如何走出流量作弊困局?

2016年,中国移动广告市场规模突破千亿,成为中国乃至全球移动广告市场真正的爆发元年。随着移动广告市场的不断增长,流量作弊与反作弊的这个永恒话题正在不断升温。据WhiteOps数据显示,2016年全球广告主因流量作弊带来的损失达到了72亿美金。审计公司Adloox预计2017年广告主损失预计达到164亿美金,广告主对于假量叫苦不迭也无可奈何。业界尤其是第三方检测公司都在努力防治假量,如通过综合用户终端信息来识别假量,然而随着单纯看IP、看留存和付费的做法已经过时跟不上作弊手段的发展。

WechatIMG45.jpeg

我们在这里从浅层提出些思路来从预防机制的完善上来解决假量这一行业顽疾

研发基于先验知识的识别模式(Pattern Recognition and Heuristics)

无论是对于技术性流量作假(technical fraud)还是看似合规的流量作假(compliancefraud,例如在投放素材上做手脚骗取用户点击),模式化识别都将作为预防流量作弊的基石。技术性作弊大都通过复杂的非人类、机器模拟的Bot流量,尽管目前机器已可以模拟大部分人类操作,但其中49%-65%的机器作弊都比较低级,可以从形式、IP、频度、时间段、后续行为,通过进一步的数据分析,可以将可疑假量识别。当点击都来自同一IP或离散度密集的IP地址,并伴随超高的转化率或大幅优于平均值的安装后表现,这时就可以系统化地把这些流量标记为可疑流量。对于归因作弊下劫持流量的作弊方式,也能够通过观察点击与安装之间的时间间隔来判断是否为真实流量。不断优化的机器学习算法和规则过滤能够帮助广告技术公司通过系统来预防并监测作弊流量。

640.jpg

通过广告展示前的假量监测来预防流量作弊

实时竞价的程序化广告采买的主要优势在于在最终广告展示前才完成出价购买。在这种平台技术下,当收到某一设备的广告请求时,便可在这毫秒之间通过系统监测来判断这一请求是否为真实用户请求还是机器模拟。这种方式能够为广告主带来更为有效的及成本相对较低的反作弊效果。

整合并分析甲方数据

打通内部数据,如安装后的行为数据将助益技术性流量作弊的监测。由于非人类假量(No-human Traffic)在完成转化的第一步安装之后很难继续模仿真实用户的后续操作,通过分析后续应用内事件的数据,如用户留存曲线是否异常、安装后APP内教程完成度、用户达到游戏内级别或是否解锁成就等都会

大大提高假量作弊判断的精准性。当投放某一CPI广告之后,你发现转化流量大多来自离散度密集的IP且安装后in-app活跃度明显低于平均水平,便可把这些流量判定为作弊假量。这一方法同样适用于程序化流量以及品宣类广告流量防作弊。

WechatIMG46.jpeg

建立可疑IP黑名单

一旦发现可疑假量,建议把其添加至黑名单用于之后系统过滤。所有来自同一主机的IP 在经过确认后也会被安装后续事件分析机制来识别。这种后验证的设置能够被当做假量监测机制并节省广告主大量费用。

构建分享业界黑名单

想要预防日益猖獗且花样百出的作弊假量,仅靠每个平台单独的自建数据黑名单还是很难做到面面俱到。理想化的解决方案是行业内能够站在中立的立场共享使用黑名单来净化移动广告业界的作弊假量不良风气。

广告流量作弊像是猫抓老鼠的游戏,在暴利驱使造价成本远低于获取真实用户成本情况下,彻底消除流量作弊将是一项短期内难以完成的充满挑战性的任务,但目前我们可以不断提高作弊者的作弊成本来还原数据本真。在健康的行业发展道路上,为了实现开放、透明、安全的行业目标,广告主、平台、媒体还有很多路要走,建造反作弊模型与系统任重而道远。