Fraude publicitario: qué es, tipos, detección y prevención

Introducción: la industrialización del engaño digital

El ecosistema de la publicidad digital, antes aclamado como la cúspide del marketing medible y responsable, sufre hoy una crisis de integridad que amenaza los propios cimientos de la economía de internet. Ya no estamos en una época en la que el "fraude" significaba un hacker solitario escribiendo un script para hacer clic en un banner. Hoy el fraude publicitario es una empresa global industrializada, que funciona con la sofisticación de las firmas de trading de alta frecuencia y la opacidad de la banca offshore. Es una economía parasitaria que desvía miles de millones del comercio legítimo, distorsiona los datos, erosiona la confianza y financia el crimen organizado.

Para los anunciantes y los responsables de marketing, las consecuencias de esta amenaza van mucho más allá de la pérdida inmediata de presupuesto de medios. El fraude publicitario supone una corrupción fundamental de la cadena de suministro de datos. Cuando los datos de conversión, las tasas de clics (CTR) y los modelos de atribución están contaminados por tráfico no humano, el proceso de toma de decisiones estratégicas queda viciado. Los algoritmos optimizan hacia el comportamiento de los bots en lugar de hacia la intención humana, lo que crea un círculo vicioso de ineficiencia que degrada el valor de marca y distorsiona la realidad del mercado.

El impacto financiero medido es abrumador. Un análisis del sector publicado por MediaPost concluyó que el tráfico inválido representó el 8,51% de los clics de pago en 2025, unos 63.000 millones de USD de gasto publicitario desperdiciado a nivel mundial, mientras que los bots automatizados superaron el 53% de todo el tráfico web (Imperva, 2026). Esto no es solo reflejo del aumento de la inversión digital, sino que indica una evolución fundamental de las tácticas adversarias que emplean los estafadores. A medida que avanzamos por 2025 y hacia 2026, el panorama pasa de botnets simples a operaciones sofisticadas impulsadas por IA que aprovechan proxies residenciales, aprendizaje automático e imitación del comportamiento para evadir la detección. El auge de Connected TV (CTV) y de los entornos mobile-first ha abierto nuevas fronteras de explotación, donde el inventario de coste por mil (CPM) alto atrae a las operaciones de tráfico inválido sofisticado (SIVT) más avanzadas.

Este informe ofrece un análisis exhaustivo del panorama del fraude publicitario, pensado para el planificador estratégico que debe moverse por este campo minado. Desglosaremos las sutiles diferencias técnicas entre el fraude publicitario de amplio espectro y los mecanismos concretos del fraude de clics, exploraremos los modelos económicos de teoría de juegos que explican la dificultad del sector para contenerlo y detallaremos las metodologías forenses necesarias para la detección y la mitigación en una era de engaño impulsado por IA.

Definir el panorama de amenazas: fraude publicitario frente a fraude de clics

Un fallo crítico en la defensa estratégica contra el tráfico inválido es confundir el "fraude publicitario" con el "fraude de clics". Aunque en el lenguaje coloquial del sector se usan a menudo como sinónimos, estos términos representan categorías distintas dentro de la taxonomía del tráfico inválido (IVT), cada una con firmas técnicas, objetivos de monetización e impactos en la analítica de marketing propios. Es necesaria una distinción semántica y técnica precisa para un análisis de brechas eficaz y para desplegar las contramedidas adecuadas.

Fraude publicitario: el paraguas de la fabricación de inventario

El fraude publicitario es la clasificación global para cualquier actividad deliberada que impide la entrega correcta de los anuncios a la audiencia prevista o la medición correcta de esos anuncios. Es un término paraguas amplio que abarca todo el ciclo de vida de un anuncio, desde la solicitud de puja y el renderizado de la impresión hasta el clic y la atribución posterior al clic. El objetivo principal del fraude publicitario suele ser la monetización del propio inventario.

En el ecosistema programático, el fraude publicitario ataca con frecuencia la capa de impresiones (modelos CPM). Los estafadores crean sitios web falsos, suplantan dominios o usan malware para cargar anuncios en segundo plano en los dispositivos de los usuarios. El objetivo es engañar a la plataforma del lado de la demanda (DSP) para que crea que un usuario legítimo en el sitio de un editor premium ha visto un anuncio. Esto incluye mecanismos que no requieren necesariamente interacción, como el blanqueo de impresiones, el pixel stuffing y el fraude en anuncios de vídeo, donde los ingresos se generan simplemente porque el servidor registra un evento de "renderizado".

Para el estratega, el fraude publicitario es un problema de alcance y de seguridad de marca. Diluye el CPM efectivo (eCPM) y expone la marca a entornos que pueden ser contrarios a sus valores. Infla la parte alta del embudo, haciendo que las campañas de notoriedad parezcan más exitosas de lo que son, mientras degrada a la vez las métricas de visibilidad que a menudo se usan como KPI en las iniciativas de branding.

Fraude de clics: el vector basado en la interacción

El fraude de clics es una subdisciplina específica y agresiva del fraude publicitario centrada exclusivamente en fabricar interacción. Consiste en generar clics falsos en anuncios de pago por clic (PPC) con la intención concreta de agotar el presupuesto de un anunciante (agotamiento financiero) o de inflar los ingresos de un editor que aloja el anuncio (generación de ingresos).

A diferencia del fraude de impresiones general, el fraude de clics ataca la capa de rendimiento del stack de marketing. Se dirige al marketing en buscadores (SEM), a la publicidad en redes sociales y a las redes de afiliados, donde los pagos están ligados a una acción del usuario (CPC o CPA). El fraude de clics es especialmente dañino porque distorsiona activamente métricas de rendimiento como la tasa de clics (CTR) y el coste por clic (CPC). En ecosistemas de búsqueda como Google Ads, una tasa alta de clics inválidos puede inflar al principio el CTR y quizá mejorar temporalmente el Nivel de calidad, pero la posterior falta de señales de conversión (o el comportamiento de "pogo-sticking", en el que el bot rebota de inmediato) acaba indicando al algoritmo una relevancia baja, lo que daña la posición del anunciante a largo plazo.

El fraude de clics requiere un nivel de interacción técnica mayor que el fraude de impresiones. El autor no solo debe cargar el anuncio, sino también simular un evento de interacción del usuario: un clic del ratón, un evento táctil o un toque. Esto exige scripts más sofisticados o el uso de granjas de clics humanas para eludir los filtros elementales que buscan impresiones sin interacción.

Análisis comparativo: fraude publicitario frente a fraude de clics

El siguiente análisis aclara las diferencias técnicas, financieras y operativas entre estos dos conceptos que se solapan, y ofrece un marco para identificar qué vector amenaza cada objetivo de campaña.

La taxonomía del tráfico inválido (IVT): marcos normativos

Para estandarizar la lucha contra el fraude y ofrecer un lenguaje común a proveedores, editores y anunciantes, el Media Rating Council (MRC) y el Interactive Advertising Bureau (IAB) han establecido una taxonomía rigurosa. Este marco clasifica el tráfico inválido según la sofisticación de la detección necesaria para identificarlo. Entender esta dicotomía es esencial para evaluar las capacidades de los proveedores de verificación y comprender los límites de las defensas estándar de las plataformas.

Tráfico inválido general (GIVT)

El GIVT es el tráfico generado por fuentes no humanas conocidas y que en general es benigno o fácil de identificar mediante métodos de filtrado rutinarios. Funciona como la "fruta al alcance de la mano" de la detección del fraude: el ruido que hay que filtrar antes de que pueda empezar cualquier análisis serio.

• Rastreadores conocidos: Esta categoría incluye los bots de los buscadores (p. ej., Googlebot, Bingbot) y los rastreadores comerciales que se usan para indexar y monitorizar. Estos agentes suelen identificarse en la cadena User-Agent, lo que facilita filtrarlos
• Tráfico de centros de datos: Tráfico procedente de direcciones IP que pertenecen a proveedores de hosting (p. ej., AWS, Azure, Google Cloud) en lugar de a ISP residenciales. Como las personas rara vez navegan por la web desde un servidor de un centro de datos, este tráfico se marca automáticamente como no humano. Sin embargo, como veremos en la sección sobre SIVT, los estafadores sofisticados han desarrollado métodos para hacer pasar el tráfico de centros de datos por tráfico residencial
• Patrones irregulares: El GIVT también incluye scripts simples que ejecutan clics a intervalos precisos y no humanos (p. ej., exactamente cada 1,0 segundos) o que muestran otros comportamientos claramente robóticos que activan los filtros heurísticos básicos

Tráfico inválido sofisticado (SIVT)

El SIVT representa la frontera adversaria y es la principal preocupación del estratega sénior. Se define como el tráfico difícil de detectar que requiere analítica avanzada, corroboración desde varios puntos e intervención humana para identificarlo. El SIVT es intencionadamente engañoso: está diseñado para imitar el comportamiento humano, eludir los filtros estándar y "pasar" por datos de audiencia legítimos.

• Proxies residenciales: Los estafadores enrutan el tráfico de bots a través de los dispositivos de usuarios residenciales desprevenidos (a menudo mediante malware o apps de VPN dudosas) para ocultar el origen del tráfico. Así la solicitud parece venir de una conexión legítima de un ISP residencial (p. ej., Verizon Fios, Comcast Xfinity) y elude las listas de bloqueo estándar de "centros de datos" que se usan para detectar el GIVT
• Suplantación de dispositivos: Consiste en manipular la cadena User-Agent y las huellas de la pila TCP/IP para que un script del lado del servidor parezca un dispositivo móvil concreto (p. ej., un iPhone 15 Pro con iOS 17.4). Los estafadores emulan minuciosamente las cabeceras y las características de dispositivos reales para engañar a las tecnologías de huella digital del dispositivo
• Imitación del comportamiento: Los bots avanzados (como los vistos en la operación 3ve) simulan movimientos del ratón, velocidades de desplazamiento variables y "tiempo de permanencia" en una página. Están programados para navegar por un sitio de forma no lineal, detenerse a "leer" el contenido e interactuar con elementos de la página para generar señales de "interacción" que engañan a los sensores de biometría conductual
• Malware ofuscado: Código malicioso incrustado en apps móviles o extensiones del navegador inyecta anuncios o clics en segundo plano sin que el usuario lo sepa. Técnicamente este tráfico lo genera un dispositivo real, lo que hace extremadamente difícil distinguirlo de la actividad legítima del usuario en ese mismo dispositivo

La mecánica de la manipulación: tipologías detalladas

La ejecución del fraude publicitario se apoya en un arsenal diverso de mecanismos técnicos. Estos vectores atacan distintas vulnerabilidades del stack de ad tech, desde el dispositivo del usuario hasta la subasta del exchange. Entender la mecánica concreta de estos ataques es crucial para identificar qué partes de una estrategia de marketing son más vulnerables.

Mecanismos de fraude basados en impresiones

Pixel stuffing y ad stacking

Son técnicas que se usan para monetizar varias veces el tráfico orgánico o para generar impresiones sin visibilidad. Suponen una traición fundamental a la promesa de "oportunidad de ver" del modelo CPM.

Pixel stuffing: En este escenario, los estafadores colocan un anuncio dentro de un iframe de 1x1 píxeles. Técnicamente el anuncio "se carga" y envía una baliza de impresión al servidor de anuncios, pero es invisible para el ojo humano. El anunciante paga por una impresión que no tuvo ninguna oportunidad de ser vista. Una sola página web puede contener decenas de estos píxeles de 1x1, lo que permite al editor monetizar a un mismo visitante decenas de veces a la vez.

Ad stacking: Consiste en superponer varios anuncios unos encima de otros en un único espacio publicitario mediante la manipulación del z-index de CSS. El usuario solo ve el anuncio superior, pero el estafador programa la página para que registre impresiones de todos los anuncios de la pila. En algunas variantes de fraude de clics, un solo clic en el anuncio superior está diseñado para registrarse como clic en todos los anuncios apilados a la vez, defraudando a varios anunciantes con una sola acción del usuario.

Suplantación de dominio

La suplantación de dominio es una táctica de arbitraje en la que un estafador hace pasar inventario de baja calidad por inventario premium. Aprovecha la desconexión entre los datos de la solicitud de puja y el entorno real de renderizado.

Mecanismo: Un estafador gestiona un sitio de poco valor (p. ej., un sitio con contenido pirata, discursos de odio o texto generado al azar), pero modifica la solicitud de puja enviada al ad exchange para afirmar que la URL es la de un editor premium como nytimes.com o cnn.com.

Impacto: Los anunciantes pujan CPM altos creyendo que acceden a audiencias premium en sitios de confianza. En realidad, sus anuncios se muestran en sitios de poco valor y sin seguridad de marca. Esto no solo desperdicia presupuesto, sino que plantea graves riesgos para la reputación, porque la marca parece financiar contenido ilícito. La introducción de ads.txt (Authorized Digital Sellers) fue una respuesta directa del sector a este vector: permite a los editores declarar públicamente quién está autorizado a vender su inventario.

Mecanismos de fraude basados en la interacción

Click injection (móvil)

El click injection es una forma sofisticada de fraude móvil muy extendida en el ecosistema Android, que aprovecha funciones concretas de los receptores de difusión del sistema operativo.

Mecanismo: Un usuario instala una app maliciosa (a menudo una utilidad como una linterna, una calculadora o un gestor de archivos) que pide permiso para ejecutarse en segundo plano. Esta app escucha las "difusiones de instalación", señales del sistema que indican que se está instalando una nueva app en el dispositivo. Cuando el usuario descarga una app legítima (p. ej., Uber o Spotify) desde Play Store, la app maliciosa detecta el proceso de instalación.

Robo de la atribución: Justo antes de que termine la instalación, la app maliciosa envía un clic sintético al socio de medición móvil (MMP). Como los modelos de atribución suelen funcionar con el criterio de "último clic", el proveedor de atribución ve el clic de la app maliciosa justo antes de la instalación. En consecuencia, la instalación orgánica se atribuye al estafador, que recibe un pago de coste por instalación (CPI) por un usuario que no captó.

Click spamming / click flooding

Esta técnica consiste en generar un volumen enorme de clics falsos en segundo plano, ejecutando un ataque estadístico contra el modelo de atribución.

Mecanismo: Una app fraudulenta envía informes de clics de miles de anuncios en segundo plano mientras el usuario usa la app, aunque no se muestre ningún anuncio. Esto ocurre con independencia de la intención del usuario.

La apuesta estadística: El estafador apuesta por la probabilidad. Si envía clics de apps populares (p. ej., apps de compras o de viajes) por cada usuario que controla, hay una probabilidad estadística de que ese usuario visite de forma orgánica una de esas apps o sitios web más adelante. Cuando se produce esa visita orgánica, el estafador reclama la atribución del "último clic" porque ha inundado el historial del dispositivo del usuario con señales de interacción falsas.

Granjas de clics

Aunque muchas formas de fraude están automatizadas, las granjas de clics introducen el elemento "humano" para burlar la detección biométrica.

Funcionamiento: Se contrata a grandes grupos de trabajadores con salarios bajos para que hagan clic manualmente en anuncios, vean vídeos o instalen apps. Estas granjas pueden ser instalaciones físicas con estanterías llenas de dispositivos o redes descentralizadas de trabajadores remotos.

Evasión: Como los clics los generan personas reales con dedos reales sobre pantallas reales, superan muchas de las comprobaciones de "detección de bots" que buscan movimientos robóticos del ratón o tiempos perfectos. Sin embargo, el tráfico sigue siendo fraudulento porque no hay una intención genuina de comprar o interactuar: la única intención es generar el clic para cobrar.

Casos de estudio de cibercrimen industrializado: Methbot y 3ve

Para comprender del todo la magnitud de la amenaza, hay que examinar las operaciones fundacionales que definieron la era moderna del fraude publicitario. No fueron estafas menores, sino ciberoperaciones masivas y coordinadas que cambiaron radicalmente el panorama de la defensa.

La operación Methbot (2016)

Methbot supuso un punto de inflexión en la industrialización del fraude publicitario. Gestionada por un grupo cibercriminal ruso, en su momento álgido generaba entre 3 y 5 millones de USD de ingresos diarios, dirigiéndose al valioso mercado de la publicidad en vídeo.

Arquitectura técnica: A diferencia de las botnets anteriores, que dependían de equipos residenciales infectados (poco fiables y con tiempos de actividad variables), Methbot usaba una infraestructura propia de más de 2.000 servidores dedicados en centros de datos (sobre todo en Dallas y Ámsterdam). Esto le proporcionaba un ancho de banda y una capacidad de cómputo enormes.

El engaño: Para ocultar que el tráfico venía de centros de datos, los operadores falsificaron registros de IP para que sus bloques de IP de centros de datos parecieran pertenecer a ISP residenciales como Verizon y Comcast. Usaban un motor de navegador propio (basado en Node.js) para ejecutar JavaScript, simulando visualizaciones de vídeo e interacciones en más de 6.000 dominios premium suplantados.

Impacto: Methbot demostró que los estafadores podían suplantar todo el entorno (el usuario, la red, el navegador y el editor) a escala industrial.

La botnet 3ve (2018)

Tras la exposición de Methbot, los estafadores evolucionaron. La operación 3ve (pronunciada "Eve") mostró el giro hacia la resiliencia y las arquitecturas híbridas.

Modelo híbrido: 3ve combinó el enfoque de centros de datos de Methbot con una enorme botnet residencial (más de 1,7 millones de PC infectados). Usaba familias de malware como Kovter y Boaxxe para secuestrar dispositivos de usuarios reales.

Sofisticación: Al enrutar el tráfico a través de IPs residenciales reales, 3ve burló las defensas de filtrado de IP que habían frenado a Methbot. El malware solía ejecutar una instancia oculta del navegador Chromium en el equipo de la víctima, generando tráfico indistinguible de la navegación real del usuario.

Escala: En su momento álgido, 3ve generaba más de 3.000 millones de solicitudes de puja diarias. Finalmente fue desmantelada por una coalición histórica en la que participaron Google, White Ops (ahora HUMAN) y el FBI, lo que llevó a la acusación formal de varios operadores. El caso 3ve dejó claro que las defensas puramente técnicas no bastan: hace falta colaboración legal e intersectorial para derribar la infraestructura del fraude.

La economía del fraude publicitario: incentivos y teoría de juegos

Para entender por qué persiste el fraude publicitario pese a la enorme inversión del sector en detección, hay que analizar los incentivos económicos subyacentes y la dinámica de la teoría de juegos. La persistencia del fraude no es solo un fallo técnico: es un fallo de mercado.

El "problema de los limones" y la asimetría de información

El mercado de la publicidad digital sufre una grave asimetría de información, similar al famoso "mercado de los limones" de George Akerlof. Los anunciantes no pueden distinguir perfectamente, antes de comprarlas, entre impresiones legítimas (de alta calidad) y fraudulentas (de baja calidad).

La consecuencia para el mercado: Esta incertidumbre deprime el valor de todo el inventario. Los compradores ajustan sus pujas a la baja según la probabilidad de fraude y pagan menos por cada impresión. Sin embargo, como los editores de alta calidad no pueden demostrar fácilmente la pureza de su audiencia en tiempo real, se ven obligados a competir en precio con una oferta fraudulenta de bajo coste.

La espiral: Esta competencia puede expulsar del mercado al inventario legítimo u obligar a los editores a recurrir al "traffic sourcing" (comprar tráfico barato para cumplir los objetivos de entrega de las campañas), que a su vez suele estar contaminado con tráfico de bots. El resultado es un ecosistema degradado en el que la calidad se infravalora y la demanda de escala barata incentiva el fraude.

Teoría de juegos: el dilema de la plataforma

Una investigación de Wilbur y Zhu (2009) aplica la teoría de juegos a la relación entre buscadores y anunciantes, y revela una estructura de incentivos compleja.

El equilibrio: En una subasta de segundo precio con información completa, si los anunciantes saben que el x% de los clics son fraudulentos, bajarán racionalmente sus pujas exactamente un x%. En este equilibrio teórico, los ingresos del buscador se mantienen neutros: cobra por más clics, pero a un precio por clic proporcionalmente menor.

El incentivo para tolerar: Sin embargo, la investigación indica que, si hay incertidumbre sobre la tasa de fraude o si la subasta es menos competitiva, la plataforma puede beneficiarse económicamente de cierto nivel de fraude no detectado. Esto crea un conflicto principal-agente en el que la plataforma (el agente) tiene un desincentivo para eliminar el fraude por completo si el coste de la detección supera la pérdida de ingresos derivada de una menor confianza de los anunciantes. La plataforma debe equilibrar los ingresos a corto plazo de los clics fraudulentos con el riesgo a largo plazo de perder anunciantes.

El fraude de afiliados y el resquicio de la atribución

El marketing de afiliados funciona sobre una base de rendimiento (CPA), lo que en teoría reduce el riesgo para el anunciante. Sin embargo, este modelo crea un fuerte incentivo para el "fraude de atribución".

El mecanismo: Como a los afiliados solo se les paga por conversiones, tienen un gran incentivo para usar cookie stuffing o click injection y robar el mérito de conversiones orgánicas que iban a producirse de todos modos.

La pérdida económica: El anunciante sufre una doble pérdida: paga una comisión por un cliente que ya tenía, y sus datos sugieren erróneamente que el canal de afiliados es muy eficaz. Esto lleva a asignar mal el presupuesto futuro al canal fraudulento, lo que agrava aún más la ineficiencia.

Para el punto de vista del anunciante, consulta cómo evitar el fraude de clics en el marketing de afiliados.

Detección técnica y análisis forense

Detectar el fraude publicitario moderno exige ir más allá de las listas negras simples (bloqueo de IP) y avanzar hacia el modelado probabilístico y la biometría conductual. La defensa debe ser tan sofisticada como el ataque.

Detección determinista frente a probabilística

Detección determinista (basada en firmas): Se basa en una base de datos de señales "malas" conocidas. Es la primera línea de defensa.

• Listas de bloqueo de IP: Mantener listas en tiempo real de centros de datos conocidos, nodos de salida de VPN y servidores de mando y control (C2) de botnets
• Listas negras de User-Agent: Bloquear cadenas User-Agent obsoletas, mal formadas o de bots conocidos

Limitaciones: Este enfoque es reactivo. Solo puede detener el fraude que ya se ha identificado y del que se ha tomado la huella. El SIVT lo elude fácilmente rotando IPs y suplantando User-Agents.

Detección probabilística (conductual): Usa aprendizaje automático para identificar anomalías en los patrones de tráfico.

• Análisis de entropía: El comportamiento humano real es matemáticamente "desordenado". Las personas mueven el ratón en curvas, varían la velocidad de desplazamiento y tienen tiempos en el sitio irregulares. Los bots suelen ser demasiado perfectos (movimiento lineal del ratón) o demasiado aleatorios de una forma algorítmica y predecible. Una entropía alta sugiere un humano; una entropía baja o los patrones repetitivos sugieren automatización
• Análisis del tiempo hasta la instalación (CTIT): En las campañas de instalación de apps móviles, un CTIT imposiblemente corto (p. ej., menos de 10 segundos) indica click injection (el clic se produjo después de que empezara la descarga). Por el contrario, un CTIT extremadamente largo (p. ej., más de 24 horas) con una distribución plana sugiere click spamming. Una distribución legítima suele seguir una curva reconocible (distribución de Pareto). (Consulta cómo funciona el fraude publicitario en apps móviles, del click injection a la suplantación de SDK.)

Aprendizaje automático e IA adversaria

Los sistemas de detección avanzados emplean modelos de aprendizaje supervisado y no supervisado para clasificar el tráfico. Sin embargo, esto ha desembocado en una carrera armamentística conocida como aprendizaje automático adversario.

La carrera armamentística: Los estafadores usan ahora sus propios modelos de ML para entrenar bots que burlen los clasificadores de detección. Usan "redes generativas adversarias" (GAN) para simular posibles patrones de fraude y probarlos contra los sistemas de defensa.

Respuesta defensiva: Los proveedores de detección deben usar ahora esas mismas GAN para simular nuevas variantes de fraude y entrenar sus detectores contra ellas antes de que el fraude aparezca siquiera en el mundo real. Esta defensa predictiva es clave para ir por delante del SIVT generado por IA.

Detección basada en grafos: Consiste en mapear las relaciones entre dispositivos, IPs y cookies. Si un mismo ID de dispositivo aparece asociado a 500 IPs distintas en una hora, o si un grupo de dispositivos se mueve siempre junto por la web visitando los mismos sitios en el mismo orden, el análisis de grafos lo marca como botnet, aunque cada comportamiento individual parezca legítimo.

La próxima frontera: amenazas emergentes en 2025 y más allá

A medida que el sector refuerza sus defensas en la web tradicional, el fraude migra a entornos más nuevos y menos regulados. El estratega sénior debe anticiparse a estos vectores emergentes.

Fraude en Connected TV (CTV)

La CTV es hoy el objetivo más lucrativo para los estafadores por sus CPM altos (a menudo de 20-30 USD) y por la falta de estándares de medición maduros en comparación con la web.

Suplantación de SSAI: La inserción de anuncios del lado del servidor (SSAI) integra los anuncios en el flujo de vídeo en el servidor para ofrecer una experiencia fluida similar a la televisión. Los estafadores montan servidores proxy que imitan dispositivos CTV, solicitan anuncios y los registran como "vistos" sin llegar a mostrar el vídeo en ninguna pantalla. Varios grandes esquemas de suplantación de SSAI descubiertos por investigadores de seguridad son ejemplos claros de esta evolución.

Apps fantasma: Los estafadores crean apps para Roku y FireTV que dicen ser canales de contenido premium, pero que en realidad se ejecutan en segundo plano (a menudo camufladas como salvapantallas o utilidades). Estas apps generan impresiones de anuncios mientras la televisión está inactiva, simulando a un espectador que ve horas de contenido.

Fraude generado por IA (sitios MFA)

La IA generativa permite a los estafadores crear sitios web "Made for Advertising" (MFA) con un coste marginal nulo.

La amenaza: Estos sitios se llenan de contenido escrito por IA diseñado únicamente para hacer arbitraje de palabras clave y alojar anuncios. Aunque no siempre son tráfico estrictamente "inválido" (personas reales pueden visitarlos a través de clickbait), suponen una enorme extracción de valor del ecosistema. Ofrecen ubicaciones de baja calidad que degradan el rendimiento de las campañas y desperdician los presupuestos de atención. La IA también se usa para crear contenido "basura" lo justamente coherente para superar los filtros de palabras clave, pero que no aporta ningún valor al usuario.

El "déficit de confianza" y los jardines amurallados

La persistencia del fraude empuja a los anunciantes hacia los "jardines amurallados" (Google, Meta, Amazon), donde perciben más seguridad. Sin embargo, los informes indican que ni siquiera estas plataformas son inmunes, con tasas significativas de tráfico inválido que a menudo quedan ocultas por la falta de auditabilidad por parte de terceros. Esta centralización de la inversión reduce la diversidad del mercado, pero obliga a los editores independientes a adoptar estándares más estrictos para sobrevivir. La tendencia apunta a una web "bifurcada": un nivel seguro y autenticado de usuarios con sesión iniciada y editores premium, y un "salvaje oeste" de inventario de la web abierta que se considera cada vez más tóxico.

Mitigación estratégica: un marco de defensa

Para los anunciantes, la defensa exige un enfoque por capas que combine implementación técnica, higiene de la cadena de suministro y supervisión estratégica. No basta con activar una herramienta: hay que diseñar un stack resistente al fraude.

Si quieres una versión más breve para aplicar en tus propias campañas, usa nuestra lista de comprobación para prevenir el fraude publicitario para equipos de medios de pago.

Supply Path Optimization (SPO)

Los anunciantes deben acortar la distancia hasta el editor y eliminar a los intermediarios opacos.

• Exige ads.txt y app-ads.txt: Exige estrictamente que los DSP solo compren inventario autorizado por el archivo ads.txt del editor. Esto evita la suplantación de dominio al garantizar que el vendedor es válido
• Audita sellers.json: Audita con regularidad los archivos sellers.json de los socios de exchange para asegurarte de que los intermediarios son transparentes sobre su relación con el editor
• Consolida socios: Reduce el número de exchanges y SSP en la ruta de compra. Menos socios significa menos rincones oscuros donde pueda esconderse el fraude

Calibración defensiva y exclusión

• Listas de exclusión dinámicas: Aunque el bloqueo de IP es limitado frente al SIVT, mantener listas de exclusión dinámicas de URL de ubicaciones es crucial. Esto incluye bloquear los sitios MFA conocidos y las apps con tasas de fraude altas
• Palabras clave negativas: En las campañas de búsqueda, unas listas agresivas de palabras clave negativas evitan que los anuncios se muestren en consultas irrelevantes que los bots suelen usar para generar volumen de búsqueda. Así se protege el presupuesto de que lo agote el tráfico de bots que no convierte y que busca términos amplios

Cambio de métricas: del volumen a la atención

La defensa definitiva contra el fraude publicitario es dejar de optimizar para métricas que los bots pueden falsear fácilmente (impresiones, clics) y empezar a optimizar para métricas que les cuesta imitar.

• Métricas de atención: Integra proveedores que midan el seguimiento ocular real o la atención activa. Un bot puede enviar una baliza de impresión, pero no puede generar señales genuinas de atención humana
• Resultados de negocio: Lleva los objetivos de optimización hacia la parte baja del embudo. Optimiza hacia leads válidos (validados en el CRM) o compras reales (ROAS) en lugar de hacia el CPA. Aunque el fraude de conversiones existe, ejecutarlo es exponencialmente más caro y difícil para los estafadores que el simple fraude de clics

Conclusión

El fraude publicitario no es un fallo puntual del sistema de publicidad digital; es una economía parasitaria que evoluciona al mismo ritmo que el mercado legítimo. La transición del GIVT simple al SIVT complejo e impulsado por IA exige un cambio de paradigma en la forma en que el sector aborda la verificación. Ya no basta con confiar en los "filtros de fraude" básicos que ofrecen las redes publicitarias. Una estrategia de defensa por capas exige una comprensión forense de los mecanismos técnicos del fraude (distinguiendo las amenazas concretas del fraude de clics de los peligros más amplios del blanqueo de impresiones) y la disposición a auditar los incentivos económicos de cada socio de la cadena de suministro.

A medida que avanzamos hacia 2026, la batalla estará definida por la dinámica "IA contra IA", en la que el aprendizaje automático adversario enfrentará en tiempo real los algoritmos de generación de fraude con los algoritmos de detección. Para el estratega, el único camino viable es la vigilancia, la transparencia y un enfoque implacable en resultados de negocio verificables por encima de las métricas de vanidad. La era de "confía, pero verifica" ha terminado; frente al fraude publicitario industrializado, la nueva máxima debe ser "verifica y luego confía".

Recursos relacionados