App渠道做弊如何辨别？教你用数据精准辨别！

有的运营人员作渠道投放，每一个渠道都投放了，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，可是留存率很低。费用都花光了，可是效果没有出来。本身去分析后台数据，却得不到结论。

我想说的是，分析的前提是拿到靠谱的数据。若是数据不许确，结论可想而知~

固然，再靠谱的平台，也有可能出现一些不靠谱的状况。为何呢？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做弊的做坊。

在移动互联网生态中存在不少鲜为人知的渠道刷量工做室，这些工做室以很是低廉的价格贡献质量一样低廉的用户数据。

早期的统计分析平台的SDK基于明文的jason数据包，工做室能够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，不少分析平台推出了基于二进制协议的SDK，开发人员还能够自行调用加密开关。这些技术的提高使统计平台的安全性和数据准确性获得了提升。若是App升级到安全协议版本的SDK，刷量工做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，刷量工做室有刷量的招数。除了采用分布式人肉刷量的方式来刷量(形式能够参考基于任务的积分墙);有技术实力的都可以经过编写程序脚本，修改真机参数，驱动真机运行(有兴趣的同窗能够了解一下igrimace这个iOS的刷量工具)。这些行为已经跟真实的用户行为几乎没太大差异，很难从技术上分辨这些数据。

其实有经验的运营人员仍是能够经过一些数据指标来分辨出真假用户的差别。

渠道效果评估

(1)留存率

有时候渠道刷量会选择在第二天、7日、30日这些重要时间点上导入用户数据。咱们会发现APP在第二天、7日、30日这些关键时间点上的数据明显高于其余时间点。其实真实的用户的留存曲线是一条平滑的指数衰减曲线，若是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很是差的，也不具有商业价值。

留存曲线不只能够帮助咱们判断渠道的质量，还能够在运营推广和产品优化上给出不少参考性建议。留存率这么重要，那么，留存率是怎么计算的呢？

留存率的定义：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，若是咱们在2月1日获取了1000个新增用户，这批用户在2月2日有400个用户回访，2月8日有200个用户回访，那么2月1日新用户的第二天留存率是40%，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，若是一个App的第二天留存率达到40%，7日留存率达到20%，30日留存率达到10%，这个App的留存率就高于了业内标准了。通常来讲，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App的用户体验、推广方式等因素相关。

(2)用户终端

每一个渠道都有本身覆盖的用户群，他们的用户终端会有区别。好比说小米应用商店的用户可能TOP10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相似的。咱们能够经过查看行业数据来了解这些数据，把这些数据做为benchmark，来对比分析App的数据。

譬如能够关注设备终端、操做系统、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tips，欢迎交流与拍砖。

方法一：关注低价设备排名

你能够重点分析渠道的新增用户或者启动用户的设备排名。若是你发现某款低价设备排名异常靠前，这种状况值得咱们重点关注。这些数据能够在统计平台的终端属性分布中找到。

尤为是iOS平台没有模拟器，全部的用户数据须要经过真机触发。不少刷量的工做室会选择购买二手的iPhone5c来作刷量真机。有个作渠道推广的朋友踩过这样的坑，发现某个渠道有75%的设备是iPhone5c，比top5的iOS设备占比还多。继而又发现这个渠道的留存率等指标都差强人意，最终查出这个渠道使用了大量的iPhone5c来刷量。

方法二：关注新版本操做系统的占比

通过本人多年工做经验发现，不少渠道刷量工做室在操做系统版本的适配上会有延时。因此建议渠道人员在查看渠道用户的操做系统时，能够和全体手机网民的操做系统的分布作比较。若是你发现某个渠道下面，不存在新版本的操做系统(好比iOS8.x)，有一种可能性就是这个渠道合做的工做室的技术尚未适配最新的操做系统。

方法三：关注wifi网络的使用状况

有的朋友问我，用户在wifi下面使用的比例达到了90%，这个比例到底正常不正常。要回答这个问题，首先咱们须要对如今的大形势有些了解。

如今是一个高速网络的环境，不管是新增用户仍是活跃用户，wifi的使用占比都比较大。从用户行为上来讲，若是你留心身边的朋友，会发现你们在下载App的时候倾向于使用wifi(流量贵啊)，相比之下，启动App时，会对当前网络的敏感性差一些。也就是说，新增用户的wifi使用比例会大于启动用户的wifi使用比例。

另外，wifi的使用比例还跟应用类型相关。若是你是一个在线视频类型的应用，可能wifi的比例会在90%以上。

若是你是一个小流量的App，同时可以在新增用户和活跃用户的wifi数据对比上看出蛛丝马迹，可能真的是渠道在捣鬼了。

方法四：定向投放也很重要

有个行业内作了好久的朋友传授给我一个经验，说福建地区的做弊比较多，咱们在制定投放策略的时候能够重点考虑屏蔽做弊多的地区。这个黑名单也能够根据APP实际的分地域投放效果来定制。

另外，咱们在投放时也能够根据须要重点选择部分地区投放。好比北上广这些高消费的地区，好比三四线城市这些相对蓝海的区域。查看数据时就须要验证用户是否和咱们的投放策略相符合了。

(3)用户行为

方法一：比较用户行为数据

若是一个App作的时间比较久，访问页面、使用时长、访问间隔、使用频率等这些行为数据会趋向稳定的。不一样App的行为数据是有差别的。可能刷量工做室能够模拟出看似真实的用户行为，可是很难跟你的App的平常数据作的彻底一致。

一个渠道用户的使用时长、使用频率太高太低都值得怀疑。咱们在平时作渠道数据分析时，能够将这些数据跟整个App做比较，或者将安卓市场、应用宝这些大型应用商店的数据做为基准数据，进行比较。

方法二：了解新增用户、活跃用户小时时间点数据曲线

不少刷量工做室经过批量导入设备数据或者定时启动的方式来伪造数据。这种状况下，新增和启动的曲线会出现陡增和陡降。真实用户的新增和启动是一条平滑的曲线。

通常来讲，用户的新增和启动会在下午6点以后达到高峰。并且新增相比启动的趋势会更加明显。

咱们能够将不一样渠道的分时数据进行对比，找到异常。须要注意的是，这种行为数据的对比须要遵循单一变量原则。也就是说，除了是不一样的渠道，实验中的其余因素必须彻底相同。若是咱们选取渠道A在周三的活跃数和渠道B在周六的活跃数作对比，这两个数据确定是有差别的，不具有可比性。

方法三：查看用户访问的页面名称明细

有些工做室会将appkey打到其它高频的App中。这样，咱们可能会发现渠道用户的数据很是漂亮，可是仔细观察能够发现，页面名中有大量的页面不是本身定义的。经过对比页面名称，能够定位到这种形式的渠道做弊。

若是是AndroidApp，这个名称是activity或者fragment;若是是iOSApp，这个名称是自定义的view。这段记不住也不要紧。记得找开发人员要一下具体页面的名称列表，对比一下统计后台用户访问的页面明细，就能看出差别了。

(4)转化率分析

转化率数据的分析不只能够帮助咱们应对渠道做弊，还能够帮助咱们判断不一样渠道的用户质量，提升投放效率。

每个App都有本身的目标行为。好比电商类应用的目标行为就是用户购买商品的状况。游戏类的应用须要考察应用内付费。社交类应用会关注用户产生内容的状况。运营人员须要定义和设计应用的目标行为。

若是一个用户是真实的流量，他会经历点击、下载、激活、注册、直到触发目标行为的过程。咱们能够将这些步骤作成漏斗模型，观察每一步的转化率。漏斗的步骤越靠后，做弊的难度越大，所获取用户对系统的价值越高，同时咱们付出的用户成本也越高。运营人员须要对目标行为进行监控，在渠道推广时，考察目标行为的转化率，提升渠道做弊的边际成本。

反做弊模块

除了除了使用现成的统计分析工具，还能够申请让研发人员开发本身的反做弊模块。反做弊模块在原理上相似于杀毒软件，咱们能够定义一些行为模式，加到反做弊模块的黑名单库中。若是一个新增设备知足定义的行为模式，就会被断定为一个做弊设备。每一个运营人员均可以根据本身的App来定义。我列举了一些经常使用的行为模式：

(1)设备号异常：频繁重置idfa

(2)ip异常：频繁更换地理位置

(3)行为异常：大量购买特价商品等

(4)数据包不完整：只有启动信息，不具有页面、事件等其余用户行为信息

写在最后

运营人员要作好长期与渠道合(dou)做(zheng)的心理准备。用好第三方工具，作好数据统计是万里长征的第一步。

但愿每一个运营人员可以经过数据的使用，挑选出合适的渠道，提升渠道投放的收益。