App渠道做弊如何辨別？教你用數據精準辨別！

有的運營人員作渠道投放，每一個渠道都投放了，點擊量特別高，但激活量只有個位數。也有可能點擊激活數量都很高，可是留存率很低。費用都花光了，可是效果沒有出來。本身去分析後臺數據，卻得不到結論。

我想說的是，分析的前提是拿到靠譜的數據。若是數據不許確，結論可想而知~

固然，再靠譜的平臺，也有可能出現一些不靠譜的狀況。爲何呢？俗話說，有榜單的地方就有刷榜，有數據統計的平臺就有數據做弊的做坊。

在移動互聯網生態中存在不少鮮爲人知的渠道刷量工做室，這些工做室以很是低廉的價格貢獻質量一樣低廉的用戶數據。

早期的統計分析平臺的SDK基於明文的jason數據包，工做室能夠很方便的用程序僞造這些數據包，模擬出新增活躍、留存、時長等用戶數據。隨着統計分析平臺的發展，不少分析平臺推出了基於二進制協議的SDK，開發人員還能夠自行調用加密開關。這些技術的提高使統計平臺的安全性和數據準確性獲得了提升。若是App升級到安全協議版本的SDK，刷量工做室已經很難採用直接模擬數據包的形式來刷量了。

所謂道高一尺魔高一丈，平臺有平臺的方法，刷量工做室有刷量的招數。除了採用分佈式人肉刷量的方式來刷量(形式能夠參考基於任務的積分牆);有技術實力的都可以經過編寫程序腳本，修改真機參數，驅動真機運行(有興趣的同窗能夠了解一下igrimace這個iOS的刷量工具)。這些行爲已經跟真實的用戶行爲幾乎沒太大差異，很難從技術上分辨這些數據。

其實有經驗的運營人員仍是能夠經過一些數據指標來分辨出真假用戶的差別。

渠道效果評估

(1)留存率

有時候渠道刷量會選擇在第二天、7日、30日這些重要時間點上導入用戶數據。咱們會發現APP在第二天、7日、30日這些關鍵時間點上的數據明顯高於其餘時間點。其實真實的用戶的留存曲線是一條平滑的指數衰減曲線，若是你發現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了數據。可想而知，這樣的用戶的質量是很是差的，也不具有商業價值。

留存曲線不只能夠幫助咱們判斷渠道的質量，還能夠在運營推廣和產品優化上給出不少參考性建議。留存率這麼重要，那麼，留存率是怎麼計算的呢？

留存率的定義：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，若是咱們在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，那麼2月1日新用戶的第二天留存率是40%，7日留存率是20%。

留存率是業內判斷用戶質量的通用指標。移動互聯網行業內，若是一個App的第二天留存率達到40%，7日留存率達到20%，30日留存率達到10%，這個App的留存率就高於了業內標準了。通常來講，工具類應用的留存率高於遊戲類應用的留存率，高頻應用的留存率高於低頻應用的留存率。除了應用類型，留存率還跟App的用戶體驗、推廣方式等因素相關。

(2)用戶終端

每一個渠道都有本身覆蓋的用戶羣，他們的用戶終端會有區別。好比說小米應用商店的用戶可能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用商店，大部分渠道的用戶終端跟整個移動互聯網終端分佈是相似的。咱們能夠經過查看行業數據來了解這些數據，把這些數據做爲benchmark，來對比分析App的數據。

譬如能夠關注設備終端、操做系統、聯網方式、運營商、地理位置這些手機設備的屬性。我在下面列舉了一些tips，歡迎交流與拍磚。

方法一：關注低價設備排名

你能夠重點分析渠道的新增用戶或者啓動用戶的設備排名。若是你發現某款低價設備排名異常靠前，這種狀況值得咱們重點關注。這些數據能夠在統計平臺的終端屬性分佈中找到。

尤爲是iOS平臺沒有模擬器，全部的用戶數據須要經過真機觸發。不少刷量的工做室會選擇購買二手的iPhone5c來作刷量真機。有個作渠道推廣的朋友踩過這樣的坑，發現某個渠道有75%的設備是iPhone5c，比top5的iOS設備佔比還多。繼而又發現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iPhone5c來刷量。

方法二：關注新版本操做系統的佔比

通過本人多年工做經驗發現，不少渠道刷量工做室在操做系統版本的適配上會有延時。因此建議渠道人員在查看渠道用戶的操做系統時，能夠和全體手機網民的操做系統的分佈作比較。若是你發現某個渠道下面，不存在新版本的操做系統(好比iOS8.x)，有一種可能性就是這個渠道合做的工做室的技術尚未適配最新的操做系統。

方法三：關注wifi網絡的使用狀況

有的朋友問我，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，首先咱們須要對如今的大形勢有些瞭解。

如今是一個高速網絡的環境，不管是新增用戶仍是活躍用戶，wifi的使用佔比都比較大。從用戶行爲上來講，若是你留心身邊的朋友，會發現你們在下載App的時候傾向於使用wifi(流量貴啊)，相比之下，啓動App時，會對當前網絡的敏感性差一些。也就是說，新增用戶的wifi使用比例會大於啓動用戶的wifi使用比例。

另外，wifi的使用比例還跟應用類型相關。若是你是一個在線視頻類型的應用，可能wifi的比例會在90%以上。

若是你是一個小流量的App，同時可以在新增用戶和活躍用戶的wifi數據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

有個行業內作了好久的朋友傳授給我一個經驗，說福建地區的做弊比較多，咱們在制定投放策略的時候能夠重點考慮屏蔽做弊多的地區。這個黑名單也能夠根據APP實際的分地域投放效果來定製。

另外，咱們在投放時也能夠根據須要重點選擇部分地區投放。好比北上廣這些高消費的地區，好比三四線城市這些相對藍海的區域。查看數據時就須要驗證用戶是否和咱們的投放策略相符合了。

(3)用戶行爲

方法一：比較用戶行爲數據

若是一個App作的時間比較久，訪問頁面、使用時長、訪問間隔、使用頻率等這些行爲數據會趨向穩定的。不一樣App的行爲數據是有差別的。可能刷量工做室能夠模擬出看似真實的用戶行爲，可是很難跟你的App的平常數據作的徹底一致。

一個渠道用戶的使用時長、使用頻率太高太低都值得懷疑。咱們在平時作渠道數據分析時，能夠將這些數據跟整個App做比較，或者將安卓市場、應用寶這些大型應用商店的數據做爲基準數據，進行比較。

方法二：瞭解新增用戶、活躍用戶小時時間點數據曲線

不少刷量工做室經過批量導入設備數據或者定時啓動的方式來僞造數據。這種狀況下，新增和啓動的曲線會出現陡增和陡降。真實用戶的新增和啓動是一條平滑的曲線。

通常來講，用戶的新增和啓動會在下午6點以後達到高峯。並且新增相比啓動的趨勢會更加明顯。

咱們能夠將不一樣渠道的分時數據進行對比，找到異常。須要注意的是，這種行爲數據的對比須要遵循單一變量原則。也就是說，除了是不一樣的渠道，實驗中的其餘因素必須徹底相同。若是咱們選取渠道A在週三的活躍數和渠道B在週六的活躍數作對比，這兩個數據確定是有差別的，不具有可比性。

方法三：查看用戶訪問的頁面名稱明細

有些工做室會將appkey打到其它高頻的App中。這樣，咱們可能會發現渠道用戶的數據很是漂亮，可是仔細觀察能夠發現，頁面名中有大量的頁面不是本身定義的。經過對比頁面名稱，能夠定位到這種形式的渠道做弊。

若是是AndroidApp，這個名稱是activity或者fragment;若是是iOSApp，這個名稱是自定義的view。這段記不住也不要緊。記得找開發人員要一下具體頁面的名稱列表，對比一下統計後臺用戶訪問的頁面明細，就能看出差別了。

(4)轉化率分析

轉化率數據的分析不只能夠幫助咱們應對渠道做弊，還能夠幫助咱們判斷不一樣渠道的用戶質量，提升投放效率。

每個App都有本身的目標行爲。好比電商類應用的目標行爲就是用戶購買商品的狀況。遊戲類的應用須要考察應用內付費。社交類應用會關注用戶產生內容的狀況。運營人員須要定義和設計應用的目標行爲。

若是一個用戶是真實的流量，他會經歷點擊、下載、激活、註冊、直到觸發目標行爲的過程。咱們能夠將這些步驟作成漏斗模型，觀察每一步的轉化率。漏斗的步驟越靠後，做弊的難度越大，所獲取用戶對系統的價值越高，同時咱們付出的用戶成本也越高。運營人員須要對目標行爲進行監控，在渠道推廣時，考察目標行爲的轉化率，提升渠道做弊的邊際成本。

反做弊模塊

除了除了使用現成的統計分析工具，還能夠申請讓研發人員開發本身的反做弊模塊。反做弊模塊在原理上相似於殺毒軟件，咱們能夠定義一些行爲模式，加到反做弊模塊的黑名單庫中。若是一個新增設備知足定義的行爲模式，就會被斷定爲一個做弊設備。每一個運營人員均可以根據本身的App來定義。我列舉了一些經常使用的行爲模式：

(1)設備號異常：頻繁重置idfa

(2)ip異常：頻繁更換地理位置

(3)行爲異常：大量購買特價商品等

(4)數據包不完整：只有啓動信息，不具有頁面、事件等其餘用戶行爲信息

寫在最後

運營人員要作好長期與渠道合(dou)做(zheng)的心理準備。用好第三方工具，作好數據統計是萬里長征的第一步。

但願每一個運營人員可以經過數據的使用，挑選出合適的渠道，提升渠道投放的收益。