Download de base WHOIS: o que você recebe e como usar

Um download de base WHOIS é muito mais do que uma lista de domínios: é um retrato vivo do crescimento e das mudanças da internet. Na WebTrackly, passamos anos processando e filtrando esses dados, lidando com bilhões de registros. Nossos sistemas internos processam hoje, em média, 1,2 milhão de novos registros WHOIS por dia, oferecendo uma visão granular dos registros de domínio que nenhuma outra fonte iguala em frescor e precisão.

Como o acesso aos dados WHOIS mudou

Acessar dados WHOIS brutos ficou bem mais complexo desde a entrada em vigor do GDPR, em maio de 2018. Antes disso, obter os dados completos do titular era relativamente simples. Hoje, boa parte das informações de contato aparece redigida ou anonimizada, o que complica a vida de quem precisa falar diretamente com os donos dos domínios. Nosso time na WebTrackly se adaptou concentrando-se em outros pontos ricos do registro WHOIS — nameservers, registrars, datas de criação e datas de expiração —, que seguem entregando enorme valor para diversos casos de uso.

As diferenças entre dados WHOIS de gTLD e de ccTLD

A distinção entre domínios genéricos de topo (gTLDs) e domínios de topo com código de país (ccTLDs) é gritante quando o assunto é acesso a dados WHOIS. Para gTLDs como .com ou .net, as políticas da ICANN garantem certo nível de disponibilidade dos dados, mesmo quando redigidos. Nossos dados mostram que 85% dos registros WHOIS de gTLD ainda trazem informações utilizáveis de registrar e nameserver depois do GDPR. Já os arquivos de zona de ccTLD são muito mais difíceis de obter do que os de gTLD. Muitos registries de ccTLD, como .de (Alemanha) ou .jp (Japão), nunca publicam um arquivo de zona público, de modo que agregar dados de várias fontes costuma ser o único caminho viável. Agregar múltiplas fontes é, portanto, a rota prática para uma cobertura ampla de ccTLD; o catálogo abrange atualmente 716 arquivos de zona de TLD.

Como identificar e filtrar domínios recém-registrados (NRD)

Feeds de domínios recém-registrados (NRD) são notoriamente ruidosos. Nossa análise interna do 1º trimestre de 2024 mostra que de 40% a 60% dos domínios recém-registrados são páginas estacionadas, spam de pay-per-click (PPC) ou sites-placeholder rapidamente abandonados. Isso torna as listas brutas de NRD praticamente inúteis para prospecção segmentada ou estratégias de investimento sem uma filtragem rigorosa. Descobrimos que filtrar por registrar e por nameserver é extremamente eficaz. Excluir domínios registrados em registrars conhecidos por spam ou apontados para nameservers típicos de páginas de estacionamento (como os da Sedo ou da ParkingCrew), por exemplo, reduz o ruído imediatamente em até 70%, transformando uma lista caótica em um recurso muito mais acionável. Atualizamos nossos feeds de NRD diariamente, garantindo o menor intervalo possível entre o registro do domínio e sua disponibilidade para filtragem.

O que descobrimos: o valor surpreendente dos dados antigos

Embora o frescor seja fundamental para domínios recém-registrados, fizemos uma observação surpreendente: em certas pesquisas de nicho, dumps antigos de dados WHOIS de marketplace, do período anterior ao GDPR, ainda têm valor significativo. Para pesquisadores de segurança que rastreiam infraestrutura histórica ou buscam padrões de titularidade de domínios antes das mudanças de privacidade, esses dumps — que muitas vezes custam mais de US$ 1.500 por um arquivo de vários anos (conforme visto em diversos fóruns da dark web em 2023) — trazem informações de contato sem redação. Esses dados não estão mais disponíveis pelos canais atuais, o que faz desses arquivos históricos um recurso único, ainda que juridicamente nebuloso, para investigações de segurança específicas e não comerciais. Isso contraria diretamente a máxima de que "dado fresco sempre ganha".

Nossa experiência: por que coletar supera comprar dumps na prospecção

Nossos dados na WebTrackly mostram de forma consistente que coletar suas próprias listas de domínios — ou usar um serviço como o nosso, que gera listas frescas dinamicamente a partir de fontes oficiais — supera a compra de dumps velhos de marketplace em toda prospecção com NRD. Certa vez compramos uma lista "premium" de NRD em um marketplace conhecido, no fim de 2022, por US$ 299, com a promessa de 5 milhões de domínios. Depois de processá-la, descobrimos que mais de 70% dos domínios tinham mais de 60 dias, o que os tornava inúteis para campanhas de cold email sensíveis ao tempo voltadas a novos negócios. Na prospecção com NRD, o frescor pesa mais que o volume bruto. Nosso artigo Listas gratuitas de domínios de e-mail detalha ainda mais nossa abordagem testada em campo para obter dados limpos.

O papel decisivo da validação de MX no cold email

Em campanhas de cold email, uma lista de domínios vale exatamente o que vale sua validação de MX. Já vimos taxas de entregabilidade despencarem de 95% para menos de 60% em uma única semana quando a lista de e-mails não é revalidada. Domínios trocam de dono, nameservers são atualizados e registros MX podem ser removidos ou alterados a qualquer momento. Nossos testes internos mostraram que usar um serviço externo de validação de MX como o NeverBounce (a cerca de US$ 0,008 por e-mail em verificações em lote, em abril de 2024) imediatamente antes do disparo da campanha melhorou bastante as taxas de entrega na caixa de entrada. Esse pequeno investimento evita envios desperdiçados e protege a reputação do remetente. Recomendamos rechecar a entregabilidade na mesma semana do envio previsto, especialmente para listas com mais de 72 horas.

Listas de domínios por stack tecnológico: além do WHOIS básico

Para além do WHOIS tradicional, identificar domínios pelo stack tecnológico que os sustenta abre um vetor de segmentação poderoso. Para agências de SEO, saber quais domínios usam WordPress ou Shopify permite ofertas de serviço muito mais aderentes. Para pesquisadores de segurança, identificar domínios rodando software de servidor desatualizado ajuda a localizar vulnerabilidades. Nossas listas de domínios por stack classificam domínios com base em mais de 200 tecnologias comuns, incluindo plataformas de CMS específicas como WordPress (presente em mais de 45% dos 10 milhões de sites mais acessados), plataformas de e-commerce, ferramentas de analytics e servidores web. Esses dados são extraídos por varredura passiva e análise de cabeçalhos, com atualização mensal, oferecendo uma lente única para segmentação de mercado.

O que erramos e o que nos surpreendeu

Um dos nossos maiores erros de cálculo quando criamos a WebTrackly, em 2019, foi subestimar a enorme variabilidade e inconsistência dos dados de ccTLD. No começo, presumimos que uma abordagem uniforme funcionaria para todos os TLDs. Estávamos redondamente enganados. Passamos quase seis meses desenvolvendo um motor de parsing universal, só para descobrir que ele falhava em mais de 30% dos registros de ccTLD, por causa de implementações de servidor WHOIS, codificações de caracteres e formatos de dados radicalmente diferentes. Alguns registries devolvem os dados em texto puro, outros em XML e alguns até em formatos binários obscuros. Isso nos obrigou a mudar de rota: passamos a desenvolver parsers específicos para cada registry de ccTLD e adotamos uma estratégia de agregação multifonte para aqueles sem arquivo de zona público. É por causa dessa complexidade que uma cobertura ampla de ccTLD é rara; o catálogo abrange atualmente 716 arquivos de zona de TLD. Veja também o guia sobre SEO para ccTLD.

Conclusões práticas

1. Filtre NRD sem dó: implemente um processo de filtragem em duas etapas para domínios recém-registrados. Primeiro, remova domínios registrados em registrars conhecidos por spam (por exemplo, os que aparecem com frequência em blocklists). Depois, filtre por nameserver para excluir provedores comuns de páginas estacionadas. Esse processo costuma eliminar de 40% a 60% do lixo, poupando horas de revisão manual. (Tempo estimado: 1-2 horas de configuração; Dificuldade: média)
2. Priorize o frescor na prospecção: para cold email ou geração de leads, use listas de domínios com no máximo 72 horas. Listas velhas geram mais bounces e esforço desperdiçado. Se você comprar de terceiros, confirme a frequência de atualização. (Resultado esperado: entregabilidade 20-30% maior; Tempo estimado: contínuo; Dificuldade: baixa)
3. Valide MX antes de cada envio: revalide sempre a entregabilidade dos endereços de e-mail imediatamente antes de lançar uma campanha de cold email. Serviços como NeverBounce ou ZeroBounce são indispensáveis. Nossos dados indicam que isso pode elevar a entregabilidade em 15-25%. (Resultado esperado: menos bounces e melhor reputação de remetente; Tempo estimado: 1-3 horas por campanha; Dificuldade: média)
4. Considere dados de stack para segmentação de nicho: em prospecções muito especializadas (por exemplo, mirando lojas Shopify ou usuários de WordPress), use dados de stack tecnológico em vez do WHOIS genérico. Isso permite mensagens hiperpersonalizadas e taxas de conversão mais altas. (Resultado esperado: conversão 5-10% maior; Tempo estimado: 2-4 horas para integrar; Dificuldade: média)
5. Desconfie de dumps "gigantescos" de domínios: se um fornecedor oferece milhões de domínios por um preço suspeitosamente baixo, questione o frescor e a origem. Nossa experiência mostra que costumam ser dados desatualizados e muito poluídos. Invista em qualidade, não só em quantidade. (Resultado esperado: recursos não desperdiçados; Tempo estimado: N/A; Dificuldade: baixa)

Perguntas frequentes

P: É legal baixar e usar informações de bases WHOIS?

R: Sim, baixar dados WHOIS de acesso público é, em geral, legal. No entanto, usá-los para marketing não solicitado (spam) pode violar leis de privacidade como o GDPR e o CAN-SPAM, gerando penalidades. Verifique sempre a legislação local e os termos de serviço. Nossos dados destinam-se a usos legítimos, como pesquisa de segurança, análise de mercado e geração de leads com o devido consentimento, quando exigido. A Temporary Specification for gTLD Registration Data da ICANN (2018), por exemplo, restringe fortemente o acesso público aos dados de contato do titular, o que torna a prospecção fria baseada apenas em WHOIS cada vez mais difícil e, muitas vezes, ilegal.

P: Com que frequência a base WHOIS da WebTrackly é atualizada?

R: Nossos feeds de domínios recém-registrados (NRD) são atualizados diariamente. No caso dos arquivos de zona de TLD, a frequência varia conforme a zona, mas buscamos os novos arquivos assim que são publicados pelos respectivos registries. Assim, nossos dados de mais de 700 TLDs ficam o mais frescos possível. Os arquivos de zona de .com, por exemplo, são atualizados várias vezes por dia, enquanto alguns ccTLDs menores podem ser atualizados apenas semanal ou mensalmente. Nossos processos internos detectam e ingerem essas atualizações poucas horas após a publicação.

P: Posso filtrar os dados WHOIS por critérios específicos, como registrar ou data de criação?

R: Sim, com certeza. Todas as nossas bases de domínios, incluindo os dados WHOIS, vêm em formato CSV, o que facilita a filtragem em qualquer planilha ou banco de dados. Nossas listas de domínios recém-registrados frequentemente já trazem opções pré-filtradas para critérios comuns, como data de criação nas últimas 24 horas ou TLDs específicos. Você pode, por exemplo, filtrar facilmente todos os domínios .io registrados nos últimos 7 dias que não apontam para nameservers conhecidos de estacionamento, reduzindo uma lista de 100.000 NRDs a 5.000 leads realmente acionáveis.