình duyệt. Xem mỗi tuần, các dòng lạ sẽ nổi lên trước khi ảnh hưởng tới số liệu tổng.

Gắn sự kiện tương tác thật

Định nghĩa sự kiện cho các hành động mà bot hiếm khi làm: cuộn quá nửa trang, bấm vào ảnh sản phẩm, thêm vào giỏ. Báo cáo dựa trên các sự kiện này ít bị bot làm sai hơn báo cáo dựa trên lượt xem trang.

Kết hợp dữ liệu máy chủ

Đẩy nhật ký máy chủ vào công cụ phân tích nhật ký hoặc kho dữ liệu. So sánh số yêu cầu tới trang chủ theo giờ với số phiên GA4 theo giờ. Khi hai đường lệch nhau đột ngột, có lưu lượng bất thường.

Những hiểu nhầm về lọc bot

Bot làm tăng thứ hạng

Lưu lượng giả từ dịch vụ bán traffic không làm tăng thứ hạng bền vững, có khi còn làm sai tín hiệu hành vi. Google có nhiều cách nhận ra hành vi không tự nhiên.

Chặn hết IP nước ngoài là xong

Chặn toàn bộ nước ngoài có thể chặn cả người Việt ở nước ngoài, công cụ tìm kiếm, đối tác. Thử thách thay vì chặn, và chỉ áp dụng với đường dẫn hay bị nhắm.

GA4 lọc được mọi bot

GA4 là công cụ phân tích, không phải công cụ chống bot. Lọc trong GA4 chỉ làm sạch báo cáo, không ngăn bot vào website.

Lọc bot trong các công cụ khác ngoài GA4

Google Search Console

Search Console đo lượt hiển thị, lượt nhấp từ kết quả tìm kiếm Google, dữ liệu do Google ghi nhận ở phía công cụ tìm kiếm, ít bị bot làm sai như GA4. Khi GA4 có lưu lượng tự nhiên tăng đột biến mà Search Console không có lượt nhấp tương ứng, phần tăng đó nhiều khả năng không đến từ người tìm kiếm thật.

Google Ads

Google Ads có hệ thống lọc nhấp không hợp lệ riêng, không tính phí các nhấp bị xác định là không hợp lệ. Báo cáo nhấp không hợp lệ có trong tài khoản Ads. Dữ liệu này không thay thế việc lọc trong GA4 nhưng giúp đối chiếu.

Công cụ chống gian lận quảng cáo

Website chi nhiều cho quảng cáo có thể dùng thêm công cụ chống gian lận nhấp, ghi nhận IP, thiết bị, hành vi của người nhấp quảng cáo và tự động loại trừ IP khỏi chiến dịch. Đây là lớp chuyên cho quảng cáo, khác với lọc báo cáo.

Nền tảng thương mại điện tử

Shopify, WooCommerce có báo cáo phiên riêng. Đối chiếu đơn hàng thật với phiên GA4 theo nguồn giúp biết nguồn nào mang khách thật, nguồn nào chỉ mang lượt xem.

Quy trình xử lý khi phát hiện lưu lượng lạ

• Bước 1: ghi lại thời điểm bắt đầu, mức tăng, trang bị nhắm, nguồn, vị trí.
• Bước 2: tạo phân khúc loại trừ để báo cáo nội bộ không bị ảnh hưởng.
• Bước 3: đối chiếu nhật ký máy chủ, xác định IP, ASN, User-Agent.
• Bước 4: quyết định chặn ở tầng mạng hay chỉ theo dõi.
• Bước 5: nếu chặn, áp dụng thử thách trước, theo dõi vài ngày.
• Bước 6: ghi chú trong GA4 (annotation qua công cụ báo cáo hoặc tài liệu nội bộ) để người xem báo cáo sau biết giai đoạn đó có bot.

Lưu ý khi chủ website tự kiểm thử bằng công cụ

Công cụ đo tốc độ, kiểm tra SEO

Công cụ đo tốc độ trang, công cụ kiểm tra SEO, công cụ giám sát thời gian hoạt động truy cập website từ máy chủ của họ. Một số chạy JavaScript và được GA4 ghi nhận. Chạy kiểm tra liên tục mỗi phút từ nhiều vùng có thể tạo hàng nghìn phiên mỗi ngày. Giảm tần suất giám sát, hoặc cấu hình công cụ gửi kèm tham số để lọc trong phân khúc.

Kịch bản kiểm thử tự động

Đội phát triển chạy kiểm thử giao diện trên môi trường thật, mỗi lần chạy tạo phiên trong GA4. Tắt mã GA4 trên môi trường thử nghiệm, hoặc dùng thuộc tính GA4 riêng cho môi trường thử nghiệm, tránh trộn với dữ liệu thật.

Nhân viên kiểm tra quảng cáo

Nhân viên tiếp thị bấm vào quảng cáo của chính công ty để kiểm tra, tạo nhấp không hợp lệ và phiên lạ. Dùng công cụ xem trước quảng cáo của nền tảng thay vì bấm thật.

Giữ dữ liệu GA4 sạch về lâu dài

Đặt một người chịu trách nhiệm về chất lượng dữ liệu phân tích, xem báo cáo theo dõi bot mỗi tuần, cập nhật danh sách IP nội bộ khi văn phòng đổi mạng, rà soát bộ lọc mỗi quý. Ghi lại mọi thay đổi cấu hình GA4 trong tài liệu nội bộ. Dữ liệu sạch là điều kiện để mọi quyết định dựa trên số liệu có ý nghĩa.

Phân biệt bot với người dùng thật dùng VPN

Không phải phiên nào từ IP trung tâm dữ liệu cũng là bot. Người dùng thật bật VPN, dùng trình duyệt có tính năng ẩn IP, làm việc qua mạng công ty có cổng web an toàn trên đám mây đều đi ra Internet bằng IP trung tâm dữ liệu. Những phiên này có thời gian tương tác bình thường, xem nhiều trang, có khi mua hàng. Vì vậy đừng loại trừ toàn bộ lưu lượng từ một nhà cung cấp đám mây chỉ dựa vào ASN, mà kết hợp với chỉ số hành vi như thời gian tương tác, số trang mỗi phiên, sự kiện tương tác thật.

Bảng chọn cách xử lý

Bảng: Bảng chọn cách xử lý

Tình huống	Cách nên dùng
Vài IP cố định đã biết	Bộ lọc lưu lượng nội bộ GA4
Cần báo cáo sạch nhanh	Phân khúc, so sánh theo quốc gia
Muốn biết bot từ đâu	Nhật ký máy chủ, tra ASN
Bot tốn tài nguyên, ảnh hưởng quảng cáo	Chặn ở Cloudflare, tường lửa ứng dụng
Spam Measurement Protocol	Giữ bí mật khoá API, thêm điều kiện lọc theo tên máy chủ trong phân khúc

Ví dụ: website bán hàng Việt Nam có 5.000 phiên lạ mỗi ngày

Một website bán đồ gia dụng tại Việt Nam thấy lượt truy cập trong GA4 tăng gấp đôi trong một tuần, doanh thu không đổi, tỷ lệ tương tác giảm từ 60% xuống 30%.

Phân tích

• GA4: phiên tăng chủ yếu từ Mỹ và Trung Quốc, thành phố Boardman, Ashburn, Lanzhou, thời gian tương tác 0 giây, vào trang chủ rồi thoát.
• Nhật ký máy chủ: phần lớn IP thuộc vài nhà cung cấp đám mây, User-Agent Chrome phiên bản giống hệt nhau.

Xử lý

• Tạo phân khúc loại trừ để báo cáo nội bộ dùng số liệu sạch.
• Bật Cloudflare, đặt quy tắc thử thách lưu lượng từ ASN đám mây và từ quốc gia ngoài thị trường.
• Thêm IP máy chủ giám sát của chính công ty vào lưu lượng nội bộ trong GA4.

Kết quả

Lượt bot vào website giảm mạnh, báo cáo GA4 trở lại mức trước đợt tăng, tỷ lệ tương tác về 58%. Quảng cáo không còn bị tối ưu theo dữ liệu bẩn.

Tác động của dữ liệu bẩn

Tới quyết định kinh doanh

Lưu lượng bot làm tỷ lệ chuyển đổi trông thấp hơn thực tế, làm sai đánh giá chiến dịch, trang đích.

Tới quảng cáo

Nếu GA4 liên kết với Google Ads và dùng đối tượng, chuyển đổi từ GA4, dữ liệu bot làm thuật toán tối ưu lệch hướng.

Tới SEO

Bot không trực tiếp làm giảm thứ hạng, nhưng làm người làm SEO hiểu sai hiệu quả nội dung.

Proxy và kiểm thử hợp lệ trên website của mình

Báo cáo sạch sau khi lọc

Chủ website đôi khi tự dùng proxy để kiểm tra trang hiển thị ở vùng khác, kiểm tra quảng cáo. Lưu lượng kiểm thử này cũng vào GA4. Ghi IP proxy kiểm thử vào lưu lượng nội bộ, hoặc dùng chế độ gỡ lỗi để không làm lẫn số liệu. Anh em cần proxy IP Việt Nam tĩnh để kiểm thử website có thể mua proxy tại ProxyVN.

Câu hỏi thường gặp về lọc traffic bot GA4

GA4 có tự lọc bot không

Có, GA4 tự loại trừ bot và trình thu thập đã biết, không tắt được. Bot giả trình duyệt thật thì vẫn lọt.

Có chặn được IP trong GA4 không

GA4 cho loại trừ IP qua quy tắc lưu lượng nội bộ và bộ lọc dữ liệu, nhưng không hiển thị IP trong báo cáo và không lọc theo ASN. Phù hợp với vài IP cố định đã biết.

Thành phố Lanzhou, Boardman trong GA4 là gì

Thường là lưu lượng bot từ trung tâm dữ liệu hoặc dải IP hay bị dùng cho bot, đặc biệt khi thời gian tương tác bằng 0.

Lọc dữ liệu có xoá được dữ liệu cũ không

Không. Bộ lọc chỉ áp dụng cho dữ liệu từ lúc bật. Dùng phân khúc để xem dữ liệu cũ sạch hơn.

Cách chặn bot hiệu quả nhất

Chặn ở tầng mạng bằng dịch vụ như Cloudflare, kết hợp phân tích nhật ký máy chủ.

Bot có làm giảm thứ hạng Google không

Không trực tiếp, nhưng làm sai dữ liệu phân tích và có thể làm chậm máy chủ.

Tổng kết

Lọc traffic bot GA4 cần hiểu GA4 chỉ tự loại bot đã biết, còn bot giả trình duyệt thật qua proxy, trung tâm dữ liệu vẫn lọt vào báo cáo với dấu hiệu thời gian tương tác bằng 0, thành phố lạ, nguồn referral rác. Dùng quy tắc lưu lượng nội bộ cho vài IP cố định, phân khúc và so sánh để xem số liệu sạch, nhật ký máy chủ để tìm IP, ASN thật, và Cloudflare hoặc tường lửa ứng dụng để chặn bot từ tầng mạng. Thử bộ lọc ở chế độ Testing trước vì dữ liệu bị lọc không khôi phục được. Cần tư vấn về proxy, anh em liên hệ Proxy.vn - Nhà cung cấp dịch vụ proxy chất lượng hàng đầu Việt Nam để được tư vấn.