Binnen de internationale podcastsector wordt gewerkt aan een nieuwe methode om bots, AI-systemen en frauduleuze podcastapps beter te herkennen. De technologie moet voorkomen dat geautomatiseerde downloads worden aangezien voor echte luisteraars en daarmee de betrouwbaarheid van podcaststatistieken aantasten.
De aanleiding is de sterke groei van geautomatiseerd verkeer dat zich voordoet als reguliere podcastsoftware. Uit cijfers van podcastplatform Buzzsprout blijkt dat het aandeel downloads dat wordt toegeschreven aan webbrowsers in oktober 2026 is gestegen naar 18,2 procent, tegenover 8,8 procent in september. Daarmee is het aandeel in één maand meer dan verdubbeld. Vermoed wordt dat een deel van deze downloads afkomstig is van bots en andere geautomatiseerde systemen die zich als normale browsers identificeren.
Momenteel herkennen podcastplatforms de software waarmee audiobestanden worden opgevraagd voornamelijk via een zogenoemde user-agent. Deze identificatie is relatief eenvoudig te vervalsen. Daardoor kunnen bots zich bijvoorbeeld voordoen als Apple Podcasts of andere bekende podcastapps.
Nieuwe verificatietechnologie
Binnen het Podcast Standards Project wordt daarom gekeken naar een aanvullende beveiligingsmethode op basis van Common Access Tokens (CAT), een bestaande open standaard uit de streamingwereld. Het idee is dat podcastapps met een digitale handtekening kunnen aantonen welke partij achter een downloadverzoek zit. Een hostingprovider kan vervolgens controleren of een aanvraag daadwerkelijk afkomstig is van de opgegeven applicatie. De technologie moet podcastuitgevers meer inzicht geven in de herkomst van downloads, zonder dat gebruikers zich extra hoeven te identificeren. Het voorgestelde systeem bevat geen persoonlijke gegevens over individuele luisteraars. De ontwikkelaars geven aan dat het niet de bedoeling is om onbekende of kleinere podcastapps automatisch te blokkeren. De verificatie moet vooral aanvullende informatie opleveren waarmee hostingproviders betrouwbaar verkeer beter kunnen onderscheiden van verdachte aanvragen. Het initiatief bevindt zich nog in een experimentele fase. Op 5 november werd een kleinschalige proef met de technologie aangekondigd. Er is nog geen sprake van een definitieve standaard voor de podcastsector.
Financiële gevolgen voor podcastuitgevers
Downloads vormen een belangrijke basis voor de rapportage van bereikcijfers en de waardering van podcastadvertenties. Wanneer geautomatiseerd verkeer onvoldoende wordt herkend, kan dit leiden tot een vertekend beeld van de daadwerkelijke luisteraantallen. Daarnaast veroorzaken bots extra dataverkeer en daarmee hogere kosten voor podcastuitgevers en hostingproviders. Vooral de opkomst van AI-systemen die op grote schaal audiocontent verzamelen, zorgt voor nieuwe uitdagingen. Een betrouwbaardere identificatie van podcastapps kan helpen om deze vormen van verkeer beter in kaart te brengen. Daarmee raakt de ontwikkeling niet alleen aan de betrouwbaarheid van luistercijfers, maar ook aan de bescherming en betaalbaarheid van open podcastdistributie.
WAARDEER DIT ARTIKEL!
Als je dit artikel waardeert en je waardering wilt laten blijken met een kleine bijdrage, dan kan dat. Zo help je onafhankelijke mediajournalistiek in stand houden.
