Magari ti hanno detto che il tuo sito riceve migliaia di visite al mese.
Magari ti hanno mostrato un grafico in salita, con la linea che sale da sinistra verso destra. Poi guardi le richieste di preventivo arrivate, i contatti, gli ordini, e i numeri raccontano un’altra storia.
Non conosciamo i tuoi dati e non conosciamo la tua azienda. Possiamo dirti con ragionevole certezza una cosa sola: una parte consistente di quel traffico è generata da programmi, e non da persone.
Lo sappiamo perché lo abbiamo misurato sul nostro sito, e i numeri li pubblichiamo per intero.
Dal 15 al 18 agosto 2026 abbiamo raccolto ogni singola richiesta arrivata al nostro server, l’abbiamo salvata e classificata una per una: 27.789 richieste automatiche in poco meno di tre giorni, di cui 14.162 arrivate dall’esterno.
Questo articolo racconta cosa c’era dentro, e come puoi fare la stessa verifica sul tuo sito.
Quanta parte del traffico di un sito è traffico bot
Sul nostro sito, in tre giorni di rilevazione continua, le richieste generate da programmi automatici sono state 27.789.
Nella stessa finestra il pannello di sicurezza del nostro hosting ha classificato come probabili esseri umani il 9,5% delle richieste totali.
Le proporzioni cambiano da sito a sito; l’ordine di grandezza, con la maggioranza del traffico generata da software, è la norma.
La domanda successiva è più interessante: perché in Google Analytics questo non si vede?
Perché Analytics registra solo chi esegue JavaScript e accetta i cookie, cioè in pratica solo chi usa un browser.
I programmi automatici fanno né l’una né l’altra cosa, quindi per Analytics non esistono. Il registro del server invece li vede tutti, perché annota le richieste prima che entri in gioco qualsiasi altra cosa.
Tre parole che rendono leggibile tutto il resto
Se non ti occupi di SEO ogni giorno, tre chiarimenti bastano. Se già le conosci, puoi saltare al paragrafo successivo.
Access log
Ogni volta che qualcuno, persona o programma, chiede una pagina al tuo sito, il server scrive una riga in un file: quando è successo, da quale indirizzo, quale pagina, con quale esito.
È il registro più completo di ciò che accade sul tuo sito, e quasi nessuno lo legge perché a occhio nudo è illeggibile: migliaia di righe al giorno di testo fittissimo.
Crawler
Il Crawler è un programma che visita pagine web automaticamente. Il più noto è quello di Google, che passa sul sito, legge le pagine e le inserisce nell’indice del motore di ricerca.
È uno fra decine, e sul nostro sito in tre giorni ne abbiamo contati 37 diversi.
User agent
Il biglietto da visita che ogni programma presenta quando bussa: è lì che dichiara chi è. Il punto delicato, su cui torniamo più avanti, è che quel biglietto se lo scrive da solo.
Dichiarare di essere il crawler di Google ed esserlo davvero restano due cose diverse.
Chi c’era davvero sul nostro sito
Prima della tabella serve una premessa, perché senza di essa i numeri direbbero una cosa falsa.
Delle 27.789 richieste automatiche, 13.627 le abbiamo generate noi: il 49%.
Di queste:
- 7.249 vengono dal plugin che precarica le pagine per tenere il sito veloce
- 4.420 da uno strumento di analisi SEO in abbonamento
- 1.958 da una piattaforma di analisi che abbiamo sviluppato internamente.
È un dato che vale la pena tenere a mente prima di allarmarsi davanti a un numero grande: una parte di quel numero potrebbe essere il tuo stesso sito che lavora per sé.
Per questo la tabella qui sotto è calcolata soltanto sulle 14.162 richieste arrivate dall’esterno, circa cinquemila al giorno.
| Categoria | Richieste | Quota |
| Raccolta per dataset AI | 5.928 | 41,9% |
| Motori di ricerca | 3.803 | 26,9% |
| Strumenti SEO di terzi | 2.289 | 16,2% |
| Assistenti AI che leggono per rispondere | 1.163 | 8,2% |
| Programmi non identificati | 729 | 5,1% |
| Anteprime dei link sui social | 250 | 1,8% |
La voce più grande del traffico esterno non sono i motori di ricerca: è la raccolta di contenuti per addestrare modelli di intelligenza artificiale, con 5.928 richieste contro le 3.803 di tutti i motori del mondo messi insieme. Un rapporto di circa uno e mezzo a uno.
Dentro quei 5.928, il programma più attivo si chiama img2dataset e ha fatto 3.816 richieste, quasi tutte a file immagine, concentrate in dieci ore fra la notte del 15 e la mattina del 16 agosto.
Poi è sparito. Il suo mestiere è quello che dice il nome: costruire archivi di immagini con cui si addestrano i modelli generativi.
Ha scaricato l’archivio fotografico di un’agenzia di comunicazione, foto dopo foto, senza portare una visita né una citazione. Per confronto, nelle stesse ore, il crawler di Google ha fatto 545 richieste.
I crawler AI che possono citarti e quelli che prendono e basta
Qui c’è una distinzione che vale la pena tenere ferma, perché è quella su cui si prendono le decisioni sbagliate. I crawler legati all’intelligenza artificiale fanno due mestieri diversi.
Chi raccoglie per l’addestramento
- GPTBot di OpenAI con 140 richieste
- l’agente di Meta con 970
- quello di ByteDance con 689
- l’archivio pubblico di Common Crawl con 246
- il già citato img2dataset con 3.816.
Prendono il contenuto, lo portano via, e quel contenuto finisce mescolato a miliardi di altri dentro un modello.
Nessuna citazione, nessun link, nessuna visita di ritorno.
Chi legge per rispondere a una persona
Il caso più chiaro è ChatGPT-User, che con 578 richieste.
È il più attivo della categoria: non è un crawler di indicizzazione, è ChatGPT che apre una pagina perché in quel momento un utente ha fatto una domanda.
Ogni sua visita corrisponde a una conversazione reale in cui un contenuto del sito è servito a rispondere a qualcuno.
Insieme a lui si comportano allo stesso modo:
- ClaudeBot con 229 richieste
- PerplexityBot con 183
- il crawler di ricerca di OpenAI con 97, quello di You.com con 45.
Nel gruppo compaiono anche nomi recenti come DuckAssistBot di DuckDuckGo, ExaSearchBot e Reflectionbot, segno che la categoria si sta allargando. Quando citano, mettono il link.
La conseguenza pratica è che bloccare i crawler AI in blocco è una decisione che conviene evitare: significa sparire anche dalle risposte che ti citerebbero.
Conviene lasciar passare GPTBot sul proprio sito
È la domanda che gli imprenditori pongono più spesso agli assistenti AI su questo tema, e la risposta dipende da quale delle due partite si vuole giocare.
Lasciare passare i crawler di addestramento significa contribuire ai modelli senza ritorno immediato, scommettendo sulla presenza nelle risposte future.
Lasciare passare quelli che leggono per rispondere serve invece a essere citati oggi, ed è la scelta che consigliamo di mantenere in ogni caso.
Una richiesta su tre degli assistenti AI finisce su una pagina che non esiste
Questo è il dato che produce lavoro immediato. Guardando quante richieste di ciascun programma finiscono in errore, il quadro è questo.
| Programma | Richieste in errore |
| Crawler di ricerca di OpenAI | 30,9% |
| GPTBot (OpenAI) | 22,9% |
| Agente di Meta | 21,0% |
| Crawler di Google | 18,9% |
| PerplexityBot | 13,7% |
| ChatGPT-User | 13,1% |
| ClaudeBot (Anthropic) | 12,7% |
Il motivo è quasi sempre lo stesso: i modelli conoscono indirizzi vecchi. Una pagina spostata due anni fa, un articolo archiviato, un indirizzo cambiato quando si è rifatto il sito.
Google, che ripassa in continuazione e non vuole sprecare tempo, si aggiorna in fretta; i modelli generativi hanno una memoria più lenta e più lunga.
Il rimedio è tecnicamente semplice: sono redirect, cioè istruzioni che dicono a chi bussa che quella pagina ora si trova altrove. Quasi nessuno li mette, perché quasi nessuno guarda quel dato.
In Google Analytics non c’è, e in Search Console nemmeno: Search Console riporta quanti errori incontra il crawler di Google, non quanti ne incontra ChatGPT.
Qualcuno si è finto Google per ottantatré secondi
Fra i programmi passati sul nostro sito ce n’era uno che dichiarava di chiamarsi Google-Extended. Tre cose non tornavano.
- La prima: Google-Extended non è un crawler. È un’etichetta che Google mette a disposizione dei siti per dire di non usare i contenuti nell’addestramento di Gemini. Nessun programma di Google si presenta con quel nome.
- La seconda: le sue 67 richieste sono arrivate tutte in ottantatré secondi, fra l’01:55:56 e l’01:57:19 del 16 agosto, da un solo indirizzo.
Il crawler autentico di Google, nelle stesse ore, si presentava da decine di indirizzi diversi, tutti nell’intervallo che Google usa per i suoi programmi. - La terza: il 47,8% di quelle richieste finiva in errore. Chiedeva pagine a caso.
È il motivo per cui il biglietto da visita, da solo, dice poco. Chiunque può scriverci quello che vuole. L’unica verifica solida è l’indirizzo di provenienza, e si può fare soltanto avendo il registro del server.
Come fare la stessa analisi del traffico del tuo sito web
Il primo controllo, senza strumenti
Se hai un hosting gestito, l’access log c’è già: si scarica dal pannello di controllo oppure via FTP.
Aprilo in un editor di testo e cerca le parole GPTBot, ClaudeBot, PerplexityBot, Googlebot. Il numero di risultati ti dice già molto, e la differenza fra quel numero e le sessioni che vedi in Analytics ancora di più.
Il secondo controllo, quello che vale davvero
C’è un vincolo che conta: i log si conservano pochi giorni, nel nostro caso quattro, e via API se ne recuperano circa ventitré ore. Quello che non guardi oggi, fra una settimana è perso.
È l’opposto di Analytics, che accumula da solo e ti aspetta. Per avere una serie storica serve raccogliere ogni giorno e classificare: è il lavoro che abbiamo automatizzato per arrivare ai numeri di questo articolo.
Quello che questi dati non dicono
Presentare questi numeri senza i loro limiti sarebbe scorretto. Sono 4, e contano.
- Sono tre giorni, non un anno. Il traffico automatico oscilla parecchio: sul nostro sito è passato da 5.989 richieste del 15 agosto alle 12.885 del 17. Fotografano un periodo, e la misura va ripetuta.
- Metà del traffico registrato è nostro, e la ragione è che analizziamo questo sito in continuazione. È la parte meno replicabile di questi numeri: la quota generata da strumenti di analisi dice quanto qualcuno sta misurando quel sito.
Se nei log di un’azienda quella quota è vicina allo zero, il significato è semplice: nessuno lo sta guardando. Vale la pena chiederselo prima del resto. - Una parte del traffico non passa dal registro. Il nostro hosting ha una cache distribuita che risponde ad alcune richieste prima che arrivino al server, e quelle restano fuori dal conteggio.
- Il campione il nostro è un sito B2B da circa 1.600 pagine. Un e-commerce, un quotidiano o un sito locale avrebbero proporzioni diverse. La struttura del ragionamento vale ovunque; le percentuali appartengono a noi.
Domande frequenti sul traffico bot
Il traffico bot comprende tutti i programmi automatici, compresi quelli utili come i motori di ricerca. Il traffico falso è la parte che simula un comportamento umano per gonfiare le statistiche o per cercare vulnerabilità. Il primo va conosciuto e governato, il secondo va filtrato.
Nella grande maggioranza dei casi no. Analytics registra chi esegue JavaScript e accetta i cookie, e i crawler fanno altro. Per questo un sito può avere un traffico automatico enorme e un grafico di Analytics perfettamente tranquillo.
Conviene distinguere. I crawler che leggono per rispondere a una domanda possono citarti e portarti persone: lasciarli passare è un vantaggio. Per quelli che raccolgono soltanto per l’addestramento la scelta è strategica e va presa sapendo chi sono, non a caso.
Dipende da quanta parte delle pagine viene ricostruita da zero a ogni richiesta invece di essere servita da una copia pronta. È una voce che si misura sul registro del server e che incide sul tempo di risposta, cioè su un parametro che Google osserva.
Si guarda l’indirizzo di provenienza e si verifica che appartenga davvero agli intervalli dichiarati dal motore di ricerca. Il nome che il programma si attribuisce è un’informazione che si scrive da sola, quindi vale come indizio e non come prova.
Il punto
Il numero delle visite, da solo, dice poco. Dice molto di più sapere chi sono quelle visite, quante di loro possono diventare un contatto e quante invece stanno lavorando per qualcun altro. È una verifica che si fa una volta e che cambia il modo di leggere ogni report successivo.
Se vuoi capire cosa succede sul tuo sito quando non guarda nessuno, ne parliamo volentieri. Richiedi un meeting gratuito.