運營人員可能會遇到的事情：做渠道投放的時候，每個渠道都投放了，點擊量特別高，但是激活量卻只有個位數(shù)。點擊量和激活數(shù)量都很高，但是留存率卻很低�；舜罅抠M用在渠道投放上，但是效果卻并不好。
其實，在移動互聯(lián)網(wǎng)生態(tài)中存在很多不為人知的渠道“刷量”工作室，這些工作室以非常低廉的價格貢獻質(zhì)量同樣低廉的用戶數(shù)據(jù)，這給 App 生態(tài)圈帶來了很多惡意后果。面對“刷量”，運營人員往往在虛假數(shù)據(jù)面前束手無策。那么，“刷量”到底是怎么進行的?在運營過程中我們要怎樣去判斷數(shù)據(jù)是否有“水分”?
一、關(guān)于“刷量”
早期的統(tǒng)計分析平臺的 SDK 基于明文的 json 數(shù)據(jù)包，工作室可以很方便的用程序偽造這些數(shù)據(jù)包，模擬出新增、活躍、留存、時長等用戶數(shù)據(jù)。隨著統(tǒng)計分析平臺的發(fā)展，很多分析平臺推出了基于二進制協(xié)議的 SDK ，開發(fā)人員還可以自行調(diào)用加密開關(guān)。這些技術(shù)的提升使統(tǒng)計平臺的安全性和數(shù)據(jù)準確性得到了提高。如果 App 升級到安全協(xié)議版本的 SDK，刷量工作室已經(jīng)很難采用直接模擬數(shù)據(jù)包的形式來刷量了。
所謂道高一尺魔高一丈，平臺有平臺的方法，刷量工作室有刷量的方式。他們可能是采用分布式人肉刷量的方式來刷量(形式可以參考基于任務(wù)的積分墻);也有可能是采用更為智能的方式，通過編寫程序腳本，修改真機參數(shù)，驅(qū)動真機運行(有興趣的同學可以了解一下 igrimace 這個 iOS 的刷量工具)。這些行為已經(jīng)跟真實的用戶行為幾乎沒有差別了，統(tǒng)計平臺也很難從技術(shù)上分辨這些數(shù)據(jù)。
那么，有什么辦法能識別這些虛假數(shù)據(jù)呢?一些有經(jīng)驗的運營人員，會通過渠道效果評估的數(shù)據(jù)指標和反作弊模塊兩方面來分辨出真假用戶的差異。同時，友盟新出的用戶評級產(chǎn)品，通過設(shè)備在友盟數(shù)據(jù)平臺的全局行為來評估渠道用戶質(zhì)量的好壞。下面，我們來仔細分析，如何通過這些指標和工具來辨別真假用戶。
二、如何識別“刷量”數(shù)據(jù)
1、渠道效果評估
1.1、留存率
有時候渠道“刷量”會選擇在次日、7 日、30 日這些重要時間點上導入用戶數(shù)據(jù)。我們會發(fā)現(xiàn) App 在次日、7 日、30 日這些關(guān)鍵時間點上的數(shù)據(jù)明顯高于其他時間點。其實真實的用戶的留存曲線是一條平滑的指數(shù)衰減曲線，如果你發(fā)現(xiàn)你的留存曲線存在陡升陡降的異常波動，基本上就是渠道干預(yù)了數(shù)據(jù)�？上攵�，這樣的用戶的質(zhì)量是非常差的，也不具備商業(yè)價值。
(小貼士：留存曲線不僅可以幫助我們判斷渠道的質(zhì)量，還可以在運營推廣和產(chǎn)品優(yōu)化上給出很多參考性建議。留存率是怎么計算的呢?某一天的新增用戶，在n天后回訪的比例，就是這天的 n 日留存率。舉個例子，如果我們在 2 月 1 日獲取了 1000 個新增用戶，這批用戶在 2 月 2 日有 400 個用戶回訪，2 月 8 日有 200 個用戶回訪，那么 2 月 1 日新用戶的次日留存率是 40%，7 日留存率是 20%。)
1.2、用戶終端
每個渠道都有自己覆蓋的用戶群，他們的用戶終端會有區(qū)別。比如說小米應(yīng)用商店的用戶可能 TOP10 的機型都是小米手機，而移動 MM 的用戶可能絕大部分是移動運營商的用戶。排除這些有特殊渠道的應(yīng)用商店，大部分渠道的用戶終端跟整個移動互聯(lián)網(wǎng)終端分布是類似的。我們可以通過查看移動互聯(lián)網(wǎng)數(shù)據(jù)報告或者數(shù)據(jù)指數(shù)產(chǎn)品來了解這些數(shù)據(jù)，把這些數(shù)據(jù)作為 benchmark ，來對比分析 App 的數(shù)據(jù)。
我們可以重點關(guān)注設(shè)備終端、操作系統(tǒng)、聯(lián)網(wǎng)方式、運營商、地理位置這些手機設(shè)備的屬性。我在下面列舉了一些 tips：
方法一：關(guān)注低價設(shè)備的排名
你可以重點分析渠道的新增用戶或者啟動用戶的設(shè)備排名。如果你發(fā)現(xiàn)某款低價設(shè)備排名異�？壳埃@種情況值得我們重點關(guān)注。這些數(shù)據(jù)可以在統(tǒng)計平臺的終端屬性分布中找到。
尤其是 iOS 平臺沒有模擬器，所有的用戶數(shù)據(jù)需要通過真機觸發(fā)。很多刷量的工作室會選擇購買二手的 iPhone 5c 來做刷量真機。有個做渠道推廣的朋友踩過這樣的坑，發(fā)現(xiàn)某個渠道有 75% 的設(shè)備是 iPhone 5c ，比 top5 的 iOS 設(shè)備占比還多。繼而又發(fā)現(xiàn)這個渠道的留存率等指標都差強人意，最終查出這個渠道使用了大量的 iPhone 5c 來刷量。
方法二：關(guān)注新版本操作系統(tǒng)的占比
很多渠道刷量工作室在操作系統(tǒng)版本的適配上會有延時。所以建議渠道人員在查看渠道用戶的操作系統(tǒng)時，可以和全體手機網(wǎng)民的操作系統(tǒng)的分布做比較。如果你發(fā)現(xiàn)某個渠道下面，不存在新版本的操作系統(tǒng)(比如iOS 8.x)，有一種可能性就是這個渠道合作的工作室的技術(shù)還沒有適配 的操作系統(tǒng)。
方法三：關(guān)注 wifi 網(wǎng)絡(luò)的使用情況
有的朋友問我們，用戶在 wifi 下面使用的比例達到了90%，這個比例到底正常不正常。要回答這個問題，首先我們需要對現(xiàn)在的大形勢有些了解。現(xiàn)在是一個高速網(wǎng)絡(luò)的環(huán)境，無論是新增用戶還是活躍用戶，wifi 的使用占比都比較大。
從用戶行為上來說，如果你留心身邊的朋友，會發(fā)現(xiàn)大家在下載 App 的時候傾向于使用 wifi(流量貴啊)，相比之下，啟動 App 時，會對當前網(wǎng)絡(luò)的敏感性差一些。也就是說，新增用戶的 wifi 使用比例會大于啟動用戶的 wifi 使用比例。
另外，wifi 的使用比例還跟應(yīng)用類型相關(guān)。如果你是一個在線視頻類型的應(yīng)用，wifi 的比例可能會在 90% 以上。如果你是一個小流量的 App ，同時能夠在新增用戶和活躍用戶的 wifi 數(shù)據(jù)對比上看出蛛絲馬跡，可能真的是渠道在搗鬼了。
方法四：定向投放也很重要
有個行業(yè)內(nèi)做了很久的朋友傳授給我一個經(jīng)驗，說福建地區(qū)的作弊比較多，我們在制定投放策略的時候可以重點考慮屏蔽作弊多的地區(qū)。這個黑名單也可以根據(jù) App 實際的分地域投放效果來定制。
另外，我們在投放時也可以根據(jù)需要重點選擇部分地區(qū)投放。比如北上廣這些高消費的地區(qū)，比如三四線城市這些相對藍海的區(qū)域。查看數(shù)據(jù)時就需要驗證用戶是否和我們的投放策略相符合了。
1.3、用戶行為
方法一：比較用戶行為數(shù)據(jù)
如果一個 App 運營的時間比較久，訪問頁面、使用時長、訪問間隔、使用頻率等這些行為數(shù)據(jù)會趨向穩(wěn)定的。不同 App 的行為數(shù)據(jù)是有差異的�？赡芩⒘抗ぷ魇铱梢阅M出看似真實的用戶行為，但是很難跟你的 App 的日常數(shù)據(jù)做的完全一致。
一個渠道用戶的使用時長、使用頻率過高過低都值得懷疑。我們在平時做渠道數(shù)據(jù)分析時，可以將這些數(shù)據(jù)跟整個 App 作比較，或者將安卓市場、應(yīng)用寶這些大型應(yīng)用商店的數(shù)據(jù)作為基準數(shù)據(jù)，進行比較。
方法二：了解新增用戶、活躍用戶小時時間點數(shù)據(jù)曲線
很多刷量工作室通過批量導入設(shè)備數(shù)據(jù)或者定時啟動的方式來偽造數(shù)據(jù)。這種情況下，新增和啟動的曲線會出現(xiàn)陡增和陡降。真實用戶的新增和啟動是一條平滑的曲線。一般來說，用戶的新增和啟動會在下午 6 點之后達到高峰。而且新增相比啟動的趨勢會更加明顯。
我們可以將不同渠道的分時數(shù)據(jù)進行對比，找到異常。需要注意的是，這種行為數(shù)據(jù)的對比需要遵循單一變量原則。也就是說，除了是不同的渠道，實驗中的其他因素必須完全相同。如果我們選取渠道 A 在周三的活躍數(shù)和渠道 B 在周六的活躍數(shù)做對比，這兩個數(shù)據(jù)肯定是有差異的，不具備可比性。
方法三：查看用戶訪問的頁面名稱明細
有些工作室會將 appkey 打到其它高頻的 App 中。這樣，我們可能會發(fā)現(xiàn)渠道用戶的數(shù)據(jù)非常漂亮，但是仔細觀察可以發(fā)現(xiàn)，頁面名中有大量的頁面不是自己定義的。通過對比頁面名稱，可以定位到這種形式的渠道作弊。
如果是 Android App，這個名稱是 activity 或者 fragment ;如果是 iOS App ，這個名稱是自定義的 view 。這段記不住也沒關(guān)系，記得找開發(fā)人員要一下具體頁面的名稱列表，對比一下統(tǒng)計后臺用戶訪問的頁面明細，就能看出差異了。
1.4、轉(zhuǎn)化率分析
轉(zhuǎn)化率數(shù)據(jù)的分析不僅可以幫助我們應(yīng)對渠道作弊，還可以幫助我們判斷不同渠道的用戶質(zhì)量，提高投放效率。每一個 App 都有自己的目標行為。比如電商類應(yīng)用的目標行為就是用戶購買商品的情況。游戲類的應(yīng)用需要考察應(yīng)用內(nèi)付費。社交類應(yīng)用會關(guān)注用戶產(chǎn)生內(nèi)容的情況。運營人員需要定義和設(shè)計應(yīng)用的目標行為。
如果一個用戶是真實的流量，他會經(jīng)歷點擊、下載、激活、注冊、直到觸發(fā)目標行為的過程。我們可以將這些步驟做成漏斗模型，觀察每一步的轉(zhuǎn)化率。漏斗的步驟越靠后，作弊的難度越大，所獲取用戶對系統(tǒng)的價值越高，同時我們付出的用戶成本也越高。運營人員需要對目標行為進行監(jiān)控，在渠道推廣時，考察目標行為的轉(zhuǎn)化率，提高渠道作弊的邊際成本。
友盟近期推出的用戶評級產(chǎn)品，可以綜合友盟數(shù)據(jù)平臺全量數(shù)據(jù)進行挖掘和分析，通過設(shè)備在友盟數(shù)據(jù)平臺的全局活躍情況、存活時長、App使用情況等六大特征來衡量各個渠道的新增用戶表現(xiàn)，幫助開發(fā)者更有效的評估用戶質(zhì)量。
2、反作弊模塊
除了使用現(xiàn)成的統(tǒng)計分析工具，還可以申請讓研發(fā)人員開發(fā)自己的反作弊模塊。我們可以定義一些行為模式，加到反作弊模塊的黑名單庫中。如果一個新增設(shè)備滿足定義的行為模式，就會被判定為一個作弊設(shè)備。每個運營人員都可以根據(jù)自己的 App 來定義。我列舉了一些常用的行為模式：
2.1、設(shè)備號異常：頻繁重置 idfa
2.2、ip 異常：頻繁更換地理位置
2.3、行為異常：大量購買特價商品等
2.4、數(shù)據(jù)包不完整：只有啟動信息，不具備頁面、事件等其他用戶行為信息
投稿郵箱：chuanbeiol@163.com 詳情請訪問川北在線：http://dstuf.com/
