Comprar proxies implica leer hojas de especificaciones escritas en un vocabulario que nadie explica, donde la misma palabra puede significar cosas distintas en las webs de dos proveedores. Este es el glosario de trabajo: los términos que realmente cambian lo que pagas o lo que obtienes, agrupados por la decisión a la que pertenecen, en lenguaje llano.
Tipos de proxy
Proxy residencial. Una dirección IP perteneciente a una conexión de internet doméstica real, asignada por un ISP de consumo a un hogar. Los sitios lo tratan como un visitante normal, por lo que funciona en objetivos que bloquean servidores. Procede de personas que aceptaron compartir su conexión, así que la oferta es finita y el precio lo refleja. Más información en qué son los proxies residenciales.
Proxy de datacenter. Una dirección perteneciente a un proveedor de hosting o cloud. Rápida, barata, abundante e instantáneamente reconocible como servidor porque los rangos de direcciones están registrados públicamente. Válida para objetivos sin defensas, deficiente para cualquier cosa que escrutine el tráfico. La comparación está en residencial frente a datacenter.
Proxy de ISP, también llamado residencial estático. Una dirección alojada y registrada a nombre de un ISP de consumo: confianza de nivel residencial con la estabilidad y velocidad de un datacenter, y no rota. Adecuado cuando necesitas que persista la misma identidad en lugar de que cambie. Ver ISP frente a residencial.
Proxy móvil. Una dirección de la red móvil de un operador. El tipo más difícil de bloquear porque los operadores ponen a muchos suscriptores reales detrás de cada dirección, y en consecuencia el más caro y menos estable. Ver móvil frente a residencial.
Pool de proxies. El conjunto de direcciones por las que un proveedor puede enrutarte. La cifra total es una métrica de comparación débil, porque lo que importa es la densidad en los países que realmente usas y cuántas están disponibles simultáneamente, no un recuento acumulado.
Cómo se enruta el tráfico
Gateway. Un único endpoint al que envías todo, que elige una dirección de salida por ti según los parámetros que le proporcionas. La alternativa, hoy en gran medida histórica, es una lista de direcciones y puertos de proxy individuales que gestionas tú mismo.
Proxy rotativo. Cada solicitud sale por una dirección distinta. La opción predeterminada para la recolección masiva, porque distribuye el volumen de modo que ninguna dirección individual llama la atención. Ver cómo funciona la rotación.
Sesión persistente (sticky session). Una dirección mantenida a lo largo de varias solicitudes, identificada por un ID de sesión que tú eliges, durante un tiempo de vida limitado. Necesaria para flujos de varios pasos donde el sitio rastrea el estado, como una búsqueda paginada o un inicio de sesión. Ver persistente frente a rotativo.
ID de sesión y TTL. El ID de sesión es la etiqueta que vincula las solicitudes a la misma dirección de salida; el TTL es cuánto tiempo sobrevive esa asignación antes de que la dirección rote. Ambos suelen expresarse dentro del nombre de usuario del proxy en lugar de como ajustes separados.
Concurrencia. Cuántas solicitudes tienes en curso simultáneamente. Distinta de la tasa, que es la frecuencia con la que las inicias, y algunos proveedores la miden por separado. Ver conexiones concurrentes ilimitadas.
Segmentación
Segmentación geográfica (geo-targeting). Elegir en qué país se sitúa la dirección de salida, para ver lo que ve un visitante allí. La base de cualquier recolección donde los resultados varían según el mercado.
Segmentación a nivel de ciudad. Acotar a una ciudad específica, lo cual importa para la búsqueda local, la disponibilidad en tiendas y los precios regionales, e innecesario para la mayoría del resto de trabajos. Ver cuándo importa la segmentación a nivel de ciudad.
Segmentación por ASN. Elegir el operador de red al que pertenece la dirección, útil cuando un objetivo se comporta de forma distinta según el operador. Ver segmentación por ASN.
Coincidencia estricta. Una opción que hace fallar la solicitud en lugar de recurrir a un área más amplia cuando ninguna dirección coincide exactamente con tu filtro. Útil cuando una ubicación incorrecta corrompería los datos silenciosamente.
Precios y facturación
Precio por GB. Pagas por los datos transferidos, no por direcciones o puertos. Este es el modelo estándar para residencial rotativo y hace que el ancho de banda, no el número de IP, sea la cifra a prever. Ver cómo estimar el ancho de banda mensual.
Asignación de ancho de banda. Los GB incluidos en tu plan para un ciclo de facturación. Normalmente no se acumulan de un ciclo a otro.
Exceso, a veces llamado tráfico adicional. Lo que ocurre al superar la asignación: o bien las solicitudes se detienen, o el uso continúa a una tarifa por GB cargada contra un saldo, según cómo esté configurada la cuenta.
Precio por puerto o por IP. El modelo más antiguo donde comprabas un número fijo de puertos o direcciones. En gran medida sustituido para el residencial rotativo, y vale la pena entenderlo sobre todo para reconocerlo en un presupuesto. Ver por qué la era del precio por puerto ha terminado.
Calidad y confianza
Reputación de IP. El juicio acumulado que los sitios y los servicios de inteligencia tienen sobre una dirección, basado en lo que se ha hecho desde ella anteriormente. Una dirección genuinamente residencial con mala reputación rinde peor que una limpia, por lo que la reputación importa tanto como el tipo. Ver qué es la reputación de IP.
Fingerprinting. Identificar a un cliente por las características de sus solicitudes en lugar de por su dirección: el handshake TLS, los ajustes de HTTP/2, el conjunto y orden de las cabeceras y, en navegadores, los detalles de renderizado y del dispositivo. Una IP limpia con una huella (fingerprint) que no coincide sigue siendo detectada. Ver fingerprinting de TLS y HTTP/2.
Bloqueo suave (soft block). Un rechazo disfrazado de éxito: una página de desafío, un resultado vacío, un listado truncado o una página genérica devuelta con un estado 200. El modo de fallo más costoso, porque una monitorización ingenua lo cuenta como funcionando. Ver detectar contenido bloqueado o falso.
Tasa de éxito validada. La proporción de solicitudes que devolvieron los datos deseados, a diferencia de la proporción que devolvió cualquier respuesta. La única métrica de éxito que vale la pena reportar. Ver KPI de proxies.
Origen ético. Si las personas cuyas conexiones componen el pool consintieron con conocimiento de causa y pueden darse de baja. Una cuestión de cadena de suministro con consecuencias prácticas, ya que el origen no revelado se correlaciona con pools que acaban siendo marcados.
Operaciones
Limitación de tasa (rate limiting). El límite de un objetivo sobre cuántas solicitudes acepta en un periodo, normalmente por IP. Tu ritmo tiene que respetarlo, y un pool cambia dónde se aplica el límite en lugar de eliminarlo. Ver limitación de tasa y throttling.
Backoff. Esperar cada vez más tiempo entre reintentos tras un fallo, idealmente con aleatorización para que los workers en paralelo no reintenten en oleadas sincronizadas. Ver reintentos y backoff.
Failover. Trasladar el trabajo a una ruta distinta cuando una se degrada, para que un trabajo continúe en lugar de detenerse. Ver failover en pipelines multirregión.
407. El código de estado que devuelve un proxy cuando rechaza tus credenciales. Normalmente son credenciales incorrectas o un indicador de segmentación mal formado, y nunca vale la pena reintentarlo. Ver solucionar errores 407.
SLA de tiempo de actividad. Un compromiso sobre la disponibilidad propia del proveedor. No dice nada sobre si tus objetivos aceptan tu tráfico, que es un eje distinto que debes monitorizar tú mismo. Ver SLA y garantías de tiempo de actividad.
Términos ante los que conviene ser escéptico
Tres expresiones aportan menos información de la que parece.
“Ilimitado”. Pregunta siempre en qué dimensión es ilimitado. La concurrencia ilimitada tiene sentido; el ancho de banda ilimitado en un producto residencial normalmente no lo tiene, y donde aparece suele haber otro límite haciendo el trabajo.
“99,9% de tasa de éxito”. Ningún proveedor controla si sitios de terceros aceptan tu tráfico, así que una afirmación de tasa de éxito sobre objetivos arbitrarios no es una promesa que nadie pueda cumplir. Pruébalo en tus propios objetivos, según cómo probar velocidad, tasa de éxito y precisión de ubicación.
Tamaño de pool en decenas de millones. No verificable, y no es lo que determina tus resultados. La densidad donde recolectas sí lo es, y eso se refleja en tus propias mediciones y no en una página de marketing. Si quieres comprobar si un pool es lo que dice ser, ver cómo detectar IP de datacenter vendidas como residenciales.
La conclusión
La mayor parte del vocabulario se reduce a cuatro decisiones: qué tipo de dirección necesitas, cómo debe rotar, dónde debe estar y cómo se te factura por ella. Todo lo demás es o bien una cuestión de calidad, que tus propias pruebas responden mejor que cualquier hoja de especificaciones, o bien una cuestión operativa que encontrarás después de comprar. Cuando un término está haciendo trabajo persuasivo en lugar de describir algo medible, trátalo como marketing y ve a medir la cosa tú mismo.
Cuando estés listo para comparar esto con un producto real, proxies residenciales cubren los casos rotativo, persistente, por país y por ciudad descritos arriba a través de un único gateway, con precio por GB para que la cifra que preveas sea la cifra que pagues. Las decisiones a nivel de plan están en cómo elegir el plan de proxy residencial adecuado.