怎样辨别渠道作弊—数据分析篇.pdfVIP

怎样辨别渠道作弊—数据分析篇 节前写了一篇文章 ，通过统计指标分析渠道投放的效 （点击链接查看 ），今天想说下怎样辨别渠 道作弊 ，分析渠道的效 ，还有反作弊手段。欢迎拍砖。 有的运营人员做渠道投放 ，每个渠道都投放了 ，点击量特别高 ，但激活量只有个位数。也有可能点 击激活数量都很高 ，但是留存率很低。费用都花光了 ，但是效 没有出来。自己做数据分析 ，但是 却得不到结论。 我们做数据分析的前提是需要拿到靠谱的数据。如 数据不准确 ，基于这个数据分析出来的结论是 没有意义的。 获取准确的数据 ，首先需要我们选择靠谱的统计分析平台 ，平台的选择可以参考我的前一篇文章。 即便在平台靠谱的情况下 ，也有可能出现一些不靠谱的情况。俗话说 ，有榜单的地方就有刷榜 ，有 数据统计的平台就有数据作弊的作坊。 在移动互联网生态中存在很多不为人知的渠道刷量工作室 ，这些工作室以非常低廉的价格贡献质量 同样低廉的用户数据。 早期的统计分析平台的 SDK 基于明文的jaso n 数据包 ，工作室可以很方便的用程序伪造这些数 据包 ，模拟出新增、活跃、留存、时长等用户数据。随着统计分析平台的发展 ，很多分析平台推出 了基于二进制协议的 SDK ，开发人员还可以自行调用加密开关。这些技术的提升使统计平台的安 全性和数据准确性得到了提高。如 A PP 升级到安全协议版本的 SDK ，刷量工作室已经很难采用 直接模拟数据包的形式来刷量了。 所谓道高一尺魔高一丈 ，平台有平台的方法 ，刷量工作室有刷量的方式。他们可能是采用分布式人 肉刷量的方式来刷量 （形式可以参考基于任务的积分墙 ）；也有可能是采用更为智能的方式 ，通过 编写程序脚本 ，修改真机参数 ，驱动真机运行 （有兴趣的同学可以了解一下igrimace这个 iO S 的刷 量工具 ）。这些行为已经跟真实的用户行为几乎没有差别了 ，很难从技术上分辨这些数据。 其实有经验的运营人员还是可以通过一些数据指标来分辨出真假用户的差异。 渠道效果评估 留存率 有时候渠道刷量会选择在次日、7 日、30 日这些重要时间点上导入用户数据。我们会发现 A PP 在 次日、7 日、30 日这些关键时间点上的数据明显高于其他时间点。其实真实的用户的留存曲线是一 条平滑的指数衰减曲线 ，如 你发现你的留存曲线存在陡升陡降的异常波动 ，基本上就是渠道干预 了数据。可想而知 ，这样的用户的质量是非常差的 ，也不具备商业价值。 留存曲线不仅可以帮助我们判断渠道的质量 ，还可以在运营推广和产品优化上给出很多参考性建议 。留存率这么重要 ，那么 ，留存率是怎么计算的呢 ？ 某一天的新增用户 ，在 n 天后回访的比例 ，就是这天的 n 日留存率。举个例子 ，如 我们在2月1日 获取了1000个新增用户 ，这批用户在2月2 日有4 00个用户回访 ，2月8 日有200个用户回访 ，那么2月 1日新用户的次日留存率是4 0% ，7 日留存率是20%。 留存率是业内判断用户质量的通用指标。移动互联网行业内 ，如 一个 A PP 的次日留存率达 到4 0% ，7 日留存率达到20% ，30 日留存率达到10% ，这个 A PP 的留存率就高于了业内标准了。一 般来说 ，工具类应用的留存率高于游戏类应用的留存率 ，高频应用的留存率高于低频应用的留存率 。除了应用类型 ，留存率还跟 A PP 的用户体验、推广方式等因素相关。 用户终端 每个渠道都有自己覆盖的用户群 ，他们的用户终端会有区别。比如说小米应用商店的用户可 能T O P10的机型都是小米手机 ，而移动MM的用户可能绝大部分是移动运营商的用户。排除这些有 特殊渠道的应用商店 ，大部分渠道的用户终端跟整个移动互联网终端分布是类似的。我们可以通过 查看移动互联网数据报告或者数据指数产品来了解这些数据 ，把这些数据作为be n chmar ，来对比 分析 A PP 的数据。 我们可以重点关注设备终端、操作系统、联网方式、运营商、地理位置这些手机设备的属性。我在 下面列举了一些t ips ，欢迎交流与拍砖。 方法一 ：关注低价设备的排名 你可以重点分析渠道的新增用户或者启动用户的设备排名。如 你发现某款低价设备排名异常靠前 ，这种情况值得我们重点关注。这些数据可以在统计平台的终端属性分布中找到。 尤其是 iO S 平台没有模拟器 ，所有的用户数据需要通过真机触发。很多刷量的工作室会选择购买二 手的iPho ne 5c来做刷量真机。有个做渠道推广的朋友踩过这样的坑 ，发现某个渠道