PsDevs
Volver al blog

Ciberseguridad · Cuaderno técnico

Cómo prevenir el web scraping masivo de bots a través del buscador de WooCommerce y PrestaShop

Los bots que hacen scraping a través del buscador interno pueden tumbar tu tienda sin vender nada. Guía por capas para frenarlos en WooCommerce y PrestaShop sin bloquear a tus clientes ni a Google.

18 min de lectura

Escudo de seguridad que frena a bots de web scraping antes de que lleguen a una tienda online WooCommerce o PrestaShop

Es una de las incidencias más habituales en tiendas WooCommerce y PrestaShop: la web va lenta, aparecen errores 503 o 504, el panel de administración tarda una eternidad y el hosting avisa de que se ha superado el consumo de CPU. Lo raro es que no hay campaña activa, no han subido las ventas y Analytics apenas muestra visitas nuevas.

Cuando se abren los logs del servidor, la causa casi nunca es una avalancha de compradores. Es un bot, o cientos de ellos, lanzando miles de búsquedas contra el buscador interno de la tienda. Cada búsqueda obliga a PHP y a la base de datos a trabajar, y ninguna de esas visitas va a comprar.

En este artículo te explico qué es el web scraping, cómo trabaja un web scraper y cómo se cuela en una tienda, por qué el buscador es su puerta de entrada favorita y qué efecto tiene sobre el servidor. Al final encontrarás una guía por capas, con configuraciones reales, para frenarlo en WooCommerce y en PrestaShop sin bloquear a tus clientes ni a Google.

Qué es el web scraping y qué es un web scraper

El web scraping es la técnica de extraer datos de una página web de forma automática, en lugar de copiarlos a mano. Un web scraper es el programa que lo hace: visita las páginas, lee su contenido y guarda lo que le interesa en una hoja de cálculo o en una base de datos.

El web scraping no es malo en sí mismo. Lo usan los comparadores de precios, las herramientas de SEO, los investigadores y muchas empresas para vigilar su propio mercado. El problema aparece cuando alguien lo aplica a tu tienda sin tu permiso y a gran escala.

En una tienda online, un web scraper suele buscar:

  • Precios y stock, para que un competidor ajuste los suyos al céntimo.
  • Fichas de producto: descripciones, imágenes, referencias y categorías.
  • Tu catálogo completo, para montar una tienda clon, un marketplace o alimentar un servicio de datos.

Si el web scraping es legal depende del país, de qué datos se copian y de cómo se usan, así que no se responde con un sí o un no. Lo que sí es seguro es que, aunque sea legal, puede dejar tu tienda sin recursos para atender a tus clientes. De eso trata este artículo.

Qué es un bot y qué tipos visitan tu tienda

Un bot es un programa que visita páginas web de forma automática, sin una persona detrás haciendo clic. Hace lo mismo que un navegador: pide una URL, recibe el HTML y lo procesa. La diferencia está en la escala: una persona abre diez páginas en una sesión y un bot puede pedir diez mil en una hora.

No todos los bots son enemigos. Conviene distinguir tres grupos, porque la solución no es la misma para cada uno.

TipoEjemplos¿Se identifica?¿Respeta robots.txt?Qué hacer
BuscadoresGooglebot, BingbotSí, y se puede verificarSíDejarlos pasar, pero no por el buscador interno
Crawlers de IA y herramientas SEOGPTBot, ClaudeBot, Meta-ExternalAgent, Amazonbot, AhrefsBot, SemrushBotSíNormalmente, pero no siempreDecidir caso a caso y limitar su ritmo
Web scrapers y bots abusivosProgramas a medida y navegadores automatizados, con miles de conexiones repartidasNo, se hacen pasar por un Chrome normalNoDesafiar o bloquear

El tercer grupo, el de los web scrapers, es el que más daño hace a una tienda. Son competidores que vigilan tus precios y tu stock, gente que copia tu catálogo para montar otra tienda o un marketplace, y servicios que venden datos de producto a terceros.

Cuánto tráfico es realmente automático

Las cifras de los grandes informes de seguridad coinciden en el orden de magnitud:

  • El Bad Bot Report 2026 de Thales/Imperva sitúa el tráfico automatizado en el 53 % del total en 2025, frente al 51 % de 2024. Los bots maliciosos serían alrededor del 40 %.
  • El informe de 2025 ya advertía de que en retail los bots maliciosos llegaban al 59 % del tráfico de ese sector.
  • Según HUMAN Security, el tráfico automatizado creció un 23,5 % en 2025, frente al 3,1 % del tráfico humano. Siete de cada diez ataques de scraping apuntaron al retail, y el comercio electrónico concentró el 37 % del tráfico de scraping.
  • El informe de Decodo sobre scraping calcula que el ecommerce supone cerca del 18 % de las peticiones de scraping, con picos del 64 % en Black Friday.

Hay que leer estos datos con cautela: los publican empresas que venden protección contra bots y cada una mide a su manera. Aun así, todos apuntan en la misma dirección: una parte muy grande de las visitas que recibe tu tienda no son personas.

Cómo un web scraper recorre tu catálogo a través del buscador

Un bot no necesita "hackear" nada. Entra por la puerta principal, porque el buscador está pensado para que cualquier visitante pida lo que quiera sin iniciar sesión. El recorrido de un scraper típico es este:

  1. Localiza el buscador. Lo encuentra en el formulario de la cabecera, como cualquier visitante, o en datos que tu web publica para que Google sepa buscar en ella.
  2. Prepara una lista de palabras. Letras sueltas, combinaciones de dos o tres letras, palabras del idioma, marcas y términos sacados de tus propias categorías. Buscar "ca" devuelve de golpe todos los productos que contienen esas letras, así que con unos pocos miles de términos se recorre un catálogo entero.
  3. Recorre todas las páginas de resultados y todas las combinaciones de filtros (precio, color, marca). Cada combinación es una dirección distinta, y las posibilidades se disparan.
  4. Copia los datos. De cada resultado se lleva nombre, precio, referencia, stock, imágenes y enlace. Si tu tienda tiene autocompletado, mejor aún para el bot: esa función devuelve los datos ya ordenados y ligeros.
  5. Se camufla. Reparte las peticiones entre miles de conexiones (a veces de hogares reales), se presenta como un navegador normal y hace pausas aleatorias. Cada conexión hace muy pocas peticiones, así que ninguna parece sospechosa por separado.

No siempre hay mala intención detrás. Muchos rastreadores de IA y de herramientas SEO tampoco entienden el contexto de una tienda y siguen cualquier variación de URL sin fin, como explica Kinsta en su análisis del tráfico de bots en WooCommerce. Para tu servidor el efecto es el mismo.

Por qué el buscador y no las fichas de producto

  • Cada término es único. No hay caché que lo absorba: cada búsqueda nueva llega hasta PHP y la base de datos.
  • Da acceso a todo el catálogo sin seguir enlaces de categorías, incluidos productos que no aparecen en la navegación.
  • No pide cookies ni sesión. Un script de veinte líneas puede usarlo.
  • Es de lo más caro que hace la tienda. Pocas peticiones bastan para provocar mucho consumo, aunque el bot no lo pretenda.

Hay además bots que no buscan tus datos sino usar tu buscador: inyectan términos de spam para que las páginas de resultados de tu web acaben indexadas en Google, o prueban cadenas de inyección SQL y XSS contra el parámetro de búsqueda.

Por qué unos cientos de búsquedas por minuto pueden tumbar un servidor

Una búsqueda parece una petición más, pero es de las más caras que atiende una tienda. Cuando llegan cientos o miles por minuto, el servidor se queda sin capacidad para atender a los compradores reales.

Una analogía: la tienda física con ocho dependientes

Imagina una tienda con ocho dependientes. Un cliente normal pregunta por un producto y el dependiente lo busca en el almacén. Ahora imagina que llegan mil personas por minuto, todas pidiendo algo distinto y sin intención de comprar. Los ocho dependientes pasan el día corriendo al almacén, la cola crece y el cliente que sí quiere pagar acaba en la calle esperando.

Es lo que ocurre en un servidor. Cada búsqueda obliga a la tienda a revisar su catálogo entero y a montar una página de resultados desde cero. No se puede reutilizar la respuesta de otra persona, porque cada palabra buscada es distinta. Un bot que prueba miles de palabras evita sin querer cualquier ahorro.

No es un problema teórico. Kinsta publicó que, en su infraestructura, los bots hicieron más de 7 millones de peticiones a URLs de añadir al carrito en 24 horas, y que un solo rastreador de IA llegó a 3,75 millones de peticiones en un día.

Qué pierdes cuando pasa

  • Ventas. El comprador decidido ve la web lenta o un error, y se va a otra tienda.
  • Estabilidad. El panel de administración, la gestión de pedidos y las conexiones con tu ERP o tus marketplaces se ralentizan o fallan.
  • Dinero. En hosting compartido te pueden suspender por consumo excesivo, y en un servidor propio acabas pagando más potencia para atender visitas que no compran.
  • Datos fiables. Las visitas, el rebote y la conversión incluyen tráfico que no son personas, y decides tu marketing con números que no son reales.
  • Posicionamiento. Si Google se encuentra con errores del servidor con frecuencia, reduce la frecuencia con la que visita tu web y tus novedades tardan más en aparecer.
  • Tu catálogo. Tus precios, tu stock y el trabajo de tus fichas acaban en manos de competidores o en tiendas clonadas.

Cómo saber si te está pasando

No hace falta saber leer registros del servidor para sospecharlo. Estas señales deberían hacerte pedir una revisión:

  • La web va lenta o da errores (503, 504) sin que haya más ventas ni una campaña en marcha.
  • Tu hosting te avisa de consumo de CPU alto, de límites superados o de procesos que se han cortado.
  • En Analytics ves picos de visitas con casi ninguna compra, sesiones de pocos segundos o mucho tráfico desde un país donde no vendes.
  • Si tienes el informe de búsquedas internas, aparecen términos sin sentido o secuencias como aa, ab, ac.

Para confirmarlo, pídele a tu hosting o a tu desarrollador un resumen del tráfico de las últimas 24 horas centrado en el buscador: cuántas búsquedas hubo, desde cuántas conexiones distintas y qué términos se buscaron. Con esos tres datos se distingue en minutos un bot de un pico real de clientes.

Cómo frenar el web scraping: guía práctica sin tocar código

No existe una solución mágica. Lo que funciona es combinar varias medidas, de modo que el bot sea frenado lo antes posible, antes de que llegue a la tienda y la haga trabajar. Esta tabla resume las siete medidas. Los tiempos son orientativos y los hace tu desarrollador o tu hosting; yo te explico qué son y qué pedir.

MedidaQuién la haceEsfuerzo orientativoEfectoRiesgo de molestar a clientes
1. Poner un "recepcionista" delante (Cloudflare)Desarrollador1 a 2 horasAltoBajo
2. Reglas anti-bot en el buscadorDesarrollador1 a 2 horasAltoBajo a medio
3. Limitar las búsquedas por visitanteHosting o desarrollador1 a 3 horasAltoMedio si se fija muy bajo
4. Pedir educadamente a los buscadores que no entren (robots.txt)Desarrollador o SEO30 minutosMedioBajo
5. Un buscador más ligeroDesarrolladorDesde 2 horas hasta unos díasAlto a largo plazoBajo
6. Límites de recursos y alertas en el servidorHosting1 a 2 horasMedio, contiene el dañoNinguno
7. Plugin o módulo de seguridadTú o tu desarrollador1 horaMedioBajo a medio

1. Poner un recepcionista delante de la tienda

Cloudflare es un servicio que se coloca entre tus visitantes y tu servidor, como un recepcionista que decide quién pasa. Tiene plan gratuito y es la medida con mejor relación entre esfuerzo y resultado, porque frena a los bots antes de que la tienda gaste un solo recurso.

Hay un detalle que se olvida a menudo. Hay que conseguir que el servidor solo acepte visitas que vengan a través de Cloudflare. Si un bot conoce la dirección real de tu servidor, entra directamente y se salta toda la protección. Si esa dirección estuvo expuesta algún día, lo más fiable es cambiarla.

Qué pedir: "Quiero poner la tienda detrás de Cloudflare y que el servidor solo acepte conexiones que vengan de Cloudflare."

2. Reglas anti-bot sobre el buscador

Una vez Cloudflare está delante, se le puede decir que a quien use el buscador le haga una comprobación invisible (la mayoría de las personas ni la nota), salvo a Google y Bing, que no tienen que pasarla. Además se puede activar la opción gratuita Bot Fight Mode y, si solo vendes en unos países, pedir una comprobación extra a quien llegue desde otros o desde redes de centros de datos, donde no suelen estar tus clientes.

Hay un matiz importante: esa comprobación necesita mostrarse en pantalla, y el autocompletado del buscador funciona en segundo plano, sin pantalla. Si se aplica ahí, el autocompletado deja de funcionar para todos. Para esa parte se usa un límite de ritmo (la medida 3), no una comprobación.

Qué pedir: "Crea en Cloudflare una regla que ponga una comprobación a las páginas de resultados de búsqueda, excepto a los bots verificados como Google. Y prueba antes de dejarla activa para que no moleste a mis clientes."

3. Limitar cuántas búsquedas puede hacer cada visitante

Es un portero que deja a cada visitante hacer, por ejemplo, 30 búsquedas por minuto. Una persona real casi nunca llega a eso. Un bot sí, y se encuentra con un bloqueo temporal. Se puede aplicar en Cloudflare, en el servidor o en la propia tienda.

El límite tiene una trampa: si tu tienda tiene autocompletado, una persona escribiendo una palabra lanza varias peticiones en pocos segundos. Por eso no conviene bajar de unas 20 a 30 por minuto, y conviene que tu desarrollador mida primero cuántas genera un cliente real. Lo más seguro es activar el límite un día en modo prueba, que solo apunta a quien habría bloqueado, y revisar la lista antes de activarlo en serio.

Qué pedir: "Limita las búsquedas a unas 30 por minuto y por visitante. Ponlo primero en modo prueba durante un día y enséñame a quién habría bloqueado."

4. Pedir a los buscadores que no entren (robots.txt)

El archivo robots.txt es un cartel en la puerta que dice qué zonas de la tienda no deben visitar los rastreadores. Sirve para indicar que no entren en el buscador interno, en los filtros ni en el carrito. Lo respetan Google, Bing y muchos rastreadores de IA y de herramientas de SEO, así que reduce bastante el ruido legítimo.

Los bots maliciosos lo ignoran, y no son los únicos: según Tollbit, cerca del 30 % de las extracciones de bots de IA incumplen las instrucciones explícitas de robots.txt. Es una medida necesaria, pero nunca suficiente por sí sola. Si tu tienda posiciona páginas de filtros en Google, consulta antes con quien lleve tu SEO.

Qué pedir: "Actualiza el robots.txt para que los rastreadores no entren en el buscador interno, el carrito ni los filtros que no necesito posicionar."

5. Un buscador que cueste menos

Todo lo anterior reduce el número de búsquedas. Esta medida reduce lo que cuesta cada una, y mejora la tienda aunque no haya ningún bot.

  • WooCommerce. El buscador que trae WordPress recorre todos los textos de todos los productos en cada búsqueda, y es lento a partir de unos miles de productos. Plugins como FiboSearch, Relevanssi o SearchWP lo sustituyen por un índice, como el de un libro, que encuentra los productos sin recorrerlo todo. En catálogos grandes, un servicio externo como Algolia o Elasticsearch saca la carga del servidor.
  • PrestaShop. En Parámetros de la tienda > Buscar hay ajustes que aligeran el buscador: desactivar la búsqueda aproximada (la que corrige erratas) si no la necesitas, limitar la longitud máxima de palabra y reindexar. Si tienes activado el módulo de estadísticas de búsquedas, pídele a tu desarrollador que lo desactive o lo purgue de vez en cuando, porque guarda cada búsqueda de un bot y la base de datos crece sin control. Para tiendas grandes existen buscadores externos como Doofinder o Algolia.
  • En cualquiera de las dos. Que los resultados no pasen de las primeras 10 páginas, porque nadie mira la página 40 y un bot sí. Y que se cierren a visitantes anónimos las búsquedas públicas que WordPress y WooCommerce ofrecen por su interfaz técnica, que son otra puerta de entrada.

Qué pedir: "Quiero un buscador más ligero, que no recorra todo el catálogo en cada búsqueda, que limite las páginas de resultados y que no deje consultar el catálogo por las interfaces públicas."

6. Límites de recursos y alertas en el servidor

Ninguna defensa es perfecta. Esta medida consiste en que, si algo se cuela, no pueda hundir todo el servidor ni las demás webs que tengas alojadas en él. Tu hosting puede asignar a cada tienda un límite de recursos y avisarte cuando la carga se dispare, antes de que se enteren tus clientes.

Qué pedir: "¿Podéis poner límites de recursos a esta tienda y avisarme cuando la carga o los errores suban? ¿Tenéis protección anti-bot incluida?"

7. Plugin o módulo de seguridad

En WordPress, los plugins de seguridad como Wordfence permiten limitar el ritmo de peticiones por visitante y bloquear comportamientos sospechosos. En PrestaShop existen módulos con funciones parecidas. Es la opción más accesible si no puedes usar Cloudflare, pero actúa dentro de la tienda, así que la petición ya ha consumido recursos cuando se bloquea. Se recomienda como complemento y no como medida principal.

Lo que no funciona (o funciona poco)

  • Bloquear direcciones una a una. Un scraper distribuido usa miles y las cambia. Sirve unas horas.
  • Fiarse del nombre con el que se presenta el bot. Se puede falsificar en una línea.
  • Desactivar el módulo de filtros de PrestaShop. Según el análisis de mypresta.rocks, las peticiones siguen llegando y consumiendo recursos aunque el módulo esté apagado.
  • Confiar solo en robots.txt. Los bots que causan el problema no lo leen.
  • Quitar el buscador. Resuelve el problema y pierdes las ventas de quien lo usa.

Si está pasando ahora mismo

Si la tienda está lenta o caída en este momento, no es hora de afinar. Estos pasos van de menos a más drástico:

  1. Activa en Cloudflare el modo Estoy bajo ataque (I'm Under Attack). Muestra una comprobación a todos los visitantes y suele parar el grueso del tráfico automatizado. Quítalo cuando pase el pico, porque molesta a los compradores.
  2. Pide a tu hosting que limite o corte temporalmente las búsquedas mientras se estudia el patrón. Es preferible perder unos minutos de búsqueda que dejar toda la tienda caída.
  3. Pide el resumen del tráfico del buscador (cuántas búsquedas, desde cuántas conexiones, desde qué países y redes, qué palabras).
  4. Con ese patrón, crea las reglas permanentes de las medidas 2 y 3.
  5. Cuando la tienda respire, vuelve a activar el buscador y completa las medidas que falten.

Errores habituales

  • Poner la comprobación sobre el autocompletado. Rompe la búsqueda para todos tus clientes.
  • Fijar un límite demasiado bajo. Una persona escribiendo lanza varias peticiones seguidas. Hay que medirlo antes.
  • Bloquear a Google sin querer. Después de cada cambio, mira en Google Search Console las estadísticas de rastreo y comprueba que no suben los errores.
  • Dejar el servidor accesible directamente. Si el bot conoce su dirección, se salta todo.
  • Configurarlo y olvidarse. Los bots cambian de técnica. Conviene revisar los eventos de Cloudflare y el consumo del servidor cada cierto tiempo, sobre todo el primer mes.

Cómo saber si ha funcionado

Compara antes y después con los mismos indicadores: velocidad de la tienda, errores del servidor, consumo de CPU que te indica el hosting y visitas raras en Analytics. Si ha funcionado, esos números mejoran y se mantienen igual tus ventas, las visitas de Google y el uso del buscador por parte de tus clientes. Si bajan estos últimos, alguna regla es demasiado agresiva y hay que suavizarla.

Lista de comprobación

  • ☐ Pedir a mi hosting o desarrollador el resumen de búsquedas de las últimas 24 horas
  • ☐ Poner la tienda detrás de Cloudflare y cerrar el acceso directo al servidor
  • ☐ Activar las reglas anti-bot para el buscador, sin molestar a Google ni a Bing
  • ☐ Limitar las búsquedas por visitante, primero en modo prueba
  • ☐ Actualizar el robots.txt
  • ☐ Revisar el buscador: un plugin o unos ajustes más ligeros y un límite de páginas de resultados
  • ☐ Pedir al hosting límites por tienda y alertas
  • ☐ Revisar los resultados durante el primer mes y mirar Search Console

Conclusión

Los bots no van a desaparecer. Según los informes de seguridad más recientes, ya son más de la mitad del tráfico de internet, y el comercio electrónico es uno de sus objetivos favoritos. El buscador de tu tienda es una de las puertas más baratas para ellos y más caras para ti.

La solución no es una regla mágica sino un conjunto de capas: filtrar en la puerta, limitar el ritmo, pedir educadamente a los rastreadores que no entren y hacer que cada búsqueda cueste menos. Con eso, la tienda deja de ser un blanco fácil sin molestar a tus clientes ni a Google.

Si sospechas que tu WooCommerce o tu PrestaShop sufre web scraping masivo y quieres que revise qué está pasando, puedes contactarme desde psdevs.com. También puedes revisar nuestros servicios de seguridad y de optimización de PrestaShop.

Fuentes

  • Informe de bots de Thales/Imperva 2026 (TechRadar): 53 % de tráfico automatizado y cerca del 40 % de bots maliciosos en 2025.
  • Informe de bots de Imperva 2025 (TechRadar): 51 % de tráfico automatizado en 2024 y 59 % de bots maliciosos en el tráfico de retail.
  • HUMAN Security, State of AI Traffic 2026 (Implicator): crecimiento del tráfico automatizado y peso del retail y el ecommerce en el scraping.
  • Decodo, sitios más rastreados (TechRadar): 18 % de las peticiones de scraping en ecommerce y picos en Black Friday.
  • Tollbit, State of the Bots (Digiday): bots de IA que ignoran robots.txt.
  • Kinsta, tráfico de bots en WooCommerce: coste de las peticiones y cifras de rastreadores.
  • mypresta.rocks, saturación por filtros en PrestaShop: por qué apagar el módulo de filtros no detiene el problema.

De la lectura a la acción

¿Tu tienda sufre scraping masivo de bots?

Revisar el tráfico de mi tienda