上一篇文章《數(shù)”說(shuō)買(mǎi)量|從數(shù)據(jù)看“買(mǎi)量”行業(yè)發(fā)展趨勢(shì)!》，我介紹了“刷量”是從何時(shí)開(kāi)始的，還介紹了“刷量“對(duì)激活轉(zhuǎn)化率的影響，吸引了不少群眾的圍觀，但大多數(shù)人還不知道“刷量”其中的套路，我們這篇就輕輕的扒一扒“刷量”的手法，目的還是為了讓更多的人關(guān)注整個(gè)行業(yè)的健康發(fā)展。

先來(lái)看一個(gè)數(shù)據(jù)，大家感受一下，從2016年3月開(kāi)始至今，我司的移動(dòng)廣告監(jiān)測(cè)產(chǎn)品累計(jì)積累了超過(guò)30億個(gè)獨(dú)立的移動(dòng)設(shè)備ID。發(fā)這個(gè)數(shù)據(jù)不是為了讓大家感覺(jué)我們有多牛逼(全中國(guó)才有多少人啊)，我司無(wú)法阻止“刷量”，只能靠技術(shù)識(shí)別哪些是“刷量”，所以請(qǐng)大家不要再問(wèn)我們的產(chǎn)品是不是可以防止刷量了，想要先讓大家拍腦袋猜一下其中有多少設(shè)備ID是真實(shí)的用戶(hù)?據(jù)我們的統(tǒng)計(jì)，其中有超過(guò)75%的設(shè)備ID在“產(chǎn)生點(diǎn)擊”或者激活A(yù)PP后沒(méi)有任何其他行為，而據(jù)國(guó)外的一些數(shù)據(jù)報(bào)告顯示，這個(gè)比例是25%，說(shuō)明國(guó)內(nèi)的假量比例遠(yuǎn)遠(yuǎn)高于國(guó)外行業(yè)!

為什么有75%的設(shè)備沒(méi)有后續(xù)行為呢?

有一種比較Low的“刷量”手段，是用程序直接模擬生成iOS的IDFA/IP或者Android的IMEI/IP地址發(fā)送給廣告主或者第三方監(jiān)測(cè)平臺(tái)，例如直接用程序模擬生成這樣的IDFA：1E2DFA89-496A-47FD-9941-DF1FC4E6484A，但因?yàn)槟M成真實(shí)的設(shè)備ID的概率太低，所以這類(lèi)方法會(huì)產(chǎn)生大量的垃圾設(shè)備ID。

第二種方法是收集足夠多真實(shí)的設(shè)備ID，再用程序模擬發(fā)送給廣告主或者第三方監(jiān)測(cè)平臺(tái)，因?yàn)楝F(xiàn)在有太多渠道可以廉價(jià)獲得真實(shí)的設(shè)備ID，所以目前大多數(shù)“刷量”的平臺(tái)都采用這種方式，這種行為我將其稱(chēng)為“發(fā)送海量點(diǎn)擊拼運(yùn)氣碰撞激活技術(shù)”，是不是很酷!當(dāng)然這種方法也會(huì)因?yàn)樵O(shè)備ID庫(kù)/IP地址的真實(shí)性、實(shí)時(shí)性、設(shè)備ID的用戶(hù)畫(huà)像準(zhǔn)確性等因素而影響“刷量”效果。

這時(shí)候，就有人說(shuō)了，反正我是看ROI的，要是有刷量ROI肯定不好啊，ROI不好我肯定就不投了啊，這話(huà)絕對(duì)沒(méi)毛病!那是建立在你投放的平臺(tái)是按CPC、CPM、CPT等結(jié)算方式的，要是按CPA結(jié)算呢?

寫(xiě)到這里，我必須先澄清下，我的目的不是說(shuō)所有按CPA結(jié)算的平臺(tái)都有“刷量”，更不是要把CPA渠道一棒子打死，很多CPA渠道假量多也跟其網(wǎng)盟下面作弊的媒體流量有關(guān)，實(shí)事上行業(yè)中有非常多不錯(cuò)的CPA渠道。

為什么說(shuō)“按CPA結(jié)算”有作弊的空子鉆呢?

這里就要先科普一下目前行業(yè)中大家都認(rèn)可的效果類(lèi)廣告歸因模型Last Click模型了：

假設(shè)你同時(shí)在Facebook、Twitter、Google三個(gè)平臺(tái)上面投放廣告，當(dāng)有用戶(hù)依次在三個(gè)平臺(tái)上面點(diǎn)擊了廣告，那么按照3個(gè)平臺(tái)分別的歸因規(guī)則：

Facebook在用戶(hù)點(diǎn)擊后28天內(nèi)的安裝和看過(guò)廣告24小時(shí)內(nèi)安裝也會(huì)歸因?yàn)镕acebook安裝;

Twitter在用戶(hù)點(diǎn)擊后14天內(nèi)的安裝都會(huì)歸因成Twitter數(shù)據(jù);

Google在用戶(hù)點(diǎn)擊后30天內(nèi)的數(shù)據(jù)將歸因?yàn)镚oogle安裝。

而第三方監(jiān)測(cè)平臺(tái)的歸因(Last Click Model)模型使用Last Click跟蹤模式，即將安裝&打開(kāi)APP的用戶(hù)分配給最后產(chǎn)生點(diǎn)擊的渠道。例如用戶(hù)周一點(diǎn)擊了Facebook廣告沒(méi)有下載，周三點(diǎn)擊了Google廣告沒(méi)有下載，周五點(diǎn)擊Twitter廣告并下載了，那這個(gè)安裝會(huì)被其他兩個(gè)渠道算成是他們的安裝，但第三方會(huì)把這個(gè)安裝算給Twitter，當(dāng)然實(shí)際情況還要比這個(gè)例子復(fù)雜許多，假設(shè)廣告主自己做歸因系統(tǒng)，則經(jīng)常會(huì)因?yàn)楹透髌脚_(tái)的差異等問(wèn)題而產(chǎn)生大量溝通、再加上復(fù)雜的作弊識(shí)別算法等技術(shù)的坑，目前90%的公司會(huì)選擇使用第三方監(jiān)測(cè)平臺(tái)。

真實(shí)的廣告投放場(chǎng)景是一個(gè)APP會(huì)同時(shí)在N家廣告平臺(tái)或渠道進(jìn)行投放，所以當(dāng)一個(gè)激活或者安裝產(chǎn)生之后，第三方的歸因系統(tǒng)會(huì)按照歸因模型把這個(gè)用戶(hù)算給某個(gè)平臺(tái)，即本次激活或安裝應(yīng)該匹配到哪一次“點(diǎn)擊”，如果是正常的用戶(hù)點(diǎn)擊和激活行為，按照Last Click Model，可以很好的進(jìn)行歸因，但當(dāng)有平臺(tái)刷“點(diǎn)擊”的時(shí)候，就會(huì)導(dǎo)致2個(gè)嚴(yán)重的問(wèn)題：

1.其他平臺(tái)的量被“刷”走。

舉個(gè)例子說(shuō)明：比如用戶(hù)A在今日頭條點(diǎn)擊了一個(gè)廣告，然后跳轉(zhuǎn)到了Appstore進(jìn)行下載、而這個(gè)時(shí)候“刷量”平臺(tái)剛好也給廣告主或者第三方監(jiān)測(cè)平臺(tái)發(fā)送了用戶(hù)A點(diǎn)擊廣告的數(shù)據(jù)，而當(dāng)用戶(hù)下載完APP后，這個(gè)用戶(hù)就會(huì)被算為“刷量”平臺(tái)的用戶(hù)。

2.“自然量”會(huì)被“刷”走。

因?yàn)楹芏嘤脩?hù)會(huì)直接通過(guò)Appstore進(jìn)行下載APP，而這個(gè)時(shí)候如果在用戶(hù)下載前，“刷量”平臺(tái)剛好發(fā)送了一條點(diǎn)擊廣告的數(shù)據(jù)，這個(gè)用戶(hù)也會(huì)被算為“刷量”平臺(tái)的用戶(hù)。

如上2個(gè)問(wèn)題一般會(huì)導(dǎo)致：如果廣告主同時(shí)在多個(gè)平臺(tái)進(jìn)行廣告投放的情況下，正規(guī)平臺(tái)的量有一定概率會(huì)被“刷”走，從而會(huì)影響廣告主對(duì)平臺(tái)效果的評(píng)估，甚至是廣告投放預(yù)算決策的錯(cuò)誤，此外， “自然量”被“刷”走，則會(huì)給廣告主帶來(lái)額外的投放開(kāi)支、甚至是決策錯(cuò)誤，從而影響廣告投放效果。

“刷量”的基本特點(diǎn)包括會(huì)產(chǎn)生大量的點(diǎn)擊、一個(gè)設(shè)備ID每天點(diǎn)擊多次廣告、一個(gè)設(shè)備ID連續(xù)多天點(diǎn)擊廣告、一個(gè)設(shè)備ID每天點(diǎn)擊不同APP的廣告等等，這里有一份真實(shí)的數(shù)據(jù)：

單設(shè)備每日點(diǎn)擊廣告超過(guò)1次的比例：

表示一個(gè)設(shè)備每天點(diǎn)擊相同廣告的次數(shù)，可以從下面表格中的數(shù)據(jù)看到，“刷量”平臺(tái)平均每天有超過(guò)40%的設(shè)備會(huì)“點(diǎn)擊”相同的廣告鏈接，而對(duì)比正常的渠道是9%。

每周超過(guò)1天點(diǎn)擊廣告的比例：

表示在一周內(nèi)，一個(gè)設(shè)備是否會(huì)每天都點(diǎn)擊廣告，“刷量”平臺(tái)會(huì)有超過(guò)35%的設(shè)備會(huì)連續(xù)多天“點(diǎn)擊”廣告鏈接，甚至“刷量平臺(tái)B”這個(gè)數(shù)據(jù)超過(guò)63%。

每天點(diǎn)擊不同APP的數(shù)量大于1的比例：

這個(gè)數(shù)據(jù)是衡量假設(shè)有多個(gè)APP在同一家廣告平臺(tái)進(jìn)行投放，那么其廣告平臺(tái)的用戶(hù)是否會(huì)同一天點(diǎn)擊多個(gè)APP的廣告鏈接，正常情況下只有1.5%的用戶(hù)會(huì)點(diǎn)擊多個(gè)APP的廣告鏈接，而“刷量”平臺(tái)有超過(guò)40%的用戶(hù)，會(huì)每天“點(diǎn)擊”多個(gè)APP的廣告鏈接，這顯然不make sense。

所以說(shuō)按CPA進(jìn)行結(jié)算是有概率進(jìn)行鉆空子的原因，相信大家應(yīng)該明白其中的道理了，建議大家除了關(guān)注成本、回報(bào)，還要關(guān)注下激活轉(zhuǎn)化率，再次強(qiáng)調(diào)一下，并不是所有按CPA結(jié)算的渠道都會(huì)“刷量”，當(dāng)然“刷量”其實(shí)是一個(gè)技術(shù)活，其中的“優(yōu)化算法”還是很有技術(shù)含量的，感興趣的話(huà)。。。我看看能不能邀請(qǐng)現(xiàn)在“刷量”做的最牛的公司給大家介紹(估計(jì)我會(huì)比打死)。

上一篇文章，我貼了這個(gè)激活率趨勢(shì)數(shù)據(jù)，其中是包含了所有“點(diǎn)擊”到“激活”的數(shù)據(jù)，大家回顧一下：

這次我把目前我們監(jiān)測(cè)的超過(guò)1300家廣告平臺(tái)、渠道、APP(反正就是廣告主們用到的所有流量平臺(tái))去掉了沖榜渠道(因?yàn)檗D(zhuǎn)化率實(shí)在太高了)，去掉累計(jì)給廣告主帶來(lái)的激活數(shù)少于10000的平臺(tái)(這樣的平臺(tái)量不大，但很多質(zhì)量很好)，按照激活轉(zhuǎn)化率這個(gè)指標(biāo)進(jìn)行了分區(qū)對(duì)比，大家分別看下最近3個(gè)月的數(shù)據(jù)：

從數(shù)據(jù)當(dāng)中可以看到：

轉(zhuǎn)化率最高的頭部廣告平臺(tái)的平均數(shù)為4.37%，1月到3月趨勢(shì)變化不明顯，3月份還沒(méi)有整月數(shù)據(jù)，供參考。轉(zhuǎn)化效果中等的平臺(tái)，點(diǎn)擊到激活的轉(zhuǎn)化率平均為1.07%，1月到3月變化也不明顯，轉(zhuǎn)化較差的平臺(tái)的平均轉(zhuǎn)化率是0.32%，因?yàn)闊嵩茢?shù)據(jù)的移動(dòng)廣告監(jiān)測(cè)平臺(tái)目前覆蓋了超過(guò)1300家廣告平臺(tái)，光看這份平均值數(shù)據(jù)還是不夠的，后面的文章我們?cè)僦饾u深入的進(jìn)行數(shù)據(jù)的分析。

實(shí)際上廣告平臺(tái)孰好孰壞，很多有經(jīng)驗(yàn)的廣告主在試驗(yàn)了一段時(shí)間之后，心里都會(huì)有數(shù)，本篇文章主要是希望大家要警惕“刷量”的問(wèn)題對(duì)廣告主同時(shí)在其他平臺(tái)投放數(shù)據(jù)的影響以及對(duì)自己決策判斷的影響，后面我會(huì)分別對(duì)游戲、金融、電商、社交、直播等不同領(lǐng)域的APP的數(shù)據(jù)進(jìn)行深入的分析和分享，例如投放節(jié)奏的分析、不同類(lèi)型的APP的ROI分析、不同產(chǎn)品的LTV數(shù)據(jù)等等，歡迎大家關(guān)注。