手把手教你如何从数据入手判断渠道刷量造假作弊
很多时候你不逼自己一把,你都不知道自己还有把事情搞砸的本事。
好不容易从队长预算里面扣出一点费用做推广,结果被渠道给坑了,还被pia脸。
只能说作弊的手段越来越高明了,从点击量高但激活量极低,进阶到激活数量高但留存率低,
甚至发展到现在留存率都可以做得很高,那这种情况下到底应该怎样去判断是优质渠道还是作弊渠道呢?
今天教大家如何从数据来判断渠道是否有作弊行为。一层一层来挖掘作弊面纱下的蛛丝马迹:
第一步,最基础的判断:留存率
留存率:基本上是每一家公司判断渠道质量的标准。
常规情况下一般分为:次日留存率、2日留存率、3日留存率、周留存率、14日留存率、月留存率等指标。
真实用户的留存曲线是一条平滑的指数衰减曲线,基本不会存在骤升骤降的异常波动,没有明显断层。
![](http://upload-images.jianshu.io/upload_images/1254250-f5f0c084dc7a7c71.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
一旦出现这种波动就说明是渠道干预了数据(比如机刷、积分墙等),
下面展示几个我家产品【有我】在推广过程中遇到的坑(如图)。
这样的用户的质量是非常差的,同时也不具备商业价值。
![](http://upload-images.jianshu.io/upload_images/1254250-f054d1c90cb37f6e.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
![](http://upload-images.jianshu.io/upload_images/1254250-f183d6ade2ec38c4.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
![](http://upload-images.jianshu.io/upload_images/1254250-071a271b7497b027.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
第二步,结合其他数据来做判断
比如上述机刷行为的那张图,现在机刷行为已经越来越智能化了,
甚至可以给你模拟出完美留存曲线,这种时候我们要怎么来判断甄别呢。
下面我们结合几个方面来对进行深一层次的甄别:
1、结合转化率来做判断
正常情况下,次日留存率要比注册转化率要低,
换位思考一下,正常用户如果都不愿注册的话,第2天打开APP的意愿还大吗?
![](http://upload-images.jianshu.io/upload_images/1254250-a5c0827d054d2823.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
2、结合平均启动数据
正常情况下,用户每天打开APP的次数也是呈指数下滑趋势的,当渠道的用户大部分每天都是只打开1-2次APP的时候,那
这个渠道肯定是有问题的了,建议立刻停止投放,观察后续的用户行为,原因,你懂的~duang~
3、结合用户在应用内的行为来进行判断
遇到一些比较丧心病狂的造假刷量公司,上述的数据指标也难辨真假,
对付他们需要跟踪监测不同渠道用户在应用内的后续表现,
比如访问页面、使用时长、访问间隔、互动频率等基础表现,并与整体用户数据作比较。
比如在【有我】,我们会监测每个用户在应用内的发单数、接单数、各个页面的点击次数以及停留时间、参与互动人数等,
根据这些数据来判断渠道是否造假、是否优质。
一般app刷量机器人可以模拟出看似真实的用户行为,但是很难跟你的APP的日常数据做到完全一致
(这里就不出示例图,队长已经拿刀站在身后了)。
![](http://upload-images.jianshu.io/upload_images/1254250-b06342d5fae70b2c.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
第三、观察长期表现
短期数据容易作假,那可以利用长期数据,比如月留存,
一个月之内还有多少用户会留下来,他们在应用内表现得怎样,综合对比之下,还是能理性评判该渠道的好坏。
每个行业中也有一些平均水平指标,你也可以参考这些指标评判渠道质量的好坏。
总而言之,在自己数据监控不完善的情况下不建议采用CPA推广方式。
作弊和防作弊,这是一个道高一尺魔高一丈的博弈游戏,必须不停的优化、与时俱进。
同时市场人员对于可行的新渠道最好是先小额度试投放,投放后看效果,挑选出合适的渠道,提高渠道投放的收益。
手把手教你如何从数据入手判断渠道刷量造假作弊相关推荐
- 如何在 Vue 中使用 Chart.js - 手把手教你搭可视化数据图表
本文首发:<如何在 Vue 中使用 Chart.js - 手把手教你搭可视化数据图表> 使用 Chart.js 在 Vue 搭建的后台管理工具里添加炫酷的图表,是所有数据展示类后台必备的功 ...
- Nature综述:手把手教你分析菌群数据
本文转载自"热心肠先生",己获授权. 导读 自然微生物综述(2017 IF:31.851)于2018年5月23日在线发表了Rob Knight亲自撰写(一作兼通讯)的微生物组领域研 ...
- 手把手教你完成一个数据科学小项目(7):经纬度获取与BDP可视化
前言 请先阅读"中国年轻人正带领国家走向危机",这锅背是不背? 一文,以对"手把手教你完成一个数据科学小项目"系列有个全局性的了解. 本系列代码统一开源在Git ...
- 手把手教-网络时空大数据爬取与分析DAS系统(瓦片地图获取)
手把手教 | 网络时空大数据爬取与分析DAS系统(瓦片地图获取) 原创 DAS Team 双评价DAS 地理计算语言,为大众赋能地理智慧. --DAS Team 爬取分析DAS系统下载 地址: htt ...
- 手把手教你完成一个数据科学小项目(9):情感分析与词云
前言 请先阅读"中国年轻人正带领国家走向危机",这锅背是不背? 一文,以对"手把手教你完成一个数据科学小项目"系列有个全局性的了解. 本系列代码统一开源在Git ...
- Nature综述:Rob Knight手把手教你分析菌群数据(全文翻译1.8万字)
本文转载自"热心肠先生",己获授权. 导读 自然微生物综述(2017 IF:31.851)于2018年5月23日在线发表了Rob Knight亲自撰写(一作兼通讯)的微生物组领域研 ...
- Nature综述 | Rob Knight手把手教你分析菌群数据(全文翻译1.8万字)
本文转载自"热心肠先生",己获授权. 导读 自然微生物综述(2017 IF:31.851)于2018年5月23日在线发表了Rob Knight亲自撰写(一作兼通讯)的微生物组领域研 ...
- 超强综述 | Rob Knight等手把手教你分析菌群数据(全文翻译1.8万字)
本文转载自"热心肠先生",己获授权. 导读 自然微生物综述(2017 IF:31.851)于2018年5月23日在线发表了Rob Knight亲自撰写(一作兼通讯)的微生物组领域研 ...
- 手把手教你搭建可视化数据大屏
可视化现在也是越来越卷了,层出不穷的图表样式和各种各样的色彩搭配让人目不暇接,当然其中站在卷的顶峰的还是可视化数据大屏.就像下面这样: 但是怎么搭建呢,是不是很难呢?今天就带大家手把手搭建可视化数据大 ...
最新文章
- 构建DevOps功能:云计算自动化
- java从静态代理到动态代理的理解
- 你是否能判断电机损毁风险?
- 关于python文件问题
- 实战:网店活动付邮试用全攻略
- 从Adobe Photoshop CC 2018的“新建Web”看Web网页常见分辨率
- postgresql查询mysql库_postgresql 查看数据库,表,索引,表空间以及大小
- django--通过model拿到字段对象
- 中国电子学会scratch等级考试一级
- ueditor样式过滤问题
- 桌面云计算: 提供灵活、可靠双保险
- Word2Vec算法详解(CBOW和skip-gram算法详解)
- 华为设备IS-IS路由控制原理与实验
- c语言程序设计50例(经典收藏),C语言程序设计50例(经典收藏)
- iMindMap2020 中文旗舰免费版
- 怎么删除TEMP文件夹
- 云计算进入深水区 青云QingCloud做行业云是认真的
- 抗旱稳粮保秋收 国稻种芯-绥阳县:组织了93名农技人员指导
- BZOJ3827[Poi2014] Around the world
- UMAP分析及可视化