渠道獲客的從業者要如何在自身渠道數據中剔除假量，識別出優質量，並通過不斷的渠道構成優化使得渠道投放的ROI效率最大化？本文筆者將基於友盟+移動統計（U-App AI版），對兩個真實案例進行剖析，講述：如何高效地做渠道評估，讓App假量灰產無處遁形？

互聯網下半場，在App拉新獲客上的表現為：一方面顯性成本不斷走高，另一方面，異常渠道和虛假流量拉高了隱形成本。

針對這一問題，喜馬拉雅藉助友盟+移動統計（U-App AI版）構建了實時的渠道投放監控體系：識別異常渠道、虛假流量，並自動監測報警直觀展示詳情，為管理層和運營團隊提供了及時的決策支持，同時形成投放策略迭代優化的閉環。在實踐中累計節約數百萬元的渠道投放成本，極大地促進了渠道獲客的健康成長。

在經濟寒冬的大環境下，這樣的“精益獲客體系”對互聯網企業來說非常重要。

目前市場上各類應用、各類媒體在渠道推廣上的競爭已達白熱化狀態。從流量紅利轉入存量時代，App產品的渠道推廣越來越難，具體可表現為以下三個方面：

應用商店高築流量壁壘：大手機廠商應用商店的商業化程度越來越嚴重，開始追求利益最大化的變現，應用推廣成本水漲船高，平均一個激活成本2-3元的時代一去不復返，目前一個金融類應用的激活成本甚至高達幾十元。渠道媒體魚龍混雜：移動媒體推廣、信息流廣告原生廣告爆發，面對競爭態勢異常激烈、魚龍混雜的媒體環境，轉化效果精準評估和異常流量甄別成為廣告主推廣的痛點。對渠道獲客從業者的數據能力要求越來越高：數據科學在渠道推廣中的作用舉足輕重，最大可能利用數據來驅動業務的增長，是對增長負責人、產品及運營負責人的新考驗。

但正所謂“渠道是立身之本，產品是立命之本”，互聯網企業不能迴避問題，更需要迎難而上。

筆者認為：在常見的渠道獲客方式中，無論是免費、付費還是換量，不同的渠道的天然屬性固然存在一定差異（即帶來的用戶激活App的情況會因渠道屬性天然存在一定差異）。

但拋開不可控因素，渠道獲客的從業者如何在這些渠道里剔除假量，識別出優質量，並通過不斷的渠道構成優化使得渠道投放的ROI效率最大化，纔是解決上述三個問題的關鍵。

筆者為此構建了一套渠道評估體系，如下圖所示：

App渠道評估體系分為：渠道反作弊評估體系和渠道質量評估體系。

渠道反作弊體系：以渠道真量為目標，用於識別渠道假量。渠道質量評估體系：可分為渠道有效性評估體系、渠道留存評估體系和渠道ROI評估體系，分別對應新增、活躍和收益這三個目標，旨在量化渠道效率、量化渠道留存質量和量化投入產出效率。一、真實案例分析案例一：渠道整體按比例和時間段摻入假量

2018年12月，筆者在審核DSP渠道某個賬戶的質量時，發現這個賬戶連續3個月在各個既定指標上均是貼着KPI走，不高也不低。

長期的從業經歷讓筆者意識到這裡面可能存在問題。於是又深入到渠道包維度（一個投放計劃對應着一個渠道包）查看了各個指標的數據詳情。

通過分析發現：每隔一段時間，都會有幾個渠道包的1日/3日等短期留存率正常，而7日/14日/30日等中長期留存率極其低（如下圖），同時這些中長期留存率低的渠道包並不是固定幾個，而是在不定期輪流變化。此時基本可確定這個渠道在控制整體質量的同時摻入了假量。

這類廣告商不可謂不“狡猾”：他們意識到全量造假是很容易被發現的，轉而選擇以退為進，整體滿足KPI的情況下，在總體數量上按一定比例摻入假量，魚龍混雜，提高假量發現的難度。

例如：每100個真實量中摻入5個假量。另外還在時間維度上神出鬼沒，當月在渠道包A摻假，下個月再換到渠道包B，如果被發現，就用渠道不穩定來搪塞。

歸因分析能夠幫助企業識別用戶的新增最終源自哪個渠道，但當渠道投放預算充足，相關指標滿足KPI時，渠道運營人員往往容易忽視不同渠道存在的虛假流量。

而對於這些真假參半的異常渠道，若不去追溯每個渠道流量的質量，就是縱容虛假流量對渠道投放的長期影響，影響渠道獲客的健康發展，終會給企業帶來不可估量的損失。在上面這個實例中，正是因為筆者在渠道包維度追蹤了數據，才最終識別出了假量。

案例二：利用某些低端機型刷量

筆者在一次關於各渠道新增用戶機型分佈的專題分析中，發現某幾個渠道的新增用戶中機型的分佈十分異常：

理論上來說，不同的渠道覆蓋不同的用戶羣，用戶的機型分佈也會有一定的區別，比如：華為應用商店渠道的用戶，絕大多數機型會是華為手機。排除這類手機廠商自帶的應用商店，在正常情況下，Android新增用戶的機型分佈應該呈現多元化，並且華米OV四大手機品牌應該佔據着相對較大的比重。

但筆者發現：某幾個渠道新增用戶的機型分佈中，高居榜首的卻是一兩個不甚知名的手機品牌的低端機型，且佔比高達10%-20%（如下圖）。

筆者進而深入分析了這些渠道新增用戶的啟動次數、使用時長、留存率、付費轉化等用戶行為數據，發現啟動次數基本為1，使用時長不足10秒，7日後的留存率為0，付費率為0，此時基本可以確定為利用機型刷量。

由於廣告投放過程中渠道服務商存在各級代理，流量獲取不透明，讓可供作弊的灰色區域越來越多，看似正常的廣告投放留存，其實隱藏着虛假流量的危機。

以上兩個案例均為CPA、CPD付費形式的常用作弊手段——採用各種手段刷下載、激活及留存，雖然作弊成本相對較高，但也較難屏蔽。除此之外，還有CPM、CPC付費形式下的刷曝光和點擊CPS付費形式下刷訂單等作弊手段。

總之，每種廣告都有對應的付費形式，每種付費形式都有虛假流量利益的訴求點。

雖然渠道假量識別一直是增長負責人和渠道推廣人員的一大痛點，但渠道推廣人員以及數據分析師不可能有足夠的時間和精力去一一核對各個細分渠道的詳細數據，進而識別出渠道假量。即便能夠一一核對，但也需要耗費大量的時間，待查出問題時，相關的損失可能已經造成且無法挽回。

那麼，是否可以建立一種機制，建設一套健全的體系，能夠精準的識別渠道假量，並自動報警，及時提醒相關人員呢？

二、解決方案1. 渠道投放全流程數據監控

筆者認為：無論從哪個維度入手去識別異常渠道和虛假流量，首先都需要將廣告曝光點擊數據、用戶屬性數據和用戶行為數據通過一定的數據採集手段，進行關聯、整合、聚類，從而獲取完整、全面和準確的基礎數據，並據此實現用戶數據的跟蹤和分析。

有了完整全面的數據，一方面，我們可以根據渠道的屬性從不同的突破點去尋找虛假流量的蹤跡；另一方面，通過分析和保留一個虛假流量完整環節的數據，可以建立支撐虛假流量強有力的證據。

如上圖，廣告投放全流程數據主要可分為三類;

廣告投放數據：廣告曝光量、廣告點擊量；用戶基本屬性數據：新增用戶的激活時段分佈、地域分佈、設備終端分佈、網絡及運營商分佈、App版本分佈；用戶行為數據：新增用戶的留存情況、App啟動次數、App使用時長、業務轉化情況（如播放時長、付費行為）。

2. 渠道反作弊評估體系

數據本身並不說明問題，對數據的解讀才能說明問題。

也就是說，數據只是未經加工的原始素材，表示的是客觀事物，須經過加工處理，形成邏輯後方能稱為信息；對大量的信息再進行總結歸納，將其體系化，便形成了知識，指導實踐。

實現對渠道投放全流程的數據監控後，接下來便是通過這些數據來識別異常渠道和虛假流量——即建立渠道反作弊評估體系，具體包括：

從各平臺各維度獲取數據；監測指標及閾值的設定；自動報警提醒、渠道詳情展示；完成異常渠道識別與虛假流量監測。

第三方監測平臺也在完善反作弊能力，例如友盟+會在四個層面進行反作弊：

重構通信協議，增加機密算法，提高破解協議的門檻。增加ID變化追蹤策略，鎖定虛假ID。在服務端升級算法和控制策略，更有效識別刷量行為。是增加appkey保護策略，上線設備指紋、模擬器識別等技術，尤其是針對Android設備端的刷量行為，大力打擊羊毛黨。

三、實施步驟

（圖：異常渠道監測流程）

在渠道反作弊實施步驟中，新渠道開通後，首先必須經過渠道管理系統，成功錄入渠道包和賬戶-渠道匹配關系後，方能進入渠道反作弊評估體系。

在獲取相關數據後，設定異常渠道的監測指標，並根據歷史樣本數據訓練閾值，對於小於閾值的疑似異常渠道自動報警，實現“信息即時到達”，同時在報表中展現渠道詳情，指導渠道優化。

1. 渠道管理系統

渠道管理系統是渠道反作弊流程中必要的前期準備工作，主要包含渠道包管理和賬戶-渠道匹配管理。

1）渠道包管理：渠道運營人員在渠道投放前，需要為每一個渠道打好UTM標記，稱作渠道包，通過渠道歸因來識別新增用戶的渠道來源。同時，將這些渠道包按照各種維度做好分類，為後續統計各維度的渠道數據做好準備；

2）賬戶-渠道匹配管理：渠道運營人員需要將渠道投放數據後臺的賬戶/計劃與App轉化數據中的渠道做好匹配關系，旨在實現渠道投放後臺數據與App用戶轉化數據的連續性。

2. 獲取相關數據

友盟+移動統計（U-App AI版）用戶渠道維度數據的多樣性，如：

新增用戶的激活時段分佈、地域分佈、設備終端分佈、網絡及運營商分佈、App版本分佈等用戶基本屬性數據，新增用戶的留存情況、App啟動次數、App使用時長等用戶行為數據，為渠道反作弊體系通過提供了數據基礎。對外開放的API接口，為獲取相關數據提供了極大的便利；數據的準實時性，為後續自動報警，實現精細化且高效的風控提供了可能。3. 設定異常渠道的監測指標和閾值

根據各個渠道類型的屬性，設定各類渠道的異常渠道監測指標。同時，以歷史上的相關指標數據為樣本，訓練並設定閾值，當指標超出閾值——即認定為疑似異常渠道。

本文僅以留存指標為例：

（1）準備數據

筆者選取歷史上所有激活量大於100的渠道包，並準備好這些渠道包的新增量以及1/3/7/14/30日留存率。

（2）確定指標

留存率指標：1/3/7/14/30日留存率；周同比留存率波動：1/3/7/14/30日留存率較同一渠道上週同一天的下降幅度。

（3）設定閾值

計算出歷史樣本數據中周留存指標和周同比留存率波動指標的十分位數，如下表：

按照以上90%以內的標準，並結合實際業務情況，將監測指標的閾值調整如下：

即以上留存監測指標中，某一渠道（激活量大於100）的實際值小於閾值，便定義為疑似異常渠道。

4. 自動報警機器人

公司採用釘釘為內部通訊、協同工具，釘釘羣機器人是釘釘羣的高級擴展功能，可以將第三方服務的信息聚合到羣聊中，實現自動化的信息同步。

根據異常渠道監測指標的閾值，將疑似異常渠道的信息同步到釘釘羣中，自動報警，以及時提醒渠道運營人員。

5. 報表可視化展現詳情，指導優化

將歷史上所有的疑似異常渠道通過Tableau可視化工具更為直觀詳細的展示出來，包括各類相關的數據指標，指導渠道運營人員及時調整渠道投放。

同時，作為與媒體或廣告代理商談判強有力的證據，相應採取要求補量或拒絕付款等應對措施。

四、總結

面對層出不窮的異常渠道和虛假流量，渠道獲客從業者其實大可不必驚慌，通過上面的一系列實例和解決方案，我們發現：

異常渠道和虛假流量並非無跡可尋，只要數據化和在線化，就一定能夠追溯。我們發現藉助強有力的工具進行深度的數據分析，是識別異常渠道和虛假流量最直接、最可靠的方式，並且在日益復雜的媒體環境下，這一方式將發揮越來越重要的作用。

筆者在此將自己的從業經驗總結為兩條，希望能為廣大渴望提升數據驅動能力的APP廣告主提供一些參考和借鑒：

（1）利用先進的工具實現強有力的數據支撐。

基於對數據分析工具的熟練應用以及監測執行經驗，筆者認為：App廣告主應該積極與能夠實現多維數據分析的平臺進行合作。一方面可以節省大量的基礎數據採集處理時間；另一方面也更容易實現指標體系的迭代延拓。

例如：筆者在工作中就藉助U-App AI版的用戶渠道維度數據的多樣性、開放性、準實時性，幫助所在企業實現了一站式多渠道多維度分析。

（2）結合對行業的理解與工作實際，建立健全及時的渠道評估體系。

一套完整健全的渠道評估體系是企業渠道獲客健康發展的法寶。渠道反作弊評估體系、識別渠道真量、渠道質量評估體系，分別對應着新增、活躍、收益這三個目標。

而企業在不同的發展階段，會有不同的目標側重點——或關注渠道有效性評估體系以追求用戶規模，或關注渠道留存評估體系以強調用戶活躍，亦或關注渠道ROI評估體系以提升用戶收益，渠道獲客從業者需要根據企業發展階段靈活處理。

相關閱讀

萬元懸賞數據高手｜2019「友盟杯」數據分析大賽報名啟動！

你的堅持值得被肯定｜2019「友盟杯」數據分析大賽結果公佈

一款家居後APP，如何用增長黑客方法實現從0到40萬增長？

產品高於需求：低頻產品也可以有高用戶活躍度

本文部分數據有脫敏處理，非全部真實數據

題圖來自Unsplash，基於CC0協議