Referral spam in Google Analytics herkennen en filteren

Referral spam is nepverkeer dat in je Google Analytics opduikt zonder dat er ooit een echte bezoeker is geweest. Je herkent het meestal aan vreemde verwijzende domeinen met een bounce rate van 100% en een sessieduur van 0 minuten 0 seconden. De korte versie: filter dat verkeer eruit, want zolang het in je rapporten zit, neem je beslissingen op vervuilde data. In dit artikel lees je hoe je spam in GA4 herkent, hoe je het wegfiltert en waarom dit voor B2B-leadgen meer kost dan je denkt.

Wat is referral spam precies?

Referral spam (soms ook ghost spam of crawler spam genoemd) is verkeer dat in je verwijzingsrapporten verschijnt maar geen echte interactie met je site heeft. Bij ghost spam raakt de bot je website nooit aan: het stuurt rechtstreeks data naar je analytics via je meet-ID. Bij crawler spam bezoekt een bot wel je pagina’s, maar het is geen potentiële klant, het is software die het web afstruint.

In beide gevallen is het resultaat hetzelfde: een regel in je rapport die eruitziet als een verwijzende site, maar die je nooit een lead oplevert. De afzender wil meestal dat je nieuwsgierig wordt en het domein bezoekt, of hij probeert simpelweg backlinks en aandacht te scoren.

Voor een B2B-bedrijf dat op leads stuurt is dat geen onschuldige ruis. Het zit in dezelfde rapporten waar je naar kijkt om te beslissen welke kanalen werken en waar je budget naartoe gaat.

Hoe herken je spamverkeer in je rapporten?

Het duidelijkste signaal is een combinatie van extreme waarden. Spamverkeer toont zich vaak met een bounce rate van 100% en een sessieduur van precies 0 minuten 0 seconden (volgens praktijkanalyses van referralrapporten). Een echte bezoeker, zelfs een die snel weer wegklikt, laat bijna nooit zo’n perfect nulpatroon achter. Als een bron 100% bounce en 0 seconden combineert met een verdacht aantal sessies, kijk je vrijwel zeker naar spam.

Let daarnaast op deze kenmerken:

• Vreemde domeinnamen in je verwijzingsrapport die je niet herkent en die niets met je markt te maken hebben.
• Plotse pieken in verwijzend verkeer uit landen of bronnen waar je nooit actief bent geweest.
• Geen enkele conversie vanuit die bron, nooit, ondanks soms hoge sessieaantallen.
• Onlogische taal- of hostnaamwaarden, bijvoorbeeld verwijzingen die op een hostnaam binnenkomen die niet van jou is.

Het patroon is belangrijker dan het exacte cijfer. Een bron die veel sessies aanlevert maar nul betrokkenheid en nul leads, hoort niet thuis in je beslissingsdata. Als je dieper in dit soort signalen wil graven, helpt onze data-analytics dienst om je cijfers structureel schoon te houden.

Waarom is referral spam een probleem voor B2B?

Hier zit de eerlijke kern. Vervuilde data is erger dan geen data, want je vertrouwt erop. Als spam je sessieaantallen opblaast, lijkt een kanaal succesvoller dan het is. Je bounce rate wordt vertekend, je gemiddelde sessieduur zakt, en je conversieratio daalt op papier terwijl er in werkelijkheid niets veranderd is.

Bij Customer Impact sturen we op klanten en omzet, niet op ijdele cijfers. Spamverkeer is het ultieme ijdele cijfer: het ziet eruit als bezoek, maar het beweegt nooit richting een offerte of een afspraak. Als je je marketingbudget verdeelt op basis van sessievolume, riskeer je geld te verschuiven naar een kanaal dat in werkelijkheid vol nepverkeer zit.

Voor B2B-leadgen, waar elke lead waarde heeft en de aantallen kleiner zijn dan bij een webshop, weegt die vervuiling zwaarder door. Een paar honderd spamsessies vallen niet op in een e-commerce-account met miljoenen bezoekers, maar in een B2B-account kunnen ze je hele beeld kantelen. Het raakt direct je conversieratio en daarmee je beslissingen over CAC. Goede conversie-tracking begint dus bij een schone dataset.

Hoe filter je referral spam in GA4?

GA4 verschilt fundamenteel van het oude Universal Analytics. Er is geen klassieke weergavefilter-knop meer zoals vroeger, dus de aanpak is anders. Een paar lagen werken samen:

1. Gebruik de ingebouwde lijst van bekende bots en spiders. GA4 sluit standaard verkeer van bekende bots en crawlers uit. Dit is je eerste verdedigingslinie en staat doorgaans al aan, maar het vangt niet alles.

2. Definieer je eigen interne en ongewenste verwijzingen. In de data-instellingen van je datastream kun je lijsten van ongewenste verwijzingen opgeven, zodat bekende spamdomeinen niet als verwijzend verkeer worden geteld.

3. Werk met verkenningen en filters bij analyse. In de verkenningsrapporten kun je segmenten en filters bouwen die hostnamen, bronnen en betrokkenheidssignalen combineren. Zo houd je verdacht verkeer buiten je analyse, ook als het al in je dataset zit.

4. Filter pas na controle, niet preventief alles. Sluit alleen uit wat je echt als spam herkent. Te agressief filteren kan echt verkeer wegknippen, en dat is net zo schadelijk voor je beslissingen.

Een veelgemaakte fout: denken dat je dit één keer instelt en dan klaar bent. Dat is niet zo. Spam is een bewegend doelwit.

Hoe vaak moet je je filters bijwerken?

Plan dit als terugkerend onderhoud, geen eenmalige klus. Een werkbare vuistregel is om je filters en uitsluitingslijsten maandelijks bij te werken, omdat er voortdurend nieuwe spamdomeinen opduiken (zoals aanbevolen in praktijkgidsen over het verwijderen van referral spam). Een lijst die vorig kwartaal compleet was, mist deze maand alweer de nieuwste afzenders.

Maak er een vast moment van: één keer per maand je verwijzingsrapport openen, nieuwe verdachte bronnen markeren, en je uitsluitingen aanvullen. Dat is precies het soort kleine, snelle ingreep waar een wendbaar team het verschil maakt. Je hoeft geen groot proces op te tuigen, je moet het gewoon consequent doen.

Combineer dit met betrouwbare SEO-rapportage en een vaste rapportagecyclus, zodat schone cijfers de norm worden in plaats van een uitzondering.

Veelgestelde vragen over referral spam in Google Analytics

Schaadt referral spam mijn SEO of mijn rankings?

Nee. Referral spam zit in je analytics, niet in de manier waarop Google je site rangschikt. Het probleem is puur dat het je rapportagedata vervuilt en je tot verkeerde beslissingen kan verleiden. De schade is intern, in hoe jij je cijfers leest.

Kan ik spam met terugwerkende kracht uit mijn data halen?

In GA4 filter je vooral vooruit en bij analyse. Verkeer dat al is binnengekomen blijft in je ruwe dataset zitten, maar je kunt het bij de analyse uitsluiten via segmenten en filters in je verkenningen. Voor zuivere historische rapporten werk je dus met filters op het moment dat je de data bekijkt.

Hoe weet ik zeker dat een bron spam is en geen echte verwijzer?

Kijk naar het patroon, niet naar één cijfer. Een bron met 100% bounce, 0 seconden sessieduur, geen enkele conversie en een domein dat niets met jouw markt te maken heeft, is vrijwel altijd spam. Twijfel je, sluit hem dan eerst in een testsegment uit en kijk of je echte cijfers er logischer van worden.

Is dit alleen een probleem voor grote sites?

Juist niet. Kleinere B2B-accounts hebben minder verkeer, dus elke honderd spamsessies vertekenen het beeld sterker. Voor leadgen met beperkte aantallen is een schone dataset relatief belangrijker dan voor een drukke webshop.

Klaar om je cijfers weer te vertrouwen?

Referral spam is geen ramp, maar het is wel sluipend: zolang het in je rapporten zit, stuur je op vervuilde data en verschuif je budget op basis van nepbezoek. Herken het patroon, filter het in GA4, en werk je lijsten maandelijks bij. Wil je dat je analytics gewoon klopt, zodat je beslissingen op echte leads en echte omzet rusten? Wij zetten je tracking en rapportage zo op dat je je cijfers weer kunt vertrouwen. Plan je gratis intake.