Get防流量作弊方法，告别数据“假繁荣”-技术圈

“我知道我的广告费有一半浪费了，但遗憾的是，我不知道是哪一半被浪费了”。当前在广告圈，不少广告主都有这样的困扰与疑惑。

“浪费的广告费”除了无法精准寻找及触达目标TA之外，有不少是源自“流量作弊”。因为一旦遇到“流量作弊”，只要广告展示出来，不管是否被真的用户看到，广告主就要为此而付费。尤其是面对层出不穷的黑产，如果不借助监测工具，广告主很难分辨流量中用户的真伪和真实来源。

假量猛于虎，真量归何处

由腾讯安全天御、腾讯防水墙和InMobi联合制作的《2020中国移动广告反欺诈白皮书》中显示，2020年广告主因移动广告欺诈导致的损失达到了180亿人民币左右，可想而知这其中包含的“虚假流量”到底有多少。

以至于不少广告主在分析投放数据时，一发现大量数据异常，往往都会想：是不是遇到了流量作弊？

说起流量作弊，它的手段也在不断迭代，主要可以分为三个阶段：

最初的手段是模拟器刷量。这种是“流量黑产”们早期的惯用方法，主要是用模拟真人算法程序的方式来控制机器作弊，用不同的IP地址产生不同的访问，从而产生大量的浏览痕迹和点击，进而提高品牌广告的曝光量。这种技术手段相对来说比较低级，运营成本比较低，也很容易被广告主和第三方监测机构监测到。

接着是点击“农场”刷量。通常“流量黑产”会买一堆老旧的手机设备，然后统一放在一间房子里。黑产们再通过特制的软件对这些设备进行操控，常规操作就是刷阅读量或者播放量，增加点击率，提升关注人数或者刷评论、点赞等。因为是真机操作，看起来数据很真实，实际上如果仔细监测就会发现某个地域的上报信息非常密集。

最后是“劫持真机”刷量。这种方式就是利用“轻松赚钱、高佣金、多刷多返”等字眼吸引羊毛党或者社会兼职人员，让他们根据要求完成任务目标，比如反复对品牌广告进行点击、观看乃至分享传播，从而达到广告主想要的流量需求。因为是真人真机操作，监测识别起来就比较复杂，目前互联网移动广告中复杂无效流量（SIVT）主要来源于这种手段。

太多的假量造就了品牌广告表面的繁荣，但真正的流量却不知道在哪里。这些作弊行为虽然能为品牌广告带来巨大的曝光量，实际上却和广告主想要的流量根本不是一回事。

为什么会出现这种情况呢？一是广告平台为了帮助广告主客户完成过高的KPI；二是利益驱使，毕竟刷量成本会远低于获取真实用户的成本；三是从监管层面来说，流量黑产专业性强，取证比较难。

主动防御，避免被动

用作弊手段获得的流量，会让广告主一时开心，但是当事实被戳破后，就会对其造成严重的伤害。尤其在后疫情时代，很多广告主在增加广告投放的同时，对于流量平台的选择也愈发谨慎，他们开始拒绝为“虚假流量”付费。

那么，在进行广告营销的时候，广告主如何能不让投放费用流失？

如果遇到一般无效流量（GIVT），使用常规的过滤方法就可以识别，若是遇到复杂无效流量（SIVT）这种难以检测的虚假流量又该怎么办呢？对此，TalkingData给出的解决方法是：主动防御，避免被动。

TalkingData AI Shield多维模型特征库，通过模拟人或设备的完整形态，在不同的维度上建立多维特征，利用机器学习的模式形成人的行为特征，根据这种行为来描述正常情况下人在线上线下或者在设备上模型表现，从而帮助广告主判断哪些是无效流量。

AI Shield多维特征主要包括设备特征、广告行为特征、线上使用行为特征、线下特征、家庭特征。一旦当广告投放出现异常行为时，广告主直接可通过这些维度的特征表现来进行判断，不用知道具体的作弊方式，就可以主动防御。

此外，AI Shield借助TalkingData设备等级判定服务，可以直接标记低等级设备带来的广告流量，并且将智能算法模型应用在复杂无效流量的排查中，进一步提升复杂无效流量（SIVT）的监测效果。而且AI Shield还可以输出异常流量相关数据报表，用于帮助广告主品牌广告投放时，识别作弊流量、分析异常媒体渠道、控制推广成本。

除了AI Shield外，TalkingData Brand Growth（以下简称“BG”）也可以在营销投放时，为广告主提供客观、透明的数据，让异常流量无从遁形，全面监测媒体质量。