发布时间：2019-1-2 分类： 行业资讯
本文重点关注交通的灰色区域：虚假交通的分析。
今天，让我们来谈谈交通中的灰色区域–虚假交通据官方统计数据显示，2016年，虚假交通造成全球广告主直接经济损失共计76亿美元，除直接经济损失外，交通更加多样化的伪造方式也带来了更多的“副作用” 。
如果找到无效用户，则广告出现在不应该出现的媒体上，吸引不应该被吸引的用户，浪费流量，更糟糕的是，如果流量被转移到美容游戏页面，那么品牌形象也会会产生负面影响。
如何生成错误的流量
整个广告生态系统涉及三方角色：广告商，媒体（销售广告），用户（看到广告）。媒体不会承诺这种效果，但如果您反馈曝光量和点击量不够，媒体可以给您第二笔金额。如果你给予更多的钱，它将不可避免地导致其他家庭减少，间接导致竞争加剧，并且流量价格越来越高，但只有曝光点击不被使用，所以更多的广告商更倾向于用户转换。作为一种评价指标，在忽略CPC和CPM等其他评估指标的同时，只会使竞争更加激烈，导致恶性循环，导致虚假交通的产生。
我们知道用户通常决定在三次或更多次访问后进行转换。他的整个生命周期决定了最终的转换。虽然有些频道不擅长转换，但它对其他频道有辅助作用，所以它不能全面。
另外，如果渠道结算指标是CPS，CPA可以吗？在有兴趣的地方有一个魔鬼。所以我们需要一套完整的策略来护送频道。
识别虚假流量
在调查虚假交通之前，还有另一种需要我们注意的交通。那是异常流量。异常交通通常在虚假交通中间混合，这扰乱了我们的判断。首先，我们必须区分什么是错误流量和什么是异常流量？
如果出现以下情况，大多数可以被视为异常流量。当然，这需要沟通然后判断：
正在投放的媒体存在问题，并且服务的页面已关闭。
缺少或缺少链接参数导致代码失败
埋藏点收集异常
无理由阻止数据路径
指标配置存在问题
如果发生以下情况，大多数可以被视为虚假流量：
刷牙！
涂刷!!
刷量!!!
如何避免异常流量不是今天文章的重点，所以我不多说。这需要公司的内部标准化项目流程，并且所有链接都得到很好的控制以有效地避免它。下面，我们将详细介绍如何找出虚假流量的线索。
交通流量数据监控
我们需要通过某些数据收集方法收集交通数据，行为数据和转换数据，以获得完整，全面和准确的数据。目的是打开整个过程数据。只有当我们获得完整和全面的数据时，我们才能找到虚假流量的痕迹。 。以下图片是流量转换的完整过程：
我们在这个过程中面临两个挑战：
显示和点击数据位于第三方广告投放平台上，我们无法获取用户详细信息
前端和后端数据是碎片化的，只能计算前端的点击转换。我不知道后续的业务转换是怎样的
因此，许多作弊渠道将在这两个方面大做文章，挖掘漏洞，通过人工行动（如程序或雇用人类）产生交通。人工操作可能是点击您的广告，访问促销页面或完成一个简单的操作。任务，例如单击Call to Action按钮，这种流量通常不会带来实际的转换。它还说，由于无法获得转换后的业务数据，因此衡量证据并不容易，因此只能犹豫不决。 。
作弊交通无法避免。我们只能增加技术壁垒，增加作弊成本。作弊成本高，作弊现象会有一定程度的降低。
数据预处理
在流量正式到达目标网页之前，我们可以在显示点击阶段和到货产品目标网页之间建立障碍。也就是说，通过数据预处理，某些行为是通过某些反作弊规则的可疑或不需要的流量。过滤掉：
过滤一些已知的IP段，例如Intranet IP，测试IP
设备号异常：如果经常重置idfa
IP异常：该位置的IP来自一个无法解释的地方
异常行为：例如频繁刷新页面
包不完整：只有启动信息，没有其他用户行为信息，如页面，事件等。
通过这种方式，我们可以确保到目标网页的流量相对干净，但仍有网络中的鱼，我们需要通过进一步的数据分析找到虚假流量。
虚假交通的案例分析
我们先来看一组数据：
平均每日访问量：10w +
跳出率：45％
每次访问的平均页数：3.2
每次访问的平均长度：1分50秒
订单转换率：0.12％
这是我们的一位电子商务客户报告的问题。他们推出了一个新的电子商务代购源码网站。他们在交通和跳出率方面表现良好。订单转换率很低。我不知道发生了什么。 。
在这种情况下，我们只能说我们并不焦虑。我们先来看看数据。细分对于虚假流量是致命的，因为通过细分我们当然可以识别虚假流量的模式和模式。
代购源码网站整体流量趋势
从上图可以看出，9月3日的PV低于平时;访问次数和唯一访问用户数几乎相等，即每人的访问次数接近1，每个用户只访问一次，每月访问率非常低。
新访谈和跳出率的比较分析
从上图中我们可以得到这些信息：
新用户的比例接近80％，表明新用户大多是
跳出率约为45％，跳出率非常低，表明交通质量可以
但如果我们考虑一下，我们会发现以下问题：
新用户的比例与跳出率指标成反比。在正常情况下，新用户的比例与跳出率指标成正比。如果新用户的比例很高，则跳出率也很高。
跳出率很低，为什么转换率如此之低？
不同城市不同转换指标的比较
我们查看了交通中排名前8位的城市的比较数据。 Top8城市数据对交通量贡献很大，上海的销售额约占总销售额的1/3，河南的订单转换率更高。该城市的交通贡献为“未知”。也很大，跳出率低，但订单转换率远小于0.01％。显示未知，表明流量来自的IP段，但流量足够大，因此需要引起注意并怀疑作弊。
不明城市不同时段的比较分析
我选择了最近一个月的数据来查看这些流量在不同时间段的分布情况（图略）。我发现从凌晨1点到早上6点，交通占总交通量的25％，相对较高。更奇怪的是，晚上的交通是时间段是相对平均的，流量是相似的。这是不合理的，需要进一步分析。
夜间交通分类比较分析
我们发现其中72％的流量来自广告系列，但转化率较低，我们不知道哪些广告系列来源正在拉动。
夜间交通活动源份额分析
大多数找到的广告系列流量来自sm频道，可以将分析范围缩小到sm频道。
Sm通道指标整合分析
sm通道拥有大量流量，新用户占90.31％，跳出率为20.32％，转换率为0.08％。基本上，可以得出结论，sm通道存在问题。
Sm频道分段登录页面和非活动页面数据性能
通过进一步细分，发现sm通道的大部分流量流入主动登陆页面（图略），跳出率低于23％，每次访问的平均浏览深度接近1。有趣的是，另一部分不活跃。页面，页面浏览量深入数百页，人类行为异常，其目的仅在于平均整体流量。
Sm频道活动着陆页点击地图分析
同时，我们还可以分析不同着陆页的点击地图，您会发现更多有趣的现象。
此时，你已经完成了。
案例摘要
从上面的例子中，我们可以看到我们通过逐层分割和逐层方法找到了错误的流量。因此，为了找出虚假交通，我们需要密切关注以下几个方面：
标记频道以分割流量
通过为每个通道设置UTM标签，通道将贯穿用户的整个访问过程，从而可以轻松查看通道组的每个通道的性能，并避免来自其他通道的干扰。
生成流量的时间
查找发生异常流量的时间点，然后优化每小时访问数据的时间。如果流量在一段时间内过于集中，或者在不适当的时间出现流量激增，则应注意这一点。 。
地理交通来源
通常情况下，访问者来自不同的地理位置，如果流量过于集中在某个区域，或者在没有流量的地方存在大量流量，则会产生怀疑。
流量的用户终端
不同的频道覆盖不同的用户群，因此各个用户终端将具有一定的差异。例如，对于小米App Store频道，其用户很可能排名前十的手机是小米手机，而对于手机MM，他们的用户来自移动运营商。排除这些应用商店的特殊渠道，大多数用户终端渠道类似于整个互联网终端分发。我们可以通过查看行业报告或查询数据索引产品并将其作为行业基准进行比较来查看数据。此外，我们还可以关注设备终端类型，操作系统，网络方法，运营商，地理位置和其他设备属性。
流量的跳出率和访问的新用户比例
跳出率与新访问用户的比例成正比。另外，如果交通的跳动率在一定时间内突然增加，则上述尺寸可用于执行细分并且跳跃率的细分维度增加。
转换流量
许多作弊行为可以模仿人类行为，绕过跳跃率，平均访问深度和逗留时间等宏观指标。但是，模仿业务转型更加困难。如果宏指标表现良好且业务转型很小，则需要进行改进。警觉。
保留交通
我们通常看到的保留指标在第二天保留，保留在7日，并保留在30日。因此，一些作弊渠道将专门针对这三个指标。因此，除了这三个指标外，建议拓宽指标并注意每日保留的变化。
来自新流量的用户路径
在新用户推广着陆页后，他们通常会开始从着陆页转移。他们会点击不同的链接访问不同的页面，而且作弊流量难以完成2-3次点击，即使完成，点击链接或内容也基本固定。
交通访问分布分析
适当地加宽时间维度以查看特定频道的某个功能的分发频率，例如浏览页面。真实访问者具有再次返回访问的行为，并且虚假流量通常不在任务完成之后。回访的频率非常低。
针对流量的单页每次访问次数
如果登录页面的每页访问次数很高（例如，超过4次），则非常可疑，因为在单次访问中，用户通常不会多次浏览同一登录页面。同时，结合代购源码网站每次访问次数，结果将更加准确。
点击流量着陆页的热图
这需要一些热图工具，并且从热图工具中，更容易找到作弊流量的线索。
