App管道作弊如何辨識？教你用資料精準辨識！

有的營運人員做管道投放，每個管道都投放了，點選量特别高，但激活量隻有個位數。也有可能點選激活數量都很高，但是留存率很低。費用都花光了，但是效果沒有出來。自己去分析背景資料，卻得不到結論。

我想說的是，分析的前提是拿到靠譜的資料。如果資料不準确，結論可想而知~

當然，再靠譜的平台，也有可能出現一些不靠譜的情況。為什麼呢？俗話說，有榜單的地方就有刷榜，有資料統計的平台就有資料作弊的作坊。

在移動網際網路生态中存在很多不為人知的管道刷量工作室，這些工作室以非常低廉的價格貢獻品質同樣低廉的使用者資料。

早期的統計分析平台的SDK基于明文的jason資料包，工作室可以很友善的用程式僞造這些資料包，模拟出新增活躍、留存、時長等使用者資料。随着統計分析平台的發展，很多分析平台推出了基于二進制協定的SDK，開發人員還可以自行調用加密開關。這些技術的提升使統計平台的安全性和資料準确性得到了提高。如果App更新到安全協定版本的SDK，刷量工作室已經很難采用直接模拟資料包的形式來刷量了。

所謂道高一尺魔高一丈，平台有平台的方法，刷量工作室有刷量的招數。除了采用分布式人肉刷量的方式來刷量(形式可以參考基于任務的積分牆);有技術實力的都能夠通過編寫程式腳本，修改真機參數，驅動真機運作(有興趣的同學可以了解一下igrimace這個iOS的刷量工具)。這些行為已經跟真實的使用者行為幾乎沒太大差别，很難從技術上分辨這些資料。

其實有經驗的營運人員還是可以通過一些資料名額來分辨出真假使用者的差異。

管道效果評估

(1)留存率

有時候管道刷量會選擇在次日、7日、30日這些重要時間點上導入使用者資料。我們會發現APP在次日、7日、30日這些關鍵時間點上的資料明顯高于其他時間點。其實真實的使用者的留存曲線是一條平滑的指數衰減曲線，如果你發現你的留存曲線存在陡升陡降的異常波動，基本上就是管道幹預了資料。可想而知，這樣的使用者的品質是非常差的，也不具備商業價值。

留存曲線不僅可以幫助我們判斷管道的品質，還可以在營運推廣和産品優化上給出很多參考性建議。留存率這麼重要，那麼，留存率是怎麼計算的呢？

留存率的定義：某一天的新增使用者，在n天後回訪的比例，就是這天的n日留存率。舉個例子，如果我們在2月1日擷取了1000個新增使用者，這批使用者在2月2日有400個使用者回訪，2月8日有200個使用者回訪，那麼2月1日新使用者的次日留存率是40%，7日留存率是20%。

留存率是業内判斷使用者品質的通用名額。移動網際網路行業内，如果一個App的次日留存率達到40%，7日留存率達到20%，30日留存率達到10%，這個App的留存率就高于了業内标準了。一般來說，工具類應用的留存率高于遊戲類應用的留存率，高頻應用的留存率高于低頻應用的留存率。除了應用類型，留存率還跟App的使用者體驗、推廣方式等因素相關。

(2)使用者終端

每個管道都有自己覆寫的使用者群，他們的使用者終端會有差別。比如說小米應用商店的使用者可能TOP10的機型都是小米手機，而移動MM的使用者可能絕大部分是移動營運商的使用者。

排除這些有特殊管道的應用商店，大部分管道的使用者終端跟整個移動網際網路終端分布是類似的。我們可以通過檢視行業資料來了解這些資料，把這些資料作為benchmark，來對比分析App的資料。

譬如可以關注裝置終端、作業系統、聯網方式、營運商、地理位置這些手機裝置的屬性。我在下面列舉了一些tips，歡迎交流與拍磚。

方法一：關注低價裝置排名

你可以重點分析管道的新增使用者或者啟動使用者的裝置排名。如果你發現某款低價裝置排名異常靠前，這種情況值得我們重點關注。這些資料可以在統計平台的終端屬性分布中找到。

尤其是iOS平台沒有模拟器，所有的使用者資料需要通過真機觸發。很多刷量的工作室會選擇購買二手的iPhone5c來做刷量真機。有個做管道推廣的朋友踩過這樣的坑，發現某個管道有75%的裝置是iPhone5c，比top5的iOS裝置占比還多。繼而又發現這個管道的留存率等名額都差強人意，最終查出這個管道使用了大量的iPhone5c來刷量。

方法二：關注新版本作業系統的占比

經過本人多年工作經驗發現，很多管道刷量工作室在作業系統版本的适配上會有延時。是以建議管道人員在檢視管道使用者的作業系統時，可以和全體手機網民的作業系統的分布做比較。如果你發現某個管道下面，不存在新版本的作業系統(比如iOS8.x)，有一種可能性就是這個管道合作的工作室的技術還沒有适配最新的作業系統。

方法三：關注wifi網絡的使用情況

有的朋友問我，使用者在wifi下面使用的比例達到了90%，這個比例到底正常不正常。要回答這個問題，首先我們需要對現在的大形勢有些了解。

現在是一個高速網絡的環境，無論是新增使用者還是活躍使用者，wifi的使用占比都比較大。從使用者行為上來說，如果你留心身邊的朋友，會發現大家在下載下傳App的時候傾向于使用wifi(流量貴啊)，相比之下，啟動App時，會對目前網絡的敏感性差一些。也就是說，新增使用者的wifi使用比例會大于啟動使用者的wifi使用比例。

另外，wifi的使用比例還跟應用類型相關。如果你是一個線上視訊類型的應用，可能wifi的比例會在90%以上。

如果你是一個小流量的App，同時能夠在新增使用者和活躍使用者的wifi資料對比上看出蛛絲馬迹，可能真的是管道在搗鬼了。

方法四：定向投放也很重要

有個行業内做了很久的朋友傳授給我一個經驗，說福建地區的作弊比較多，我們在制定投放政策的時候可以重點考慮屏蔽作弊多的地區。這個黑名單也可以根據APP實際的分地域投放效果來定制。

另外，我們在投放時也可以根據需要重點選擇部分地區投放。比如北上廣這些高消費的地區，比如三四線城市這些相對藍海的區域。檢視資料時就需要驗證使用者是否和我們的投放政策相符合了。

(3)使用者行為

方法一：比較使用者行為資料

如果一個App做的時間比較久，通路頁面、使用時長、通路間隔、使用頻率等這些行為資料會趨向穩定的。不同App的行為資料是有差異的。可能刷量工作室可以模拟出看似真實的使用者行為，但是很難跟你的App的日常資料做的完全一緻。

一個管道使用者的使用時長、使用頻率過高過低都值得懷疑。我們在平時做管道資料分析時，可以将這些資料跟整個App作比較，或者将安卓市場、應用寶這些大型應用商店的資料作為基準資料，進行比較。

方法二：了解新增使用者、活躍使用者小時時間點資料曲線

很多刷量工作室通過批量導入裝置資料或者定時啟動的方式來僞造資料。這種情況下，新增和啟動的曲線會出現陡增和陡降。真實使用者的新增和啟動是一條平滑的曲線。

一般來說，使用者的新增和啟動會在下午6點之後達到高峰。而且新增相比啟動的趨勢會更加明顯。

我們可以将不同管道的分時資料進行對比，找到異常。需要注意的是，這種行為資料的對比需要遵循單一變量原則。也就是說，除了是不同的管道，實驗中的其他因素必須完全相同。如果我們選取管道A在周三的活躍數和管道B在周六的活躍數做對比，這兩個資料肯定是有差異的，不具備可比性。

方法三：檢視使用者通路的頁面名稱明細

有些工作室會将appkey打到其它高頻的App中。這樣，我們可能會發現管道使用者的資料非常漂亮，但是仔細觀察可以發現，頁面名中有大量的頁面不是自己定義的。通過對比頁面名稱，可以定位到這種形式的管道作弊。

如果是AndroidApp，這個名稱是activity或者fragment;如果是iOSApp，這個名稱是自定義的view。這段記不住也沒關系。記得找開發人員要一下具體頁面的名稱清單，對比一下統計背景使用者通路的頁面明細，就能看出差異了。

(4)轉化率分析

轉化率資料的分析不僅可以幫助我們應對管道作弊，還可以幫助我們判斷不同管道的使用者品質，提高投放效率。

每一個App都有自己的目标行為。比如電商類應用的目标行為就是使用者購買商品的情況。遊戲類的應用需要考察應用内付費。社交類應用會關注使用者産生内容的情況。營運人員需要定義和設計應用的目标行為。

如果一個使用者是真實的流量，他會經曆點選、下載下傳、激活、注冊、直到觸發目标行為的過程。我們可以将這些步驟做成漏鬥模型，觀察每一步的轉化率。漏鬥的步驟越靠後，作弊的難度越大，所擷取使用者對系統的價值越高，同時我們付出的使用者成本也越高。營運人員需要對目标行為進行監控，在管道推廣時，考察目标行為的轉化率，提高管道作弊的邊際成本。

反作弊子產品

除了除了使用現成的統計分析工具，還可以申請讓研發人員開發自己的反作弊子產品。反作弊子產品在原理上類似于防毒軟體，我們可以定義一些行為模式，加到反作弊子產品的黑名單庫中。如果一個新增裝置滿足定義的行為模式，就會被判定為一個作弊裝置。每個營運人員都可以根據自己的App來定義。我列舉了一些常用的行為模式：

(1)裝置号異常：頻繁重置idfa

(2)ip異常：頻繁更換地理位置

(3)行為異常：大量購買特價商品等

(4)資料包不完整：隻有啟動資訊，不具備頁面、事件等其他使用者行為資訊

寫在最後

營運人員要做好長期與管道合(dou)作(zheng)的心理準備。用好資料是萬裡長征的第一步。

這裡推薦一個靠譜的APP管道統計工具—shareinstall

shareinstall其中一個功能就是App管道安裝量統計。以管道連結取代管道包，精确的定位APP的各個安裝管道。精度更高的管道統計，能讓決策者更準确的了解不同管道的推廣效果，為決策者決定不同管道的推廣力度提供依據，能更準确的把握推廣人員的推廣資料。

希望每個營運人員能夠通過資料的使用，挑選出合适的管道，提高管道投放的收益。