深度剖析移动作弊（二）: 检测、预防及有效的过

小提示：您能找到这篇{深度剖析移动作弊（二）: 检测、预防及有效的过}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的深度剖析移动作弊（二）: 检测、预防及有效的过内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

作者：Paul H. Mller（微信公号：AdjustGmbH  ）

出海注：本文是 Adjust 发布在出海的专栏文章，转载须保留本段文字，并注明作者和来源。商业转载/使用请前往 ，联系寻求作者授权。

在第一部分中，我们探讨了移动作弊的定义和类型。本文，我们将带领大家更深入地了解防作弊解决方案之间的细微差别。

和作弊相同，防作弊也是个模糊的话题。人们时常会混淆预防、检测和拒绝作弊三种行为，最终导致广告主的推广活动无法顺利进行。作弊检测和预防是防作弊中的两大基本要素，因此，首先我们从对两者的定义开始。

什么是预防作弊？

首先我们需要清楚，预防作弊究竟指的是什么。这里我们将预防作弊定义为，拒绝对已知的作弊方法进行归因。在这点上，我们认为预防作弊应该遵循的流程是先检测作弊类型，而后研究作弊方法，最后根据其独有的特征创建逻辑过滤器。

业内倾向于在同一情况下交替使用检测、预防和拒绝行为。但是这样的做法容易造成不确定性，存在被恶意利用导致市场混乱的风险。当我们对预防作弊的概念进行定义之后，我们会发现只有归因公司能够有效地利用过滤器。第三方工具只能在欺诈行为发生后显示检测指标的数据，除非归因公司允许他们介入归因过程。

作弊检测的分类

之前谈到作弊检测是预防作弊的首要步骤，毕竟我们无法打击还未发生的问题。

作弊检媒体 邀约测的分类方式与作弊相同，都可分为两种截然不同的类型。两者检测的目的相同，都是要探测出不存在的交互或是伪造用户。对于伪造归因，检测重点通常专注于流量质量的标记，例如点击的原始 IP、转化率和常规的点击安装时间 (CTIT) 分布。在进行伪造用户检测时，我们会查看用户行为。例如用户是否最终购买或留存？他们的交互是否符合普通人的行为规律？

检测是有效识别作弊类型的最好方式，这是因为检测在第一时间并不关注作弊数据“如何”进入数据集。举个简单的例子，当客户查看控制面板时，发现渠道 A 的转化率是 0.05%，他虽然不知道哪些交互是不真实的，但是他知道这很有可能是作弊造成的。再举一个例子，内部 BI 团队查看来自不同广告发行商的用户购买率。他们并不知道哪些用户是不真实的，但是他们可以准确地判断出用户终身价值 (LTV) 低的广告发行商。

利用机器学习算法为设备进行排名也是作弊检测的一种形式。神经网络可以根据大量属性为用户分组，以便检测到异于人类行为的模式。为用户评分则有助于长沙危机公关处理我们判断，来自特定合作伙伴的用户是否表现出异常行为。所以，我们认为检测应该是预防作弊过程中的首要步骤，而非解决问题的万灵丹。

防患于未然是否会产生负面影响？

试想一下这样的情况：您的信用卡公司通知，您的帐户出现了一笔伪造提现交易，但是他们并没有尝试阻止，而只通知您他们把此类欺诈行为归类为欺诈，是否冻结这张卡需要由您来决定。

使用作弊检测工具的广告主此时一定感同身受。这种“事后”警告成为了移动生态系统的常态，也成为了行业对“基础级别作弊”的容忍。

在每个月末，广告主不得不深入研究每个渠道合作伙伴和次级广告发行商的报告，标记出超越已检测到作弊临界值的部分。之后他们尝试说服产生这类数据的渠道，并就退款或未来营销活动的折扣问题进行协议。这个过程十分麻烦，牵涉其中的双方也十分无奈。对于，广告主大多采用的应对方式就是将其拉入黑名单，或终止与某个合作伙伴的合作。最终，在广告主采取对策之前，往往默认了“较低”作弊发生的可能性。

我们都希望“可接受”的作弊量是 0%，然而在实践中有些人可能会嗤之以鼻，这是因为移动行业内充斥着低于标准的防作弊措施。对于渠道来说这个过程也同样令人头疼。早在广告主尝试收回作弊流量之前，广告发行商通常已经收到付款。此外，汇总报告难以使用且缺乏可操作的数据，间接助长了作弊行为。此时，能够防止为作弊广告买单的对策就是使用活跃的过滤器。通过这些过滤器，渠道和广告主能够实时了解被拒绝的流量。接下来，让我们深入的探讨一下过滤器的运作。

有效的防作弊过滤器应该具备哪些要素？

如果不过滤作弊数据，合法的流量来源恐怕会失去归因，进而扰乱客户的数据集并降低下游网站营销推广网站营销指标。因此，防作弊系统的最终目的应该是过滤归因以拒绝作弊。然而，并非所有的过滤器都以相同的条件创建。许多解决方案采用的过滤条件并不完善，同时也暴露了他们对作弊方法认识的不足。要跳出固有思维，我们需要对防作弊过滤器的基本功能进行革新。

我们将防作弊过滤定义为一组逻辑条件，它们不会产生假阳性或假阴性数据，或是（至少）产生非常低的假阳性率或假阴性率。逻辑条件需要带有解释并且透明的，这意味着对于回应“到底为何拒绝此项归因？”这一问题需要有明确、易懂并能被认同的解释。此外，有效的过滤器应基于逻辑事实以及作弊者无法控制的机制上创建，只有这样才能使作弊无所遁形。

预防作弊不应只是一种营销策略或是一种混淆视听的方式，它是一种严肃的态度和责任。如果处理得当，反作弊解决方案将有助于优化整个移动广告生态系统。反之，他将成为蒙蔽大众双眼的万灵油。