Моделирование распределения
Моделирование распределения Adjust активно защищает от клик-спама. Для этого Adjust рассчитывает статистическую вероятность того, что клик являются результатом клик-спама, и отфильтровывает вовлечения, не соответствующие нашим стандартам. Поэтому мошеннические действия никогда не будут искажать ваш набор данных и вы можете уверенно идентифицировать ценных органических пользователей.
Как это работает?
Согласно формулировке Adjust, клик-спам — это незаконные клики. Для мошенников цель клик-спаминга — присвоить атрибуцию от ваших органических пользователей, то есть чтобы определенное количество ваших органических установок было ложно атрибутировано к мошеннической кампании. Таким образом будет казаться, что кампании генерируют большое количество ценных пользователей.
Возможны различные формы клик-спаминга. Клик-спам может относится как к источникам трафика, которые отправляют просмотры в виде кликов, так и к серверам, которые отправляют каталоги искусственных кликов. Другой распространенный пример — когда приложение незаметно загружает рекламу и нажимает на нее в фоновом режиме.
Моделирование распределения Adjust использует два метода для определения недавних установок, причиной которых стал клик-спаминг.
- Гипервовлечение : позволяет исключить часто совершаемые клики или вовлечения со слишком большим количеством копий.
- Аномальное распределение : позволяет исключить атрибуции в зависимости от распределения времени от клика до установки.
Гипервовлечение
В первую очередь Adjust отсекает клик-спаминг, совершаемый с высокой частотой. Это происходит, если мошенники отправляют от имени пользователя клики через повторяющиеся интервалы. При этом они стараются сделать «последний клик» относительно близко к установке.
Когда происходит установка, Adjust проверяет все подходящие клики в соответствующем окне атрибуции. Если мы обнаруживаем какие-либо шаблоны с большим количеством кликов, мы не учитываем такие клики при атрибуции. Это позволяет нам правильно атрибуцировать установку к следующему законному клику или органическому пользователю.
Аномальное распределение
Для разработки метода фильтрации аномального распределения в режиме реального времени мы проанализировали статистические данные, а также законные и фактические мошеннические действия. На основе этого исследования мы выяснили, что более 85 % установок из законного трафика осуществляется в течение первого часа с момента клика. Это свидетельствует о заметной корреляции между кликом и временем установки.
Однако в случае клик-спаминга такой временной корреляции между кликом и установкой не просматривается. Это связано с тем, что клик-спаминг присваивает сведения об органических пользователях или атрибуцию из законных источников, а значит, пользователь не кликал по рекламе или даже не видел ее. Соответственно, распределение времени от клика до установки в кампаниях, пострадавших от клик-спаминга, затрагивает окно атрибуции полностью.
Поэтому для Adjust более приоритетно вовлечение, свидетельствующее о серьезных намерениях пользователя. Чтобы это определить, мы анализируем распределение времени от клика до установки. Если большинство конверсий происходит через 60 и более минут после клика, Adjust не атрибутирует такие клики. Они относятся к категории аномального распределения и атрибуцируются следующему подходящему источнику или как органический трафик.
Пометка трафика, не считающегося мошенническим
В связи с особенностями анализа действий пользователя со стороны Adjust в ряде случаев трафик, не считающийся мошенническим, может попасть в категорию аномального распределения. Например, при высоком показателе кликабельности для объявлений, но низкой конверсии Adjust проанализирует распределение времени от клика до установки и, возможно, перестанет атрибутировать клики. Это связано с приоритетом со стороны Adjust к вовлечениям, которые свидетельствуют о серьезных намерениях пользователя, а фильтр аномального распределения не даст ошибочно атрибутировать органический трафик.
Если вы обнаружите необоснованные отказы, проверьте, не возникает ли у пользователей технических проблем, приводящих к задержкам или препятствиям при переходе от показа к клику и установке. Это не только поможет разобраться с проблемами в собственных данных и обеспечить должный уровень взаимодействия с партнерами, но и в целом улучшить пользовательский опыт. Иногда высокий показатель кликабельности может быть связан не с техническими проблемами, а с дизайном рекламы.
Блокировка мошеннической активности
Adjust не только игнорирует источники мошеннической активности, но также использует API черного списка для блокировки ссылки на уровне сети, применяемых мошенниками. Если какая-либо ссылка часто оказывается связанной с намеренной мошеннической деятельностью, Adjust добавляет ее в черный список. Когда ссылка заносится в черный список, Adjust не измеряет дальнейшее взаимодействие с ней. Существующие взаимодействия и атрибуция остаются связанными с занесенной в черный список ссылкой.
При возникновении вопросов обращайтесь к своим представителям Adjust.
Данные моделирования распределения в отчетах
Атрибуции, отклоненные для клик-спаминга, появятся в отчете:
- Показатель отклоненных установок: избыточное вовлечение (RI TME)
- Показатель отклоненных установок: аномальное распределение данных (RI DO)
Реатрибуции, отклоненные для клик-спаминга, появятся в отчете:
- Показатель отклоненных реатрибуций: избыточное вовлечение (RR TME)
- Показатель отклоненных реатрибуций: аномальное распределение данных (RR DO)