Proteger seus dados contra raspagem

O site público do seu clube existe para ser lido. Os mecanismos de busca o indexam, os sócios o compartilham, e pessoas que nunca ouviram falar do seu clube o encontram por ele — esse é todo o propósito de ter um. A proteção contra extração de dados trata do problema mais específico por baixo disso: alguém copiando as partes do seu site que falam de pessoas, e não do clube, geralmente para vender a você ou a outra pessoa. Você encontra esses controles no cartão Proteção dos seus dados da página Configurações, em Sistema na barra lateral do painel.

Leia isto primeiro, porque orienta tudo o que vem abaixo. Um extrator determinado, usando um navegador de verdade a partir de conexões domésticas comuns, não pode ser impedido — só tornado caro e visível. Nada nesta página é uma tranca. O único controle aqui que um copiador determinado realmente não consegue ignorar é o que tira a informação de uma requisição anônima logo de saída, e é justamente aí que fica o padrão.

Quem pode usar

Somente administradores. Os moderadores podem abrir Configurações para outras coisas, mas o cartão Proteção dos seus dados e a lista de atividades dele são exclusivos dos administradores — tanto as configurações quanto o que notamos só podem ser lidos por um administrador da sua organização, então um moderador não os vê.

Não há módulo para ativar nem exigência de plano. Toda organização tem essas configurações, e toda organização começa no padrão privado, quer alguém já tenha aberto a página ou não.

O que há na página

• Mostrar os elencos das equipes para visitantes que não entraram na conta — desativado por padrão. Controla se a lista do elenco na página de uma equipe fica visível para quem não entrou na conta.
• Rastreadores de IA — permita (o padrão) ou peça para ficarem de fora. Há um link para o robots.txt da sua organização, para você ver exatamente o que a sua escolha registra.
• Alertar acima deste número de requisições por dia — quantas requisições de página uma única origem pode fazer em um dia antes de analisarmos o formato do tráfego dela e, se parecer uma cópia automatizada, avisarmos os seus administradores.
• Atividade incomum que notamos — o que a nossa varredura noturna encontrou, com a data, o que disparou o alerta e quantas páginas essa origem percorreu. Você pode marcar um item como resolvido.

O seu diretório de sócios é uma configuração separada, com consentimento próprio de cada sócio, e fica em Sócios → Diretório. Ele também vem desativado por padrão, e nenhum sócio aparece nele sem ter aceitado por conta própria — veja Sócios.

Passo a passo

Decida o que um visitante anônimo pode ver

1. Abra Configurações e encontre Proteção dos seus dados.
2. Deixe Mostrar os elencos das equipes para visitantes que não entraram na conta desativado, a menos que você queira de fato que as suas listas de elenco sejam públicas. Esta é a coisa mais forte da página: com ela desativada, os nomes nunca estão na resposta que um visitante anônimo recebe, então não há nada para um copiador levar, por mais esperto que ele seja. Os visitantes que entraram na conta continuam vendo o elenco.
3. Ative só se uma lista de elenco pública for algo que o seu clube realmente quer — alguns clubes querem, e essa é uma escolha justa, desde que feita de propósito.
4. Salve. A mudança vale no próximo carregamento de página; não há cache para esperar. Se a nossa própria verificação falhar em algum momento, a página volta a esconder o elenco em vez de mostrá-lo.

Escolha a sua política para rastreadores de IA

1. Permitir rastreadores de IA (recomendado) deixa que eles leiam o seu site como um mecanismo de busca faz. Cada vez mais as pessoas encontram clubes perguntando a um assistente em vez de digitar em uma caixa de busca, então essa é uma forma real de novos sócios chegarem até você.
2. Pedir que rastreadores de IA fiquem de fora registra um pedido dirigido a rastreadores como GPTBot, ClaudeBot, PerplexityBot e Google-Extended. Leia as perguntas frequentes antes de escolher esta opção — ela tem um custo, e é um pedido, não uma ordem.
3. Para onde a sua escolha vai de fato. Um rastreador só procura o robots.txt na raiz do endereço web que está visitando, então é lá que nós o publicamos. No seu próprio domínio personalizado, o site inteiro é seu, e pedir que os rastreadores de IA fiquem de fora vale para ele todo. Em um endereço clubhelix.com, o arquivo na raiz é compartilhado por todas as organizações, então a sua escolha aparece ali como as suas próprias linhas dentro dele. O link ao lado da configuração é uma prévia do que diz a parte da sua organização — não é um arquivo que algum rastreador busca.
4. Seja qual for a sua escolha, o Google e o Bing não são afetados. Eles são rastreadores separados, e nós nunca os restringimos. A visibilidade do seu site nas buscas é controlada por Permitir que mecanismos de busca indexem este site, mais acima na mesma página.

Defina o seu nível de alerta e leia o que notamos

1. Alertar acima deste número de requisições por dia conta as requisições de uma única origem. O padrão serve para a maioria dos sites de clubes. Um site movimentado na semana das finais vai legitimamente gerar números altos — aumente o limite em vez de se acostumar a ignorar os alertas.
2. Toda noite analisamos o tráfego do dia anterior em busca de padrões com cara de coleta: muitas requisições, muitas páginas diferentes, páginas percorridas em ordem, nenhum site de origem, nenhum sinal de um navegador de verdade terminando de carregar a página.
3. Quando algo dispara, aparece em Atividade incomum que notamos, e os seus administradores recebem uma notificação. Ela diz o que disparou, quantas requisições e quantas páginas distintas — nunca um endereço IP, e nunca a identidade de um visitante.
4. Leia e decida. A maioria não exige nada: um bot mal escrito, mas inofensivo, ou um dia realmente movimentado. Uma varredura repetida e deliberada das suas páginas de equipes é o ponto em que desativar o elenco vale o que custa.
5. Marque como resolvido para tirá-lo da lista.

Referência de campos

Dicas e perguntas frequentes

• Isto consegue impedir alguém de copiar o nosso site? Não, e quem disser o contrário está tentando vender alguma coisa. Uma pessoa usando um navegador de verdade a partir de uma conexão doméstica comum parece exatamente um sócio lendo o seu site, porque é isso que ela está fazendo — só que mais rápido e em maior quantidade. O que estes controles fazem é tornar a cópia em massa lenta e chamativa, e deixar a parte realmente sensível fora de alcance. Vale a pena ter. Não é uma tranca.
• Então, o que funciona de verdade? Não publicar a informação. Deixar os elencos das equipes visíveis só para quem entrou na conta, e deixar o seu diretório de sócios desativado, são os controles que um copiador determinado não consegue ignorar, porque os nomes nunca estão na resposta. Todo o resto aqui é atrito ou detecção.
• O robots.txt é obrigatório para os rastreadores? Não. É um arquivo que pede aos rastreadores que se comportem, e os bem administrados obedecem — os mecanismos de busca respeitam, e nós também, quando lemos o seu site antigo durante uma migração. Um rastreador que o ignora não sofre nada. Então, pedir que os rastreadores de IA fiquem de fora detém os que seguem as regras e não faz absolutamente nada com os que não seguem. Vários desses rastreadores têm um histórico irregular.
• Quanto nos custa pedir que os rastreadores de IA fiquem de fora? Visibilidade, em um canal que está crescendo. Quando alguém pergunta a um assistente "quais clubes de walking football há perto da minha cidade", a resposta vem de sites que esses rastreadores puderam ler. Peça que eles fiquem de fora, e você não aparece nessa resposta. Clubes cujas páginas são em sua maioria informação pública — tabela de jogos, horários de treino, como se associar — normalmente ganham mais sendo encontrados do que perdem sendo lidos. Clubes cujas páginas trazem muito sobre pessoas identificáveis podem pesar isso de outro jeito. É uma escolha real entre vantagens e desvantagens, e por isso não decidimos por você.
• Algo disto afeta o nosso posicionamento no Google? A configuração de rastreadores de IA não afeta — os rastreadores de busca nunca estão incluídos nela, e nós nunca limitamos o ritmo deles por motivo nenhum. Esconder os elencos das equipes tira esses nomes da página pública, então eles saem do índice como qualquer outro conteúdo que você deixa de publicar. O seu posicionamento em todo o resto não é afetado.
• "Atividade que notamos" — por que esse cuidado com as palavras? Porque é tudo o que ela pode afirmar com honestidade. O tráfego que não conseguimos reconhecer não deixa registro, então uma lista vazia significa que não vimos nada, não que nada aconteceu. Preferimos dizer isso a deixar você interpretar uma semana tranquila como prova de segurança.
• Um sócio comum vai disparar isto? Não deveria. A varredura tende de propósito a considerar o tráfego como humano, porque um alerta que grita "lobo" à toa é um alerta que você para de ler. Ela procura a combinação — volume, mais amplitude, mais nenhum site de origem, mais nenhum sinal de um navegador de verdade — e não só o volume. A sede do clube, uma escola ou um estádio em que quarenta pessoas compartilham uma conexão de internet é exatamente o caso que a faz tender para esse lado. Se você receber um alarme falso, aumente o nível de alerta e nos avise.
• Também limitamos a velocidade com que qualquer um pode pedir páginas. Toda requisição de página pública passa por um teto que uma pessoa navegando nunca vai alcançar e que um copiador rápido em massa vai. Um visitante que diz ser um mecanismo de busca não é acreditado só pela palavra — consultamos o endereço de onde veio a requisição e confirmamos que ele realmente pertence a esse mecanismo de busca, então usar emprestado o nome do Googlebot não adianta nada. Os rastreadores de busca genuínos ficam isentos, sempre, e se não conseguirmos concluir essa consulta damos o benefício da dúvida em vez de arriscar barrar um mecanismo de busca de verdade. O que o teto não consegue é desacelerar alguém paciente: um copiador que percorre o seu site na velocidade de leitura a partir de algumas conexões domésticas fica abaixo dele, e é por isso que a opção do elenco importa mais do que o limite.
• Para onde vão os alertas? Para a lista na página Configurações e, como notificação, para os administradores da sua organização. Eles seguem as suas preferências de notificação como qualquer outro aviso não urgente, então, se ninguém os está vendo, confira isso primeiro.
• E os endereços de e-mail nas nossas páginas? Tudo o que você publica, qualquer pessoa pode ler — um endereço de e-mail da diretoria impresso em uma página pública é coletado em poucos dias. Ainda não há uma opção para isso aqui, então trate como uma decisão que você toma ao digitar o endereço. Um formulário de contato é a forma mais segura de estar acessível.
• Mesmo assim, alguém está nos copiando. E agora? Desative a opção do elenco e confira o que mais você está publicando sobre pessoas, para haver menos a levar. Depois, nos avise — a coleta repetida e deliberada de um clube é algo que queremos ver, e os nossos termos de serviço proíbem o acesso automatizado em massa, o que dá a você algo para apontar diante de uma empresa que deveria ter mais juízo. Isso não vai deter ninguém que esteja agindo de má-fé.

Relacionados: Configurações para a visibilidade do site e o seu endereço web, Sócios para o diretório de sócios e o consentimento de cada sócio, Equipes para as listas de elenco afetadas por isto, e Termos e políticas para os seus termos publicados.