Trung Đào✔
Writer
Nếu đang theo dõi Google Analytics, bạn có thể bắt gặp một hiện tượng khá kỳ lạ: lượng truy cập được xác định đến từ Lan Châu (Lanzhou), Trung Quốc xuất hiện với mật độ cao bất thường. Theo các thông tin Google cung cấp trên Google Help mình tổng hợp được, đây không nhất thiết là những người dùng thật ở Lan Châu đang đọc website, mà nhiều khả năng liên quan đến hệ thống máy chủ, trung tâm dữ liệu, proxy và các loại bot tự động.
Lan Châu là thủ phủ tỉnh Cam Túc, nằm ở phía Tây Bắc Trung Quốc. Thành phố này đang ngày càng quan trọng trong chiến lược phát triển hạ tầng dữ liệu của Trung Quốc. Bắc Kinh đang thúc đẩy chiến lược “Đông số Tây tính”, theo đó các tác vụ tính toán và dữ liệu từ những khu vực phát triển ở phía Đông được chuyển về các trung tâm dữ liệu ở phía Tây, nơi có quỹ đất và năng lượng thuận lợi hơn. Cam Túc vì thế trở thành một trong những khu vực được đầu tư mạnh cho hạ tầng tính toán. Không xa Lan Châu là các cụm trung tâm dữ liệu lớn, trong đó có các hệ thống của những nhà mạng và nhà cung cấp điện toán đám mây lớn của Trung Quốc. Khi ngày càng nhiều máy chủ, hệ thống cloud và năng lực tính toán tập trung tại khu vực này, việc các hoạt động tự động trên Internet được định vị về Lan Châu hoặc Cam Túc cũng trở nên dễ gặp hơn.
Tuy nhiên có một điều cần đặc biệt lưu ý: địa điểm mà Google Analytics hiển thị không nhất thiết là vị trí thực sự của chiếc máy đang tạo ra traffic. Một bot có thể chạy trên máy chủ tại Trung Quốc nhưng kết nối Internet thông qua proxy hoặc một trung tâm dữ liệu khác. Thậm chí, traffic có thể đi qua Singapore hoặc một quốc gia khác trước khi đến website. Cơ sở dữ liệu định vị IP sau đó lại có thể gắn địa chỉ IP đó với Lan Châu. Vì vậy, nhìn thấy “Lanzhou, China” trong GA4 không có nghĩa là có hàng nghìn người tại Lan Châu đang truy cập website.
Đáng chú ý hơn, một số trường hợp còn có thể là ghost traffic. Đây là loại traffic mà bot gửi dữ liệu trực tiếp đến hệ thống đo lường Google Analytics thay vì thực sự tải trang web. Khi đó, GA4 vẫn có thể ghi nhận một lượt truy cập hoặc sự kiện, trong khi máy chủ website không hề thấy một request tương ứng. Điều này tạo ra một vấn đề lớn đối với các website sử dụng traffic làm KPI. Một lượng lớn bot có thể khiến tổng pageview hoặc session tăng lên, làm website tưởng rằng lượng độc giả đang tăng mạnh. Nếu hệ thống CMS cũng đếm lượt truy cập mà không lọc tốt bot, con số còn có thể bị thổi phồng thêm.
Vậy những bot này là ai?
Không thể chỉ dựa vào vị trí “Lan Châu” để kết luận. Chúng có thể bao gồm crawler của công cụ tìm kiếm, bot thu thập dữ liệu phục vụ AI, trình quét bảo mật, crawler thương mại, bot kiểm tra website hoặc các chương trình tự động không rõ nguồn gốc. Một số bot còn sử dụng hạ tầng cloud nên việc xác định danh tính càng khó. Cách kiểm tra đáng tin cậy hơn là xem đồng thời ASN, địa chỉ IP, user agent, hostname, source/medium, landing page, thời gian tương tác và log máy chủ. Nếu một nhóm session từ Lan Châu có thời gian tương tác gần bằng 0, truy cập hàng loạt URL với tốc độ máy móc và gần như không có hành vi đọc thực tế, khả năng đó là automated traffic rất cao.
Hiện tượng Lan Châu đáng chú ý không phải vì “người Lan Châu thích đọc website”, mà bởi nó cho thấy một vấn đề lớn hơn của Internet hiện nay: ranh giới giữa người dùng thật, crawler, bot AI và traffic giả đang ngày càng khó phân biệt. Khi các hệ thống AI ngày càng cần thu thập dữ liệu trên Internet, cùng với sự phát triển nhanh chóng của các trung tâm dữ liệu và hạ tầng cloud, lượng truy cập tự động cũng có xu hướng tăng. Với các website sống bằng quảng cáo và sử dụng pageview làm thước đo hiệu quả nội dung, việc phân biệt người thật và máy vì thế không còn là vấn đề kỹ thuật đơn thuần mà đã trở thành một bài toán về chất lượng dữ liệu.
Và Lan Châu có thể chỉ là một trong những địa danh đang vô tình trở thành “dấu vết” dễ nhìn thấy nhất của thế giới traffic tự động này.
Lan Châu là thủ phủ tỉnh Cam Túc, nằm ở phía Tây Bắc Trung Quốc. Thành phố này đang ngày càng quan trọng trong chiến lược phát triển hạ tầng dữ liệu của Trung Quốc. Bắc Kinh đang thúc đẩy chiến lược “Đông số Tây tính”, theo đó các tác vụ tính toán và dữ liệu từ những khu vực phát triển ở phía Đông được chuyển về các trung tâm dữ liệu ở phía Tây, nơi có quỹ đất và năng lượng thuận lợi hơn. Cam Túc vì thế trở thành một trong những khu vực được đầu tư mạnh cho hạ tầng tính toán. Không xa Lan Châu là các cụm trung tâm dữ liệu lớn, trong đó có các hệ thống của những nhà mạng và nhà cung cấp điện toán đám mây lớn của Trung Quốc. Khi ngày càng nhiều máy chủ, hệ thống cloud và năng lực tính toán tập trung tại khu vực này, việc các hoạt động tự động trên Internet được định vị về Lan Châu hoặc Cam Túc cũng trở nên dễ gặp hơn.
Tuy nhiên có một điều cần đặc biệt lưu ý: địa điểm mà Google Analytics hiển thị không nhất thiết là vị trí thực sự của chiếc máy đang tạo ra traffic. Một bot có thể chạy trên máy chủ tại Trung Quốc nhưng kết nối Internet thông qua proxy hoặc một trung tâm dữ liệu khác. Thậm chí, traffic có thể đi qua Singapore hoặc một quốc gia khác trước khi đến website. Cơ sở dữ liệu định vị IP sau đó lại có thể gắn địa chỉ IP đó với Lan Châu. Vì vậy, nhìn thấy “Lanzhou, China” trong GA4 không có nghĩa là có hàng nghìn người tại Lan Châu đang truy cập website.
Đáng chú ý hơn, một số trường hợp còn có thể là ghost traffic. Đây là loại traffic mà bot gửi dữ liệu trực tiếp đến hệ thống đo lường Google Analytics thay vì thực sự tải trang web. Khi đó, GA4 vẫn có thể ghi nhận một lượt truy cập hoặc sự kiện, trong khi máy chủ website không hề thấy một request tương ứng. Điều này tạo ra một vấn đề lớn đối với các website sử dụng traffic làm KPI. Một lượng lớn bot có thể khiến tổng pageview hoặc session tăng lên, làm website tưởng rằng lượng độc giả đang tăng mạnh. Nếu hệ thống CMS cũng đếm lượt truy cập mà không lọc tốt bot, con số còn có thể bị thổi phồng thêm.
Vậy những bot này là ai?
Không thể chỉ dựa vào vị trí “Lan Châu” để kết luận. Chúng có thể bao gồm crawler của công cụ tìm kiếm, bot thu thập dữ liệu phục vụ AI, trình quét bảo mật, crawler thương mại, bot kiểm tra website hoặc các chương trình tự động không rõ nguồn gốc. Một số bot còn sử dụng hạ tầng cloud nên việc xác định danh tính càng khó. Cách kiểm tra đáng tin cậy hơn là xem đồng thời ASN, địa chỉ IP, user agent, hostname, source/medium, landing page, thời gian tương tác và log máy chủ. Nếu một nhóm session từ Lan Châu có thời gian tương tác gần bằng 0, truy cập hàng loạt URL với tốc độ máy móc và gần như không có hành vi đọc thực tế, khả năng đó là automated traffic rất cao.
Hiện tượng Lan Châu đáng chú ý không phải vì “người Lan Châu thích đọc website”, mà bởi nó cho thấy một vấn đề lớn hơn của Internet hiện nay: ranh giới giữa người dùng thật, crawler, bot AI và traffic giả đang ngày càng khó phân biệt. Khi các hệ thống AI ngày càng cần thu thập dữ liệu trên Internet, cùng với sự phát triển nhanh chóng của các trung tâm dữ liệu và hạ tầng cloud, lượng truy cập tự động cũng có xu hướng tăng. Với các website sống bằng quảng cáo và sử dụng pageview làm thước đo hiệu quả nội dung, việc phân biệt người thật và máy vì thế không còn là vấn đề kỹ thuật đơn thuần mà đã trở thành một bài toán về chất lượng dữ liệu.
Và Lan Châu có thể chỉ là một trong những địa danh đang vô tình trở thành “dấu vết” dễ nhìn thấy nhất của thế giới traffic tự động này.
