俗話說，有錢能使鬼推磨。為了保障下載下傳量、使用量，企業通常會在 App 推廣中投巨資給第三方管道，用于引流買量。但在這一過程中，内鬼、羊毛黨、刷量中介總會趁虛而入，成為刷量造假的核心群體。那麼，今天就根據我的經驗來談談怎麼通過資料分析，辨識流量的真實性，揪出異常管道。
做管道資料分析的前提是拿到靠譜的第一手資料。資料如果不夠準确，那麼基于此資料進行分析也就沒有任何意義。
管道推廣比較精準的統計平台我以 openinstall 為例，它能程式化生成管道包以及海量管道推廣連結，各個管道隻需拿着對應的專屬連結即可擷取相應資料，即便是使用者個體間的社交分享傳播，也能實作自動識别管道分享來源。
資料擷取隻是第一步，防作弊分析才是重中之重。目前市場上的作弊方法很多，作弊工作室可能采用分布式人肉刷量的方式來刷量（可以參考基于任務獎勵形式的積分牆）；也有可能采用更為智能的方式，通過編寫程式腳本，修改真機參數，驅動真機運作。這些行為已經跟真實的使用者行為幾乎沒有差别了，很難從技術上分辨這些資料。但我們還是能從資料上分析出一些蛛絲馬迹，下面就講講具體的辨識方法。
一、先做管道排重
第一步，先利用現成的工具和系統，從技術上将重複多餘的資料剔除，現在許多第三方基于不同的方案，都有一套自己的排重機制，比如 openinstall 背景就能提供免費的排除重複功能，主要次元包括：安裝量、注冊量、1日/7日/30日留存、增長趨勢、IP 分布、系統版本等，也可以根據業務需求自定義目标事件，精準的排重功能可以幫我們做一個初步資料篩選，也為後面的分析環節省去不少工作量。
二、管道效果評估
1、留存率判斷
從留存率看刷量的話，最簡單的判斷是觀察1日、7日、30日這三個節點的資料波動，不少刷量工作室會選擇在這三個節點定時導入或者批量導入大量使用者資料。是以，如果在沒有外在因素影響的情況下，資料出現過高或過低的波動，那麼該管道就有作弊嫌疑。
真實的使用者留存曲線應該是平滑下降的，如果一個 App 的次日留存率能達到40%的話，那麼7日留存率達到20%，30日留存率達到10%，這個 App 的留存率就高過業内标準了，需要警惕。一般高頻類 App（如社交、外賣、工具類）留存率會大于低頻類 App（如租房、旅遊、電商類），其次，如果有簽到獎勵、沉默喚醒機制的 App 留存率或許會高一些，這些因素也要考慮進去。
2、終端裝置判斷
使用者終端可以準确追蹤到的包括：IP分布、系統版本、品牌/機型等，這些都有分析技巧。
IP分布關系到投放政策層面，一般我們都會根據産品調性做重點投放，比如一二線高消費城市、三四線等相對下沉城市，或者根據區域，比如華東、華南或省份等。檢視資料時，如果有部分使用者來自重點投放區域外，或者過于集中在某個地區，那麼資料來源可能來自某個作弊工作室。
系統版本和作業系統占比也能看出些存在某種問題或陰謀。事實上很多作弊管道都是統一采購作弊裝置，畢竟如果一直換新手機作弊成本也太高了，但真實使用者不是，是以如果觀察到的版本和系統都是比較落後的版本，或者是過于集中在某個時段的版本，那可能就有問題，比如現在2019年，而來自某個管道的使用者機型和作業系統基本都是2017年6月份釋出的新機，那就值得懷疑。
品牌機型也是同理，尤其是 iOS 沒有模拟機，必須用真機觸發，是以刷量作坊會大量采購二手蘋果手機，安卓方面，出于成本考慮，主要的刷量也都是由低價機、二手機、冷門機型完成，這些都是可以辨識的依據。
3、使用者行為判斷
即便如今的作弊工作室能模拟出連系統都無法辨識的逼真行為資料，但通路頁面、使用時長、通路間隔、使用頻率這些實際行為是很難和真實使用者一模一樣的。
想要辨識的話，一是跟日常資料做比較，在沒有活動或重大更新之類的影響下，真實使用者的行為資料應該是趨向平穩的，這個能從某個頁面的通路或功能使用時長判斷；二是參考權威資料，應用寶之類的應用市場或第三方評測平台，會根據市場大資料定期釋出使用者行為報告，這個也是參考标準之一。
4、轉化率分析
分析一個 App 的流量轉化率，不僅能幫助我們提高投放效率，還能判斷引流管道的價值。
通常使用者行為都是可以做成漏鬥模型的，我們可以把“通路-下載下傳-安裝-打開-注冊-付費”等行為步驟做成沙漏，每經過一層，作弊難度就會大幅增加，觀察每一層轉化的異常，可以對管道品質得出一個大緻的結論。
以上這些方法在實際運用中還有很多發揮空間，可以自行根據産品性質做出調整，跟作弊行為鬥智鬥勇，是每個 App 推廣中必須經曆的，這些就需要經驗積累和工具輔助運用才能實作。
原文連結
https://blog.51cto.com/14248223/2419735
服務推薦
- 蜻蜓代理
- 代理ip
- 微信域名檢測
- 微信域名攔截檢測
- 微信域名線上攔截檢測工具
- 微信域名線上批量攔截檢測工具