Toda lista de los sitios web más scrapeados sale de los registros privados de alguien, así que es difícil de comprobar. Queríamos una que usted pudiera reconstruir. El 30 de octubre de 2026 descargamos las estadísticas públicas de los scrapers listos para usar más populares de la Apify Store: 8.186 scrapers que en sus últimos 30 días sumaron 239,8 millones de ejecuciones. Asignamos cada uno al sitio web al que apunta y clasificamos los sitios. Si recopila datos de alguno de ellos, las notas de configuración con proxies residenciales del final muestran lo que suele funcionar para cada tipo de objetivo.
Para las tendencias generales detrás de estas cifras, vea el estado del web scraping en 2026. Este artículo son los datos.
Conclusiones clave
- Instagram y LinkedIn concentran el 43,5 % de la demanda de un solo sitio. Instagram lidera con el 25,3 % y LinkedIn le sigue con el 18,2 %.
- Cuatro sitios suman el 60,0 %: Instagram, LinkedIn, TikTok y Google Maps.
- Las redes sociales y el vídeo representan el 56,0 % de la demanda y el 60,2 % de las ejecuciones.
- Las propiedades de Meta suman el 35,9 % y las de Google el 19,6 %.
- Los motores de respuesta con IA apenas aparecen: 0,1 % de la demanda.
- La mayoría de los grandes objetivos funcionan sin problemas. Siete de los ocho primeros sitios tienen una tasa de éxito del 98,5 % o más. Las tasas más bajas corresponden a objetivos regionales y de viajes como Naver, Taobao, ImmobilienScout24 y Google Flights.
Cómo lo medimos
La API de la Apify Store publica, para cada scraper público (un “Actor”), su número de usuarios en los últimos 30 días y el resultado de sus ejecuciones públicas en el mismo periodo: correctas, fallidas, agotadas por tiempo o abortadas.
- Recopilar. El 30 de octubre de 2026 leímos los primeros 10.000 puestos del ranking de popularidad de la propia Store, que devolvieron 8.186 scrapers únicos de 104.320 publicados.
- Asignar un objetivo. Asignamos cada scraper a un solo sitio web según su nombre y título, por ejemplo “Instagram Profile Scraper” a Instagram. Un scraper que nombra varias plataformas fue a la primera que detectaron nuestras reglas, así que las cuotas entre las grandes redes sociales son aproximadas.
- Clasificar. Clasificamos los sitios por la suma de usuarios activos en 30 días de todos los scrapers de ese sitio, y mostramos al lado las ejecuciones y sus resultados.
Hay cuatro salvedades importantes:
- Es demanda de autoservicio, no el tráfico total. Los equipos que usan sus propios scrapers no aparecen aquí.
- Los usuarios se cuentan por scraper. Una persona que usa tres scrapers de Instagram cuenta tres veces, así que los sitios con muchos scrapers especializados parecen más grandes.
- El 13,8 % de la demanda no está ligado a un solo sitio. Los crawlers genéricos, los navegadores RAG, los buscadores de contactos y las bases de datos de leads quedan fuera de la clasificación.
- Una ejecución fallida no prueba un bloqueo. Las ejecuciones también fallan por datos de entrada erróneos, cambios en el sitio y límites de tiempo fijados por el usuario.
Los 15 sitios web más scrapeados de 2026
La cuota es la parte de cada sitio en los usuarios activos de 30 días de todos los scrapers que apuntan a un solo sitio.
| Puesto | Sitio web | Cuota de la demanda de un solo sitio | Ejecuciones en 30 días | Ejecuciones por usuario |
|---|---|---|---|---|
| 1 | 25,3 % | 51,0 M | 239 | |
| 2 | 18,2 % | 37,2 M | 244 | |
| 3 | TikTok | 8,7 % | 33,9 M | 464 |
| 4 | Google Maps | 7,8 % | 17,4 M | 266 |
| 5 | 6,5 % | 18,1 M | 330 | |
| 6 | YouTube | 6,5 % | 8,4 M | 153 |
| 7 | Google Search | 3,6 % | 13,6 M | 447 |
| 8 | X (Twitter) | 3,5 % | 17,5 M | 594 |
| 9 | Facebook Ads Library | 3,1 % | 4,8 M | 186 |
| 10 | 2,8 % | 1,9 M | 84 | |
| 11 | Amazon | 1,6 % | 2,3 M | 169 |
| 12 | Indeed | 1,5 % | 2,9 M | 233 |
| 13 | Douyin | 0,8 % | 0,10 M | 15 |
| 14 | Threads | 0,7 % | 0,74 M | 132 |
| 15 | Naukri | 0,6 % | 0,10 M | 18 |
Destacan tres patrones.
Dominan las plataformas sociales. Perfiles, publicaciones, comentarios y vídeos de Instagram, TikTok, Facebook y YouTube son la materia prima de la monitorización de redes sociales, la búsqueda de influencers y el seguimiento de marca, y ese trabajo se hace a diario.
X se ejecuta por usuario mucho más que cualquier otro sitio del top 15. 594 ejecuciones por usuario activo en 30 días, frente a 239 de Instagram. Le siguen TikTok (464) y Google Search (447). Una proporción alta apunta a una recopilación programada y repetida, no a extracciones puntuales.
Google Maps en el cuarto puesto es una historia de generación de leads. Sus 152 scrapers están hechos para recopilar fichas de empresas, reseñas y datos de contacto. Explicamos el método en cómo scrapear datos de negocios locales.
Demanda de scraping por categoría
Las redes sociales y el vídeo concentran más de la mitad de la demanda, y las tres primeras categorías suman el 82,3 %.
| Categoría | Cuota de la demanda de un solo sitio | Cuota de ejecuciones | Principales objetivos |
|---|---|---|---|
| Redes sociales y vídeo | 56,0 % | 60,2 % | Instagram, TikTok, Facebook, YouTube, X |
| Datos B2B y profesionales | 18,3 % | 16,8 % | LinkedIn, Crunchbase |
| Mapas y negocios locales | 8,0 % | 8,6 % | Google Maps, Yelp |
| Buscadores y datos SEO | 5,2 % | 6,5 % | Google Search, Google Trends, Similarweb |
| E-commerce y marketplaces | 3,9 % | 1,9 % | Amazon, AliExpress y Alibaba, Taobao y Tmall |
| Inteligencia publicitaria | 3,5 % | 2,5 % | Facebook Ads Library, Google Ads Transparency Center |
| Empleo y talento | 2,7 % | 1,8 % | Indeed, Naukri, Glassdoor |
| Viajes | 0,9 % | 0,8 % | Airbnb, Tripadvisor, Booking.com |
| Inmobiliario | 0,6 % | 0,6 % | Zillow, Idealista |
| Reseñas | 0,5 % | 0,1 % | Trustpilot, G2 |
| Tiendas de apps y desarrolladores | 0,3 % | 0,1 % | Google Play, Apple App Store |
| Motores de respuesta con IA | 0,1 % | 0,0 % | ChatGPT, Perplexity, Gemini |
Los datos de empleo pesan más de lo que indica su fila: los scrapers de empleos de LinkedIn están bajo LinkedIn, en la fila B2B.
El e-commerce parece pequeño, y eso engaña. La monitorización de precios y catálogos a gran escala suele construirse internamente o comprarse como feed, así que rara vez aparece como demanda del marketplace. Aun así, Amazon ocupa por sí solo el puesto once.
Sitios web con las tasas de éxito de scraping más bajas
Popular no significa fácil. La tabla muestra los objetivos con las tasas de éxito más bajas entre los que tuvieron al menos 50.000 ejecuciones en 30 días.
| Sitio web | Ejecuciones correctas | Fallidas o agotadas por tiempo | Abortadas | Ejecuciones en 30 días |
|---|---|---|---|---|
| Naver | 79,0 % | 0,3 % | 20,7 % | 50.991 |
| Taobao y Tmall | 81,4 % | 18,6 % | 0,0 % | 140.407 |
| Google Trends | 89,0 % | 5,7 % | 5,2 % | 119.170 |
| ImmobilienScout24 | 89,9 % | 10,1 % | 0,0 % | 132.649 |
| Google Flights y Hotels | 92,1 % | 7,7 % | 0,2 % | 149.021 |
| Google Play | 94,7 % | 1,6 % | 3,8 % | 69.753 |
| Trustpilot | 95,9 % | 2,5 % | 1,5 % | 126.576 |
| 96,2 % | 3,0 % | 0,8 % | 1.943.609 | |
| YouTube | 97,0 % | 2,8 % | 0,2 % | 8.432.062 |
| Apple App Store | 97,1 % | 0,5 % | 2,4 % | 54.734 |
La lista tiene una forma clara:
- Las plataformas regionales son las que más fallan. Taobao y Tmall, ImmobilienScout24 y Naver sirven cada una a un mercado local. El acceso desde fuera de ese mercado es una fuente habitual de problemas, aunque los datos no registran la causa de cada fallo.
- Naver es un caso aparte. Casi todas sus ejecuciones fallidas se abortaron, es decir, se detuvieron antes de terminar, en lugar de fallar. Los datos no dicen por qué.
- Los precios de viajes son difíciles. En Google Flights y Hotels, el 7,7 % de las ejecuciones fallaron o se agotaron por tiempo. Nuestra guía sobre scraping de precios de vuelos y hoteles explica por qué ahí importan la ubicación y la sesión.
- Escala no significa dificultad. YouTube y Reddit están en esta lista con millones de ejecuciones, pero la mayoría de los grandes objetivos sociales se mantienen por encima del 98,5 %.
Una ejecución correcta no siempre son datos correctos. Un sitio puede devolver una página vacía o desactualizada con un código de estado normal, así que revise el contenido, no solo el resultado.
Otros hallazgos
Los motores de respuesta con IA apenas aparecen. Los scrapers para ChatGPT, Perplexity y Gemini sumaron 1.042 usuarios activos y 82.543 ejecuciones, cerca del 0,1 % de la demanda. Eso dice más de este marketplace que del tráfico de búsqueda con IA en general.
Meta y Google dominan. Instagram, Facebook, la Facebook Ads Library, Threads y Facebook Marketplace suman el 35,9 % de la demanda de un solo sitio. Las propiedades de Google (Maps, Search, YouTube, Trends, el Ads Transparency Center, Flights y Hotels, News, Play, Jobs, Shopping y Scholar) suman el 19,6 %.
Las plataformas chinas suman. Douyin, Taobao y Tmall, Xiaohongshu (RedNote), Bilibili y Weibo suman el 1,8 % de la demanda, más que el 1,6 % de Amazon.
Configuración de proxies por tipo de objetivo
El conjunto de datos no registra qué proxies usó cada ejecución, así que estas son notas generales, no conclusiones. La configuración adecuada depende de cómo se defiende cada sitio:
| Tipo de objetivo | Ejemplos | Lo que suele bloquear | Configuración a considerar |
|---|---|---|---|
| Plataformas sociales | Instagram, TikTok, X, Reddit | Límites por IP, muros de inicio de sesión ante peticiones repetidas | IPs residenciales rotativas, pocas peticiones por IP, solo páginas públicas |
| Datos profesionales y de empleo | LinkedIn, Indeed, Naukri | Límites de frecuencia estrictos, avisos de inicio de sesión | IPs residenciales rotativas, ritmo lento, listados sin sesión |
| Mapas y local | Google Maps, Yelp | Los resultados cambian según la ciudad | IPs residenciales con segmentación por ciudad |
| Portales regionales | Naver, Taobao, ImmobilienScout24 | El tráfico extranjero parece sospechoso | IPs residenciales en el país objetivo, sesiones sticky para flujos de varias páginas |
| Viajes y e-commerce | Google Flights, Amazon | Renderizado de JavaScript, fingerprinting, reputación de IP | IPs residenciales y un navegador real, una sesión sticky por búsqueda |
Una nota sobre lo que recopila
Que un sitio se scrapee mucho no hace legal cualquier tipo de recopilación en él. Las páginas públicas sin sesión son un caso distinto del contenido tras un inicio de sesión, y los perfiles de redes sociales y profesionales suelen contener datos personales, lo que pone en juego la normativa de privacidad. Lea ¿es legal el web scraping? antes de construir sobre cualquiera de estos objetivos y consulte a un abogado sobre su proyecto concreto.
En resumen
En esta instantánea de 30 días, Instagram, LinkedIn, TikTok y Google Maps concentran el 60 % de la demanda de scraping de un solo sitio, y las plataformas sociales y de vídeo superan por sí solas la mitad. Los grandes objetivos funcionan en su mayoría sin problemas. Las tasas de éxito más bajas son de plataformas regionales y precios de viajes, donde la ubicación y la gestión de la sesión deciden si una ejecución funciona.
Nota sobre los datos: las cifras proceden de estadísticas públicas de la Apify Store descargadas por Shifter el 30 de octubre de 2026, y cubren 8.186 scrapers públicos y 239,8 millones de ejecuciones en los 30 días anteriores de cada scraper. Describen la actividad de este conjunto de datos, no todo el web scraping de internet. Las tasas de éxito describen resultados de ejecuciones en el conjunto de datos y no son una medida definitiva de lo difícil que es scrapear un sitio web.