如何識別App渠道作弊

俗話說，有錢能使鬼推磨。為了保障下載量、使用量，企業通常會在 App 推廣中投巨資給第三方渠道，用于引流買量。但在這一過程中，內鬼、羊毛黨、刷量中介總會趁虛而入，成為刷量造假的核心群體。那么，今天就根據我的經驗來談談怎么通過數據分析，辨別流量的真實性，揪出異常渠道。

做渠道數據分析的前提是拿到靠譜的第一手數據。數據如果不夠準確，那么基于此數據進行分析也就沒有任何意義。

渠道推廣比較精準的統計平臺我以 openinstall 為例，它能程序化生成渠道包以及海量渠道推廣鏈接，各個渠道只需拿著對應的專屬鏈接即可獲取相應數據，即便是用戶個體間的社交分享傳播，也能實現自動識別渠道分享來源。

數據獲取只是第一步，防作弊分析才是重中之重。目前市場上的作弊方法很多，作弊工作室可能采用分布式人肉刷量的方式來刷量（可以參考基于任務獎勵形式的積分墻）；也有可能采用更為智能的方式，通過編寫程序腳本，修改真機參數，驅動真機運行。這些行為已經跟真實的用戶行為幾乎沒有差別了，很難從技術上分辨這些數據。但我們還是能從數據上分析出一些蛛絲馬跡，下面就講講具體的辨別方法。

一、先做渠道排重

第一步，先利用現成的工具和系統，從技術上將重復多余的數據剔除，現在許多第三方基于不同的方案，都有一套自己的排重機制，比如 openinstall 后臺就能提供免費的排除重復功能，主要維度包括：安裝量、注冊量、1日/7日/30日留存、增長趨勢、IP 分布、系統版本等，也可以根據業務需求自定義目標事件，精準的排重功能可以幫我們做一個初步數據篩選，也為后面的分析環節省去不少工作量。

二、渠道效果評估

1、留存率判斷

從留存率看刷量的話，最簡單的判斷是觀察1日、7日、30日這三個節點的數據波動，不少刷量工作室會選擇在這三個節點定時導入或者批量導入大量用戶數據。所以，如果在沒有外在因素影響的情況下，數據出現過高或過低的波動，那么該渠道就有作弊嫌疑。

真實的用戶留存曲線應該是平滑下降的，如果一個 App 的次日留存率能達到40%的話，那么7日留存率達到20%，30日留存率達到10%，這個 App 的留存率就高過業內標準了，需要警惕。一般高頻類 App（如社交、外賣、工具類）留存率會大于低頻類 App（如租房、旅游、電商類），其次，如果有簽到獎勵、沉默喚醒機制的 App 留存率或許會高一些，這些因素也要考慮進去。

2、終端設備判斷

用戶終端可以準確追蹤到的包括：IP分布、系統版本、品牌/機型等，這些都有分析技巧。

IP分布關系到投放策略層面，一般我們都會根據產品調性做重點投放，比如一二線高消費城市、三四線等相對下沉城市，或者根據區域，比如華東、華南或省份等。查看數據時，如果有部分用戶來自重點投放區域外，或者過于集中在某個地區，那么數據來源可能來自某個作弊工作室。

系統版本和操作系統占比也能看出些貓膩。事實上很多作弊渠道都是統一采購作弊設備，畢竟如果一直換新手機作弊成本也太高了，但真實用戶不是，因此如果觀察到的版本和系統都是比較落后的版本，或者是過于集中在某個時段的版本，那可能就有問題，比如現在2019年，而來自某個渠道的用戶機型和操作系統基本都是2017年6月份發布的新機，那就值得懷疑。

品牌機型也是同理，尤其是 iOS 沒有模擬機，必須用真機觸發，因此刷量作坊會大量采購二手蘋果手機，安卓方面，出于成本考慮，主要的刷量也都是由低價機、二手機、冷門機型完成，這些都是可以辨別的依據。

3、用戶行為判斷

即便如今的作弊工作室能模擬出連系統都無法辨別的逼真行為數據，但訪問頁面、使用時長、訪問間隔、使用頻率這些實際行為是很難和真實用戶一模一樣的。

想要辨別的話，一是跟日常數據做比較，在沒有活動或重大更新之類的影響下，真實用戶的行為數據應該是趨向平穩的，這個能從某個頁面的訪問或功能使用時長判斷；二是參考權威數據，應用寶之類的應用市場或第三方評測平臺，會根據市場大數據定期發布用戶行為報告，這個也是參考標準之一。

4、轉化率分析

分析一個 App 的流量轉化率，不僅能幫助我們提高投放效率，還能判斷引流渠道的價值。

通常用戶行為都是可以做成漏斗模型的，我們可以把“訪問-下載-安裝-打開-注冊-付費”等行為步驟做成沙漏，每經過一層，作弊難度就會大幅增加，觀察每一層轉化的異常，可以對渠道質量得出一個大致的結論。

以上這些方法在實際運用中還有很多發揮空間，可以自行根據產品性質做出調整，跟作弊行為斗智斗勇，是每個 App 推廣中必須經歷的，這些就需要經驗積累和工具輔助運用才能實現。