• APP推广ZB简介


    1. 常见的刷流量手段

            App推广过程中,因为推广提供的优惠或推广的渠道特性,必然或多或少会带来一定的广告作弊。以刷量为例,常见的作弊手段有以下几种:

    1. 自动点击:通过程序或脚本自动模拟用户点击广告,以增加广告点击量;

    2. 自动下载和安装:通过自动化脚本或恶意软件,在用户不知情的情况下自动下载和安装应用程序,以获取安装量和激活量;

    3. 人工点击:雇佣人力点击广告,通过低成本的人工劳动力刷取广告点击量;

    4. IP代理: 使用IP代理或VPN服务来隐藏真实IP地址,以刷取虚假的广告流量;

    5. 刷量交换:多个广告主之间互相点击广告,以增加彼此的点击量;

    6. 黑帽SEO:通过不符合搜索引擎规范的优化手段,提高网站在搜索结果中的排名,从而获取更多的流量;

    7. 强制重定向:通过恶意代码或程序,将用户重定向到广告页面或恶意网站,以获取流量和点击量;

    8. 机器人流量: 使用自动化程序或机器人模拟真实用户行为,刷取广告流量;

    9. 假冒用户和账号: 创建大量假冒的用户账号或社交媒体账号,通过这些账号来点击广告或转发链接,以增加流量。

    常见的app推广的作弊手法

    1. 大点击

            搞海量的点击,等到用户在真正安装之后,按照第三方的一个归因逻辑,点击后7天内安装的,都算是能带来真实点击的渠道。因此不管以后会不会去安装,先不定期地或者是定期地给模拟点击一下,万一以后安装了或者是点了别人的广告之后,我这边运气好又发了一次点击命中了。

          大点击的套路其实感觉可能技术门槛没那么高,所以相对比较常见,但是也最容易被发现,毕竟点击实在太多了,不正常。可是也有混合玩法,大点击+模拟器刷或者积分墙刷,把点击转化率降低。

    2. 劫持抢归因

            在你安装之前以及别家渠道点击之后精准的再模拟一次点击,按照最后一次点击归因逻辑,把别人变成助攻,自己变成主攻。这种作弊套路可能技术难度略大一些,需要监听到手机安装应用的状态,在用户启动之前再模拟点击,通常可能要有root权限或者非root权限在启动之前在去模拟点击。

    3. 模拟器刷

            简单粗暴,直接用模拟器不断的变化设备信息,再安装,这类应该被大部分第三方直接干掉了的。但是总有漏网的,或者用一些真实的设备信息放到模拟器去刷。但此类作弊基本上可以从后续行为来看,如留存、付费情况,除非他ROI给你刷到100%,否则一定和你的正常用户行为不同。

    4. 积分墙刷

            简单粗暴,直接在一些网赚APP,或者专门的积分墙上面卖广告以次充好,买回来的量基本都没啥后续行为,但是第三方很难判断是否为真,所以只能设定不同的指标去限制,当然还是和模拟器查询相似,积分墙给你刷出来的量一定只有1-2个事件比例正常,后续的行为一定有漏洞。

    4. 抢view through量

            这个不一定算作弊,但是相当隐秘,一般不容易被发现。这个套路基本是靠蹭曝光归因逻辑的量的,第三方归因里面有一条是展示广告后24h内安装应用并且没有别家贡献点击的,算成渠道的归因。但是这个view through一般是给视频渠道的,但是部分app联盟渠道是不管是不是视频渠道,能多抢就多抢。

    2. 防范手段

    2.1 技术层面

    1. 用户验证:应用程序可以使用各种方式对用户进行验证(如手机号码、电子邮件、社交媒体账号进行登录),以确保每个用户都是真实存在的

    2. 设备指纹识别:通过采集设备的唯一特征信息,以对设备进行识别和跟踪,以检测异常行为和作弊行为;

          黑灰产拥有专业的设备牧场,通过使用模拟器、刷机改机等手段,批量、反复地利用终端设备作案。对互联网场景下的金融、电商等行业,进行恶意爬取、虚假注册、账号盗用、薅羊毛、推广作弊等其他恶意行为,而设备指纹通过用户上网设备的硬件、网络、环境等特征信息生成设备的唯一标识,可有效识别模拟器、刷机改机、Root、越狱、劫持注入等风险。

    3. 反欺诈算法:利用ML技术,开发反欺诈算法来检测异常的流量模式和行为,识别潜在的作弊行为。

    4. 持续监测和分析:对广告流量进行实时监测和分析,检测异常的点击模式、下载行为和安装活动,及时发现并处理作弊行为。

    2.2 推广机制

    以下通过人工及机制来处理问题:

    1. 人工审核和筛查:通过人工审核和筛查来排查异常的广告流量,识别非法的自动下载安装行为;

    2. 合作伙伴审核:定期对广告合作伙伴进行审核和评估,确保其合法性和诚信度;

    3. 数据分享和合作:与其他广告平台、第三方数据提供商等进行数据共享和合作,共同对抗广告流量作弊行为;

    4. 奖惩机制:建立奖励和惩罚机制,对于合作伙伴和广告流量提供商,根据其表现给予相应的奖惩,以激励诚实行为并打击作弊行为。

  • 相关阅读:
    Node.js安装使用问题
    kettle学习--基础--01--介绍
    分布式存储之hash取余算法
    【云原生】-MySQL压测神器HammerDB的部署及使用
    lv5 嵌入式开发-2 exec函数族
    51单片机可调幅度频率波形信号发生器( proteus仿真+程序+原理图+报告+讲解视频)
    我开发了《联机桌游合集: UNO+斗地主+五子棋》,让你享受纯粹的游戏
    UWB系统的定位精度影响因素(一)
    模块化设计瞎谈
    leetcode 135.分发糖果 贪心法求解 (c++版本)
  • 原文地址:https://blog.csdn.net/MusicDancing/article/details/138187763