為什麼這個管道的資料很好，可就是不盈利呢？是我的産品有問題呢？或是管道作弊？這還真是讓人頭疼。行業關于管道作弊這塊分享的資訊真是太少了，各cp隻能跌跌撞撞，靠自己摸着石頭過河，那這回我們一起走進資料的世界，用資料說話，撥開迷霧辨真僞吧。
管道的初級作弊，就是隻拉新增使用者，這種刷作弊的方式較容易發現，因為使用者一次性使用者名額較低，平均單次使用時長也遠低于其它管道均值，或是自身管道其它的值。
筆者曾經遇到一個做手遊的好友，他的産品投到新管道後，新增使用者連續3天暴漲500%，但是留存卻不高，想咨詢是什麼地方有問題。于是我幫他檢視了這個新管道的兩個名額：一次性使用者名額&平均單次使用時長均低于其它管道均值，基本上可以判斷是管道作弊了，再看新增使用者的時間段，立馬驗證。正常使用者都是在中午和晚上新增較多一個空閑的時間段，而這個增量正好相反，明顯是一個上班的時間段（8：00-18：00）。
如果你隻投放了少量管道，不能确定資料的時候，也可以對比talkingdata每月出的benchmark裡的一次性使用者比例&平均使用時長資料進行對比。
一些手段稍微高一點的作弊，會将你應用中的sdk，打到别的熱門應用中去，這樣不但新增上去了，而且各項資料都還非常好看，沒有破綻，但是就是盈利上不去。
這個時候就要需要關注頁面明細了，檢視頁面明細是否是自家的，如果不是自家的頁面，那這就很有可能存在作弊的問題。
進階管道作弊已經超出了一般人類可以想象的範疇，達到了智能級别，無論使用者留存、機型、地域、聯網等連手機号注冊都可以作弊（筆者第一次知道的時候和小夥伴們都驚呆了。）以至筆者當時隻能訂了一個名額：ltv名額，如果這個名額達不到管道平均水準，那麼就放棄這個管道，無論這個管道是否作弊。但是後來随着對應用和管道接觸的越來越多，錯殺了不少好管道，覺得還是要多元度資料名額進行評判，talkingdata就有對這方面資料進行健康度評估。
如果要是遊戲應用一般看使用者玩家等級的比例就可以了，一般管道是不會雇人去玩遊戲更新的。
俗話說的好，道高一尺，魔高一丈，以上方法也不一定全面，如果還有别的分析管道作弊的方法，大家多多分享出來。當然管道作弊的情況還是比較少發生的，一般情況下如果應用資料不好，還是給從自己的應用中去找問題。
另附：
在實際推廣中，app鋪的管道是非常多的，要從衆多管道中發現異常或者挑出不合适的管道非常耗費人力，而且容易出錯。是以這裡分享一個遊戲管道資料打分模型，根據app設定當管道高于x分的時候，要加大投放力度，當低于x分的時候，需要跟進該管道，檢查資料是否有異常或者是剔除不合适的管道。這樣可以節省不少人力，并提高排查準确率。這裡引用一下遊戲資料分析達人——石頭曾介紹過“z-score标準化”進行打分處理：
資料标準化“z-score标準化”
μ為樣本均值（excel中函數average），σ為樣本标準差（excel中函數stdev）。
标準化多緯度資料：
标準化之後接着來就是要想辦法把資料變成5分制（也就是1分、2分、3分、4分、5分），這裡是将x的套用分數如下：
而後根據你目前遊戲目标，給不同名額加上權重彙總後，可以得到相應名額（同樣這裡建議樣本資料不能低于5個，不然會影響資料準确性）。這種方法前期需要根據實際情況調整權重，剔除異常值，穩定後，模型使用将會非常快捷、準确、省力、友善。
原文釋出時間為：2013-09-21
本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号