在线中文字幕一区,精精国产xxxx视频在线,亚洲人成在线观看男人自拍

關注公眾號，偶爾（如果不鴿）更新投放經驗教訓，公眾號回復“微信群”一起加群討論投放技巧（上班摸魚)，分享轉發的人祝你爆量。

上一篇文章介紹過目前作弊的一些常規方式，以及基本的反作弊思路：移動APP推廣最常見的一些作弊手段和查作弊方法

常規作弊方式復習：

1，大點擊

2，劫持搶歸因

3，模擬器刷

4，積分墻刷

5，廣告曝光搶歸因。

現在給大家一些
常用的反作弊方法，分常規和進階兩個版本，首先介紹常規方法：

1，查點擊轉化率，這個專門針對大點擊的方式，一般整個渠道或者某個子站點擊轉化率極差，基本就是要去看是否被刷大量點擊搶歸因，但是現在各家都會混合多種作弊方式，所以這個也容易漏查。

2，CTIT，點擊到安裝時間。通常劫持的歸因都是在收到應用安裝成功廣播后再模擬一條點擊，搶到最后一次點擊歸因，所以通常情況下會發現CTIT比較短。AF的P360后臺直接包含了CTIT的數據，但是看的時候只建議參考，畢竟CTIT AF只給了數據匯總，不能100%的認定CTIT比較長的就不是劫持，只能說明時間段的比例大的劫持的可能性更大。

3，看新設備比例，同樣P360后臺也能直接看到，如果新設備比例太大，極大概率遇到機刷，但是這里注意如果是預裝渠道或者adwords，新設備比例也可能比較大，單獨解釋adwords，是因為有時候Google會優先給新買的設備展示廣告，所以新設備比例看起來也比較大。

4，助攻率，單個渠道如果在他的歸因里面查前面第一次和第二次助攻比例都比較大的話，大概率也是在搞劫持，等別人點擊下載安裝成功后再發一次點擊過來。這個數據在AF的原始日志中有個attribution click（也許我記錯了）。

5，看留存率，如果留存極差，肯定有問題，可能機刷，可能激勵cpi，可能很不符合你產品屬性的用戶人群，但是如果留存極好，也一定小心，畢竟你想要什么留存人家都能刷出來，但是你看個超長時間的比如30天，90天留存，可能能看出來（不過，誰能看這么久呢），留存一般結合別的參數一起看。

6，看自然量和買量渠道的的變化趨勢，還有FB,GG流量變化趨勢，如果某家玩劫持的進場，你會看到你的自然量和其他渠道量都會暴跌，但是FB可能賬戶數據是正常，就是第三方數據暴跌了。看到什么時候曲線變差之后再去看對應時間哪個渠道量變大，再去回去反查他的作弊方式。

7，看后續事件比例。通常可能我們會放出去幾個事件給渠道優化，即便他刷出來這個事件，他也很難刷準后面其他事件的比例，給自己保留幾個關鍵event用于反作弊很重要。

以上是一些基本常規的發現作弊的方法，基于第三方給的數據基本就能實現，通常思路還是先發現數據不太對，之后在去反查對方到底是什么方式作弊，之后撕...

下面介紹一些比較高階的反作弊方法，可能需要技術支持，或者Excel大師支持。

1，廣告的所有點擊時間區間段分析。

這個有可能某些渠道會集中在半夜或者其他時間悄悄的靜默點擊之類，分析點擊時間段區間和FB或者google對比是否基本吻合。

2，渠道對應安裝的所有時間端區間分析。

靜默安裝，比如拿到root權限后，后半夜悄悄的靜默安裝并且啟動再默默刪除。分析安裝的時間段是否符合其他正常渠道的比例。

3，查詢安裝的IP地區分布，可能某些真機刷的渠道流量會集中在某個很小的IP端或者地區。

4，查詢安裝的設備運營商分布，比如是否所有安裝都來自中國電信。

5，查詢安裝設備機型分布情況，通常機刷會賣大量低端機，或者某個單款型號的設備來做設備墻真機刷，通過機型能發現一些問題。

6，查詢路由接點，設備墻真機刷的時候，這一對設備哪怕是插4G卡之類，他的IP段總歸是集中在某個基站附近，或者哪怕他IP作假了最終網絡路由節點假不了（坦白這塊我網絡知識有限解釋不清）

7，查詢設備重啟時間，分析是否為新設備，以及舉例上次重啟時間有多久，找規律，畢竟正常用戶不會高密度的重啟安卓設備（原理似乎是重啟之后Gaid會變？），用于防機刷不斷重啟設備，或者模擬器虛擬新設備出來刷量。

8，查詢應用在渠道的平均啟動頻次，整體的啟動時間區間段分析，和產品本身應該常用的啟動時間是否吻合，以及一天正常啟動多少次。這一般是拿來方機刷或者腳本操作之類。

9，完成某個事件的時間點分布，IP分布，設備型號分布，運營商等等。防止機刷，或者真人機刷混合其他作弊方式一起刷。

10，點擊到安裝時間差，安裝到某個事件的時間差，防止腳本機刷等。

11，APP心跳數據異常情況。

12，ROI數據是否正常。

以及更多自有數據，原則上所有數據，都可以拿出來不同渠道和Facebook，自然量，google的量作對比，分析出異常情況。難點在于...海量數據處理，技術實現基本上太難實現了。

這些工作實際上交給第三方來實現是最合適的，第三方除了拿到了你單個產品數據之外，他還能拿到更多其他產品數據用于輔助分析，比如：

1，該設備在歷次其他的APP安裝過程中都是通過觀看Facebook廣告來的，但是這次來自于某個小渠道，并且Facebook貢獻一次助攻。

2，該設備在歷次其他APP中都有安裝，但是幾乎不活躍。

3，該設備從未安裝過任何APP，從未活躍。

4，該設備號基本正常只在北京地區活躍，但是忽然到了廣州產生了大量新增安裝或者全國范圍到處產生安裝。

其實更強大一點，他還能拿到某些渠道整體的一個作弊情況水平分析，比如：

1，該渠道產生的安裝在多個APP中都不活躍。

2，該渠道產生的安裝中，在多個APP中都有大量的助攻。

3，該渠道的產生的安裝和活躍全都只在某幾個基站范圍內。

等等....

當然要實現這些大量數據匯總分析，要超級大的計算能力，以及技術水平，才能把海量的數據抽取出來分析。但是如果未來反作弊能直接定位到所有設備層級，用于分析哪些設備才是真實的。哪些渠道才是最可能產生歸因貢獻的（除了最后一次點擊歸因之后加入更多其他因素），當然可能各個第三方已經在干這個事情了，不過從目前的結果看，整體的反作弊水平其實還是亟待加強。

但是，這里可以給大家講個小故事：

1，前段時間特別火的那個吉列德，研發了一個丙肝疫苗，給中國人打完疫苗后，丙肝被消滅了，現在已經不在需要購買丙肝疫苗了。

2，屠龍的小伙子，屠完龍之后，回家可能只能吃土了，也沒有人再敬佩他之類。

加星球，看大家都在關注什么問題。

快來，我要恰飯。

移動App反作弊的常規及進階方法