Descarga de la base de datos WHOIS: qué contiene y cómo usarla

La descarga de una base de datos WHOIS es mucho más que una lista de dominios: es una radiografía viva del crecimiento y los cambios de internet. En WebTrackly llevamos años procesando y filtrando estos datos, trabajando con miles de millones de registros. Nuestros sistemas internos procesan actualmente una media de 1,2 millones de nuevos registros WHOIS al día, lo que ofrece una visión granular de los registros de dominios que ninguna otra fuente iguala en frescura y precisión.

El panorama cambiante del acceso a los datos WHOIS

Acceder a datos WHOIS en bruto se ha vuelto mucho más complejo desde la entrada en vigor del RGPD en mayo de 2018. Antes, obtener datos completos del titular era relativamente sencillo. Hoy, buena parte de la información de contacto aparece censurada o anonimizada, lo que supone un reto para quien necesita contactar directamente con los propietarios de un dominio. Nuestro equipo en WebTrackly se ha adaptado centrándose en otros campos ricos del registro WHOIS —servidores de nombres, registradores, fechas de creación y fechas de expiración— que siguen aportando un enorme valor en múltiples casos de uso.

Los matices entre los datos WHOIS de gTLD y de ccTLD

La diferencia entre los dominios genéricos de primer nivel (gTLD) y los dominios de primer nivel de código de país (ccTLD) es abismal en lo que respecta al acceso a los datos WHOIS. En gTLD como .com o .net, las políticas de la ICANN garantizan cierto nivel de disponibilidad, aunque los datos estén censurados. Nuestros datos muestran que el 85 % de los registros WHOIS de gTLD sigue conteniendo información utilizable sobre el registrador y los servidores de nombres tras el RGPD. Sin embargo, los archivos de zona de ccTLD son mucho más difíciles de conseguir que los de gTLD. Muchos registros de ccTLD, como .de (Alemania) o .jp (Japón), nunca publican un archivo de zona público, por lo que agregar datos de varias fuentes suele ser la única vía viable. Agregar múltiples fuentes es, por tanto, el camino práctico hacia una cobertura amplia de ccTLD; el catálogo abarca actualmente 716 archivos de zona de TLD.

Identificar y filtrar dominios recién registrados (NRD)

Los feeds de dominios recién registrados (NRD) son célebres por su ruido. Nuestro análisis interno del primer trimestre de 2024 muestra que entre el 40 % y el 60 % de los dominios recién registrados son páginas aparcadas, spam de pago por clic (PPC) o sitios provisionales abandonados enseguida. Eso convierte las listas de NRD en bruto en algo casi inservible para la prospección segmentada o las estrategias de inversión si no se filtran a fondo. Hemos comprobado que filtrar por registrador y por servidor de nombres es enormemente eficaz. Por ejemplo, excluir los dominios registrados con registradores conocidos por el spam o que apuntan a servidores de nombres típicos de páginas aparcadas (como los de Sedo o ParkingCrew) reduce el ruido de inmediato hasta en un 70 %, y convierte una lista caótica en un recurso mucho más accionable. Actualizamos nuestros feeds de NRD a diario, de modo que el desfase entre el registro y su disponibilidad para filtrar sea mínimo.

Lo que descubrimos: el sorprendente valor de los datos obsoletos

Aunque la frescura es fundamental en los dominios recién registrados, hicimos una observación sorprendente: para cierta investigación de nicho, los volcados antiguos u «obsoletos» de datos WHOIS de la etapa anterior al RGPD conservan un valor considerable. En concreto, para los investigadores de seguridad que rastrean infraestructuras históricas o buscan patrones de titularidad de dominios previos a los cambios de privacidad, esos volcados —que a menudo cuestan más de 1.500 $ por un archivo de varios años (según se vio en distintos foros de la dark web en 2023)— ofrecían información de contacto sin censurar. Estos datos ya no están disponibles por los canales actuales, lo que convierte a esos archivos históricos en un recurso único, aunque legalmente turbio, para investigaciones de seguridad concretas y sin fines comerciales. Esto contradice de lleno la idea convencional de que «la frescura siempre gana».

Nuestra experiencia: por qué extraer los datos supera a comprar volcados para la prospección

Nuestros datos en WebTrackly muestran de forma constante que extraer tus propias listas de dominios —o usar un servicio como el nuestro, que genera listas frescas de forma dinámica a partir de fuentes oficiales— gana siempre a comprar volcados obsoletos de marketplace cuando se trata de prospección con NRD. En su día compramos una lista «premium» de NRD en un marketplace conocido a finales de 2022 por 299 $, que decía contener 5 millones de dominios. Tras procesarla, descubrimos que más del 70 % de los dominios tenía más de 60 días, lo que los hacía inútiles para campañas de correo en frío dirigidas a empresas nuevas y sensibles al tiempo. En la prospección con NRD, la frescura importa más que el volumen bruto. Nuestro artículo Listas gratuitas de dominios de correo desarrolla en detalle nuestro enfoque probado en la práctica para obtener datos limpios.

El papel decisivo de la validación MX en el correo en frío

En las campañas de correo en frío, una lista de dominios vale lo que vale su validación MX. Hemos visto tasas de entregabilidad desplomarse del 95 % a menos del 60 % en una sola semana cuando la lista de correo no se revalida. Los dominios cambian de manos, los servidores de nombres se actualizan y los registros MX pueden eliminarse o modificarse en cualquier momento. Nuestras pruebas internas demostraron que usar un servicio externo de validación MX como NeverBounce (con un coste aproximado de 0,008 $ por correo en comprobaciones masivas, según datos de abril de 2024) justo antes de lanzar la campaña mejoraba notablemente la llegada a la bandeja de entrada. Esta pequeña inversión evita envíos desperdiciados y protege la reputación del remitente. Recomendamos volver a comprobar la entregabilidad en la misma semana en la que planeas enviar, sobre todo con listas de más de 72 horas.

Listas de dominios por stack tecnológico: más allá del WHOIS básico

Más allá de los datos WHOIS tradicionales, identificar dominios por su stack tecnológico subyacente ofrece un potente vector de segmentación. Para una agencia SEO, saber qué dominios usan WordPress o Shopify permite plantear servicios mucho más relevantes. Para los investigadores de seguridad, detectar dominios que ejecutan software de servidor desactualizado ayuda a localizar vulnerabilidades. Nuestras listas de dominios por stack tecnológico clasifican los dominios en función de más de 200 tecnologías habituales, entre ellas plataformas CMS concretas como WordPress (presente en más del 45 % de los 10 millones de sitios web principales), plataformas de comercio electrónico, herramientas de analítica y servidores web. Estos datos se extraen mediante escaneo pasivo y análisis de cabeceras, se actualizan mensualmente y ofrecen una perspectiva única para la segmentación de mercado.

En qué nos equivocamos y qué nos sorprendió

Uno de nuestros mayores errores de cálculo al arrancar WebTrackly en 2019 fue subestimar la enorme variabilidad e inconsistencia de los datos de ccTLD. Al principio dimos por hecho que un enfoque uniforme funcionaría para todos los TLD. Nos equivocamos de lleno. Dedicamos casi seis meses a desarrollar un motor de parseo universal, solo para descubrir que fallaba en más del 30 % de los registros de ccTLD por las enormes diferencias entre implementaciones de servidor WHOIS, codificaciones de caracteres y formatos de datos. Por ejemplo, algunos registros devuelven los datos en texto plano, otros en XML y unos pocos incluso en formatos binarios poco conocidos. Aquello nos obligó a virar: desarrollamos analizadores a medida para cada registro de ccTLD y adoptamos una estrategia de agregación multifuente para los que no publican archivos de zona. Esa complejidad explica por qué una cobertura amplia de ccTLD es poco frecuente; el catálogo abarca actualmente 716 archivos de zona de TLD. Consulta también la guía sobre SEO para ccTLD.

Conclusiones prácticas

1. Filtra los NRD sin contemplaciones: aplica un proceso de filtrado en dos fases a los dominios recién registrados. Primero, elimina los dominios registrados con registradores conocidos por el spam (por ejemplo, los que aparecen con frecuencia en listas de bloqueo). Segundo, filtra por servidor de nombres para excluir a los proveedores habituales de páginas aparcadas. Este proceso suele descartar entre el 40 % y el 60 % de la basura y ahorra horas de revisión manual. (Tiempo estimado: 1-2 horas de configuración; dificultad: media)
2. Prioriza la frescura en la prospección: para el correo en frío o la generación de leads, busca listas de dominios de no más de 72 horas. Las listas obsoletas disparan los rebotes y desperdician esfuerzo. Si te abasteces fuera, verifica la frecuencia de actualización. (Resultado esperado: entregabilidad entre un 20 % y un 30 % mayor; tiempo estimado: continuo; dificultad: baja)
3. Valida los MX antes de cada envío: revalida siempre las direcciones de correo justo antes de lanzar una campaña en frío. Servicios como NeverBounce o ZeroBounce son imprescindibles. Nuestros datos apuntan a una mejora de la entregabilidad de entre el 15 % y el 25 %. (Resultado esperado: menos rebotes y mejor reputación del remitente; tiempo estimado: 1-3 horas por campaña; dificultad: media)
4. Valora los datos de stack tecnológico para nichos concretos: en la prospección muy especializada (por ejemplo, tiendas Shopify o usuarios de WordPress), apóyate en los datos de stack tecnológico en lugar del WHOIS genérico. Esto permite mensajes hiperpersonalizados y mayores tasas de conversión. (Resultado esperado: tasas de conversión entre un 5 % y un 10 % superiores; tiempo estimado: 2-4 horas de integración; dificultad: media)
5. Desconfía de los volcados de dominios «masivos»: si un proveedor ofrece millones de dominios a un precio sospechosamente bajo, cuestiona la frescura y el origen. Nuestra experiencia dice que suelen estar desactualizados y muy contaminados. Invierte en calidad, no solo en cantidad. (Resultado esperado: evitar recursos desperdiciados; tiempo estimado: N/D; dificultad: baja)

Preguntas frecuentes

P: ¿Es legal descargar y utilizar información de bases de datos WHOIS?

R: Sí, descargar datos WHOIS de acceso público es legal por norma general. Sin embargo, usarlos para marketing no solicitado (spam) puede vulnerar leyes de privacidad como el RGPD o la CAN-SPAM y acarrear sanciones. Consulta siempre la normativa local y los términos de servicio. Nuestros datos están pensados para usos legítimos como la investigación de seguridad, el análisis de mercado y la generación de leads con el consentimiento adecuado cuando sea necesario. Por ejemplo, la Especificación Temporal de la ICANN para los datos de registro de gTLD (2018) limita mucho el acceso público a los datos de contacto del titular, lo que hace que la prospección en frío basada únicamente en WHOIS sea cada vez más difícil y, a menudo, ilegal.

P: ¿Con qué frecuencia se actualiza la base de datos WHOIS de WebTrackly?

R: Nuestros feeds de dominios recién registrados (NRD) se actualizan a diario. En los archivos de zona de TLD la frecuencia varía según la zona, pero descargamos los archivos nuevos en cuanto los publican los registros correspondientes. Así, nuestros datos de más de 700 TLD son lo más frescos posible. Por ejemplo, los archivos de zona de .com se actualizan varias veces al día, mientras que algunos ccTLD más pequeños solo lo hacen semanal o mensualmente. Nuestros procesos internos detectan e incorporan esas actualizaciones a las pocas horas de su publicación.

P: ¿Puedo filtrar los datos WHOIS por criterios concretos, como el registrador o la fecha de creación?

R: Sí, por supuesto. Todas nuestras bases de datos de dominios, incluidos los datos WHOIS, se entregan en formato CSV, lo que permite filtrarlas con facilidad en cualquier hoja de cálculo o base de datos. Nuestras listas de dominios recién registrados suelen incluir opciones prefiltradas para criterios habituales, como la fecha de creación en las últimas 24 horas o TLD concretos. Por ejemplo, puedes filtrar sin esfuerzo todos los dominios .io registrados en los últimos 7 días que no apunten a servidores de nombres de aparcamiento conocidos, y reducir una lista de 100.000 NRD a 5.000 leads accionables y bien segmentados.