Datakwaliteit in GA4: filter bots en intern verkeer

De schaal van het probleem verrast de meeste zaakvoerders. Volgens het Bad Bot Report 2025 van Imperva en Thales was 51 procent van al het webverkeer in 2024 automatisch: voor het eerst in tien jaar passeerden bots de mensen. Binnen dat geheel bestond 37 procent van al het internetverkeer uit kwaadaardige bots die sites scannen, formulieren volproppen of prijzen kopiëren.

Google filtert bekende bots en spiders standaard uit GA4, dus lang niet al dat verkeer haalt je rapporten. Maar de standaardfilter vangt alleen bots die zichzelf netjes aankondigen. Nieuwe scrapers, AI-crawlers en spamscripts die zich als gewone browsers vermommen, glippen er geregeld doorheen. Reken daarbij je eigen team, je webbouwer en je bureau die dagelijks op de site zitten, en je begrijpt waarom de cijfers van een kleine site procentueel zwaar vertekend kunnen zijn.

Hoe kleiner je site, hoe groter het effect. Op 100.000 maandelijkse sessies valt een bot-piek van 500 sessies niet op. Op 1.000 sessies, een normaal volume voor veel Belgische kmo-sites, is diezelfde piek de helft van je maand.

Voor je filtert, wil je weten of je een probleem hebt. Deze signalen wijzen bijna altijd op niet-menselijk of intern verkeer:

• Pieken zonder oorzaak. Een verdubbeling van je sessies op een dag waarop je niets publiceerde, niets adverteerde en nergens vermeld werd.
• Gemiddelde sessieduur van nul seconden bij een grote groep bezoekers, vaak gecombineerd met 100 procent nieuwe gebruikers.
• Vreemde locaties. Jouw klanten zitten in Vlaanderen en Brussel, maar plots komt 30 procent van je verkeer uit een stad waar je nooit iets verkocht.
• Verdachte verwijzende sites. Domeinen die je niet kent en die klinken als marketingtools of gokdiensten in je verwijzingsrapport.
• Eén pagina die het altijd goed doet: je homepagina die opvallend veel directe bezoeken van enkele seconden krijgt, het klassieke spoor van je eigen team.

Check die signalen per bron en per locatie voor je conclusies trekt uit stijgingen of dalingen. Dat is geen overbodige luxe: ongeveer 40 procent van de GA4-setups bevat minstens één fout geconfigureerd event, en vervuild verkeer bovenop een wankele setup maakt cijfers dubbel onbetrouwbaar.

De meest voorspelbare vervuiler ben jijzelf. Elke keer dat jij, een collega of je webbouwer de site opent, telt GA4 een sessie. Bij een kmo met vijf medewerkers die elk dagelijks even kijken, lopen die snel op tot honderden sessies per maand.

GA4 lost dat op met een definitie van intern verkeer op basis van IP-adressen. Zo pak je het aan:

1. Zoek het publieke IP-adres van je kantoor op (typ "wat is mijn ip" in Google op een kantoorcomputer).
2. Ga in GA4 naar Beheer, kies je gegevensstroom en open bij Tag-instellingen de optie om intern verkeer te definiëren. Voeg daar je IP-adres toe.
3. Herhaal dit voor je thuiswerkers, je webbouwer en je bureau, of vraag hun IP-adressen op.
4. Activeer daarna de gegevensfilter voor intern verkeer in Beheer bij Gegevensfilters. Belangrijk: die staat na aanmaak op testen en filtert pas echt als je hem op actief zet.

Twee kanttekeningen. Wie met een wisselend IP-adres werkt (4G, veel thuiswerk), wordt niet volledig gevangen; perfectie bestaat hier niet. En de filter werkt alleen vooruit: oude data blijft vervuild. Noteer daarom de datum waarop je de filter activeerde, zodat je latere vergelijkingen juist interpreteert.

GA4 kent drie mechanismen om ongewenst verkeer buiten je rapporten te houden. Ze doen elk iets anders:

Die derde verdient een woordje uitleg. Als klanten via een externe betaalpagina afrekenen en daarna terugkeren naar je site, registreert GA4 de betaalprovider als verkeersbron. Je conversie lijkt dan van je betaalprovider te komen in plaats van van de campagne die de klant echt bracht. Voeg zulke domeinen toe aan de lijst met ongewenste verwijzingen in je gegevensstroominstellingen en de oorspronkelijke bron blijft behouden.

Datakwaliteit is geen eenmalige klus. Plan maandelijks een kort controlemoment met drie vaste vragen: zijn er onverklaarbare pieken, staan er nieuwe onbekende bronnen in mijn verwijzingsrapport, en kloppen de locaties van mijn bezoekers nog met mijn klantenbestand?

Gebruik ook de annotatiefunctie of een simpel logboek: noteer wanneer je een filter activeerde, een campagne startte of de site verbouwde. Zo weet je binnen zes maanden nog waarom je grafiek een knik vertoont.

Waarom die discipline loont? Omdat cijfers alleen waarde hebben als je ze durft te gebruiken. Volgens Gartner wordt slechts 54 procent van de marketingbeslissingen beïnvloed door analytics, en wantrouwen in de eigen data is een van de grote redenen. Een schone dataset is de kortste weg naar cijfers die je wél vertrouwt.

Twijfel je of jouw cijfers echte klanten tonen of vooral ruis? Laat je site doorlichten met de gratis marketing scan van Marketing Scan. Je ziet meteen waar je meetsetup steken laat vallen en welke verbetering het meeste oplevert, in klare taal.