《反作弊不完全指南》的完全使用指南

首先,你需要有一份《反作弊不完全指南》

By Mobvista 2017-09-13

Mobvista
反作弊不完全指南

基于我们覆盖200+个国家(地区)的流量体系、100亿日展示,我们从Mobvista经验出发,梳理并发布这一份白皮书。你将从这份白皮书中获知:

  • 全球移动广告作弊现状
  • 作弊手段盘点
  • 认识“反作弊搏击俱乐部”
  • Mobvista的反作弊策略及案例

 

01
“仅次于毒品贸易的组织犯罪”

日益猖獗的移动广告作弊行为给移动营销行业带来的损失不仅包括广告主的预算浪费、广告平台的交付质量及品牌美誉,还有宏观而言整个移动营销行业的生态健康。

广告验证公司Adloox预测,2017年广告主将在虚假流量和机器点击上耗费164亿美元。这比美国广告主协会预计2016年的广告作弊损失(72亿美元)还多出不止一倍。

世界广告主联合会把广告作弊这种不法行为称作“仅次于毒品贸易的组织犯罪”,并预计到2025年广告作弊将给广告主带来500亿美元的损失。

 

02
全球移动广告作弊现状

根据Mobvista反作弊技术团队完成的全球移动作弊安装行为统计分析(2017年1-6月),安装作弊行为在地区分布上呈现以下特点:

操作系统、APP类型上的分布又是什么样的呢?

详见白皮书“全球移动广告作弊现状”部分:)

 

03
作弊手段盘点

 

04
“反作弊搏击俱乐部”

以保护移动营销行业生态不被作弊者破坏、保护广告主的预算不被浪费以及广告平台的品牌不被影响为目的,以下角色构成了目前行业中的“反作弊搏击俱乐部”(左)

其中反作弊身份被行业熟知的是移动数据监测平台(右)

 

05
作弊特征与反作弊策略

在Mobvista的反作弊流程和逻辑中,作弊特征提取是非常重要的一个环节。这很好理解,要消灭作弊,无疑需要首先认识作弊流量的特征。

目前,Mobvista的反作弊技术团队通过实时监测、离线分析已积累30+维度的作弊特征,另基于这些特征还会进行机器学习来组合出新的特征。

以下分享作弊特征一种(更多详见《指南》):

分布异常

某渠道绝大部分流量的手机型号都来自一个早已淘汰的机型。

发现途径:通过分布分析建模监控发现。

而除了Mobvista的自建反作弊团队以外,我们还融汇、协同第三方监测平台、其他反作弊技术服务提供商,形成以自建反作弊技术团队为主体的多层次反作弊力量。

更多内容,

请参考《Mobvista反作弊不完全指南》。

相关文章

Share