APP推广：如何用数据辨别渠道作弊？
文 / 罗曼罗
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，但是效果没有出来。自己去分析后台数据，却得不到结论。
罗曼罗想说的是，分析的前提是拿到靠谱的数据。如果数据不准确，结论可想而知~
怎样拿到准确的数据，关于统计平台的选择可以参考我的前一篇文章。当然，再靠谱的平台，也有可能出现一些不靠谱的情况。为什么呢？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 jason 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。如果 App 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招数。除了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);有技术实力的都能够通过编写程序脚本，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 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别，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
(1) 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 APP 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，如果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？
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，如果我们在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日新用户的次日留存率是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，如果一个 App 的次日留存率达到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。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 App 的用户体验、推广方式等因素相关。
后续我会写一篇针对留存的文章，专门描述如何做留存的数据分析。
(2)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 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类似的。我们可以通过查看行业数据来了解这些数据，把这些数据作为 benchmark ，来对比分析 App 的数据。
譬如可以关注设备终端、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tips，欢迎交流与拍砖。
方法一：关注低价设备排名
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。如果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 iOS 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 iPhone5c 来做刷量真机。有个做渠道推广的朋友踩过这样的坑，发现某个渠道有75%的设备是 iPhone 5c ，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 iPhone 5c来刷量。
方法二：关注新版本操作系统的占比
经过本人多年工作经验发现，很多渠道刷量工作室在操作系统版本的适配上会有延时。所以建议渠道人员在查看渠道用户的操作系统时，可以和全体手机网民的操作系统的分布做比较。如果你发现某个渠道下面，不存在新版本的操作系统(比如 iOS 8.x )，有一种可能性就是这个渠道合作的工作室的技术还没有适配最新的操作系统。
方法三：关注 wifi 网络的使用情况
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，首先我们需要对现在的大形势有些了解。
现在是一个高速网络的环境，无论是新增用户还是活跃用户，wifi 的使用占比都比较大。从用户行为上来说，如果你留心身边的朋友，会发现大家在下载 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。如果你是一个在线视频类型的应用，可能 wifi 的比例会在 90% 以上。
如果你是一个小流量的 App ，同时能够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
有个行业内做了很久的朋友传授给我一个经验，说福建地区的作弊比较多，我们在制定投放策略的时候可以重点考虑屏蔽作弊多的地区。这个黑名单也可以根据APP实际的分地域投放效果来定制。
另外，我们在投放时也可以根据需要重点选择部分地区投放。比如北上广这些高消费的地区，比如三四线城市这些相对蓝海的区域。查看数据时就需要验证用户是否和我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
如果一个 App 做的时间比较久，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。不同App 的行为数据是有差异的。可能刷量工作室可以模拟出看似真实的用户行为，但是很难跟你的 App 的日常数据做的完全一致。
一个渠道用户的使用时长、使用频率过高过低都值得怀疑。我们在平时做渠道数据分析时，可以将这些数据跟整个App 作比较，或者将安卓市场、应用宝这些大型应用商店的数据作为基准数据，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
很多刷量工作室通过批量导入设备数据或者定时启动的方式来伪造数据。这种情况下，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。
一般来说，用户的新增和启动会在下午6点之后达到高峰。而且新增相比启动的趋势会更加明显。
我们可以将不同渠道的分时数据进行对比，找到异常。需要注意的是，这种行为数据的对比需要遵循单一变量原则。也就是说，除了是不同的渠道，实验中的其他因素必须完全相同。如果我们选取渠道 A 在周三的活跃数和渠道B 在周六的活跃数做对比，这两个数据肯定是有差异的，不具备可比性。
方法三：查看用户访问的页面名称明细
有些工作室会将 appkey 打到其它高频的 App 中。这样，我们可能会发现渠道用户的数据非常漂亮，但是仔细观察可以发现，页面名中有大量的页面不是自己定义的。通过对比页面名称，可以定位到这种形式的渠道作弊。
如果是Android App ，这个名称是 activity 或者如果是 iOS App，这个名称是自定义的 view 。这段记不住也没关系。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，就能看出差异了。
(4)转化率分析
转化率数据的分析不仅可以帮助我们应对渠道作弊，还可以帮助我们判断不同渠道的用户质量，提高投放效率。
每一个 App 都有自己的目标行为。比如电商类应用的目标行为就是用户购买商品的情况。游戏类的应用需要考察应用内付费。社交类应用会关注用户产生内容的情况。运营人员需要定义和设计应用的目标行为。
如果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。我们可以将这些步骤做成漏斗模型，观察每一步的转化率。漏斗的步骤越靠后，作弊的难度越大，所获取用户对系统的价值越高，同时我们付出的用户成本也越高。运营人员需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，提高渠道作弊的边际成本。
反作弊模块
除了除了使用现成的统计分析工具，还可以申请让研发人员开发自己的反作弊模块。反作弊模块在原理上类似于杀毒软件，我们可以定义一些行为模式，加到反作弊模块的黑名单库中。如果一个新增设备满足定义的行为模式，就会被判定为一个作弊设备。每个运营人员都可以根据自己的 App 来定义。我列举了一些常用的行为模式：
(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，不具备页面、事件等其他用户行为信息
运营人员要做好长期与渠道合(dou)作(zheng)的心理准备。用好数据是万里长征的第一步。希望每个运营人员能够通过数据的使用，挑选出合适的渠道，提高渠道投放的收益。
延伸阅读：
注：相关网站建设技巧阅读请移步到频道。
看过本文的人还看过
最新图文推荐
最新专栏文章
大家感兴趣的内容
网友热评的文章Android（57）
把app的后缀.apk改成.rar(尽量不要改成zip),然后解压到文件夹，查看AndroidManifest.xml文件，就可以查看到渠道号了。
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：41057次
积分：1572
积分：1572
排名：千里之外
原创：89篇
转载：157篇
(1)(1)(39)(28)(54)(36)(73)(25)都在做 App 推广，为什么就你的客单价居高不下？
同样的100块钱，为何别人花出了500块钱效果？
将 App 拉新的数量和质量提升200% ，你都有什么方法？
·····
这篇文章从 App 渠道追踪的三大难题入手，详细介绍了渠道追踪的5种方法、以及渠道数据分析的两大思路，相信总有一个方法你会用得上。
一、常见的 App 渠道追踪方法
因为应用商店不提供渠道来源数据，所以 App 推广效果监测一直是个老大难的问题。为了追踪 App 渠道来源，人们想出了各种方法，下面我们给大家系统介绍一下。
1、Android 渠道追踪方法
众所周知 Google Play 无法在中国使用，所以国内 Android 市场被数十家应用商店（ 豌豆荚、百度助手、酷市场、360手机助手等等 ）占领，Android 渠道追踪主要围绕上述渠道展开。
方法1：每个渠道打渠道包
具体来说就是开发者为每一个渠道生成一个渠道安装包，不同渠道包用不同的 Channel ID （渠道标识）来标识；当用户下载了 App 之后，运营人员就可以通过渠道标识查看各个渠道的数据。
Android 渠道打包机制
虽然这样可以统计到不同渠道的来源数据，但是当渠道数量变多、抑或同一渠道在多个平台上做推广的话，打渠道包的做法就捉襟见肘了。
方法2：使用平台方提供的数据
部分第三方推广平台提供渠道数据，然而只依赖平台方的『一面之词』是很难找到真正的优质渠道。
2、iOS 渠道追踪方法
和 Android 的开放生态不一样，iOS 则是一个完全封闭的系统；除了少部分越狱机器，绝大部分 App 都是从 App Store 中下载。在苹果一家独大以及严格的审核制度下，Android 打包的做法在这里就完全行不通。
为了追踪 iOS 渠道数据，开发者们想出了很多黑科技，下面我介绍一下常见的三种做法。
方法1：通过 IDFA 追踪渠道
IDFA 的全称是 Identifier for Advertisers ，即广告标识符的含义，这是苹果专门给各广告提供商用来追踪用户而设的标识。
通过IDFA追踪渠道
今日头条作为广告提供商可以获取用户的 IDFA，当你在上面投放的 App 被用户下载激活，你的 App 也可以获取用户的 IDFA。将广告提供商提供的 IDFA 和自己获取的 IDFA 匹配，即可追踪渠道来源。
缺点是 IDFA 只能用于 App 类型的渠道，如果你在网页上投放广告是不支持的；同时，用户可以在iPhone 设置中选择关掉 IDFA 获取权限。
方法2：通过 Cookie 追踪渠道
iOS 9 里面引入了 SFSafariViewController 类，一方面是用户体验更好了，同时可跨 App 与 Safari 共享 Cookie。
通过Cookie追踪渠道
当用户点击广告链接时，监控服务器可以接收到 Cookie 中含有的渠道信息；用户在 App Store 中下载激活 App，这个时候监控服务器再次收到 Cookie 信息。系统匹配前后两次 Cookie ，即可追踪渠道。
缺点是基于SFsafariviewcontroller 的追踪必须在 iOS 9 及以上版本才有效，而且微信公众号广告、朋友圈广告仍然无法实现追踪。
上述方法可以实现部分平台、部分渠道的追踪监测，然而三大缺点也是显而易见：
割裂了 Android 和 iOS 两个平台的渠道数据，难以整合分析；
Android 投放需要重复打包，效率低下；
iOS 渠道范围限制多，无法大规模推广。
二、基于用户设备标记的解决方案
下面我们介绍一种快速、灵活的解决方案 ––– 基于用户设备标识的追踪方法，它可以同时兼容 Android 和iOS 两个平台、适用于大部分投放渠道。
1、基于用户设备标记的追踪原理
上面介绍的基于 IDFA 和 SFSafariViewController 的两种方法均受到 iOS 的限制，而用户的设备标记则不受系统的影响。在 GrowingIO 【渠道来源】解决方案中，我们将『 IP+UserAgent+设备ID 』组合设置为用户的设备标记。
通过用户设备标记追踪渠道
用户点击含有UTM追踪参数的广告链接后，GrowingIO 服务器检测到用户的设备标记以及UTM渠道参数。链接跳转到应用商店（ Android 和 iOS 均可以）后，用户下载安装并激活 App，此时 GrowingIO 服务器第二次收到用户的设备标记。
系统匹配前后两次的标记，可以确定用户的渠道来源，同时 UTM 参数含有的详细渠道信息一并呈现。
2、用户设备标记方法的特点
当然，基于用户设备标记的方法也有一定不足。当小部分用户所处的网络环境前后变化时（如从 WiFi 切换到4G），此时 IP 前后不一致就会导致匹配失败。
但是相比于前面的4种方法，基于用户设备标记的渠道追踪方法显然更有优势：
打通了 iOS 和 Android 的渠道来源，可以将【操作系统】加入用户属性整合分析；
避免了 Android 平台重复打渠道包的工作；
规避了 iOS 原有诸多限制，适用于更加广泛的推广渠道；
只需修改推广链接中的参数、无需改动安装包，适合大规模、多渠道、敏捷的推广需求。
UTM 参数的含义
同时，广告链接中含有的渠道参数（ 广告来源、广告媒介、广告名称、广告内容、广告关键字 ）可以一同加入用户属性数据中，方便后期对用户数据进行多维度的对比、交叉分析。
三、App 渠道数据分析两大思路
有了 App 渠道追踪数据后，我们可以将 UTM 的五个参数作为维度，从数量和质量两个思路出发，进行 App 渠道数据分析。
1、数量：找到获客成本最低的渠道
根据业务需要，我们选取广告来源（ utm_source ）和广告关键词 ( utm_term
) 两个维度，计算出不同渠道的获客数量并评估获客成本。
评估获客成本
某 O2O 类 App 先后在3个渠道上进行了2次投放，投放内容先后是『美食』和『外卖』。通过 UTM ，我们监测到每个渠道、每次投放的 『App 新增用户量』，然后计算出平均获客成本。
从广告来源上看，渠道1的平均获客成本最低；从广告关键词上看，『外卖』主题的广告平均获客成本最低。从客单价的角度出发，接下来可以针对性优化投放渠道和投放内容，大幅度降低投放成本、提高拉新效率。
2、质量：找到获客价值最高的渠道
『App 新增激活用户量』和『获客成本』这两个指标是从数量的角度进行分析，但是数量大、价格低并不一定代表渠道用户质量高。我们还需综合考虑用新用户在接下来的表现，以及新用户所能带来的价值。
方法1：用户行为数据分析
在这个过程中，我们重点参考用户留存指标，包括次日留存率、三日留存率、七日留存率、三十日留存率等等。
不同渠道新用户留存曲线
我们按访问来源（utm_source）分析新用户的留存度，发现渠道2的三十日留存率高达14%，而渠道1为8%、渠道3为6%。从留存度上来看，渠道2 获取的新用户价值显著更高。
方法2：用户价值分析
除了用户行为指标，财务指标也非常具有参考性。按照广告来源（utm_source）我们统计出不同渠道获取到的新用户的财务价值，如新用户在第一个月的月付费率（MPR）和用户平均收益（ARPU）。
不同渠道新用户的价值
通过分析发现，渠道2获取的新用户首月付费率（42%）最高，用户平均收益（30元）也是最高的。虽然渠道2的获客成本略高于渠道1，但是从收益的角度来说，投资渠道2显然是一种更加明智的选择。
综合上述指标，该 O2O 类 App 在下个月的市场投放中将资源集中到了渠道2，同时主打『外卖』主题内容。还是和上个月同样的市场预算，但是新增用户却提高了150%、新用户留存率提升了240%，这是一个巨大的增长。
移动互联网的流量红利逐渐褪去，数以百万的 App 正在一个存量市场中抢占用户；谁能提高获客效率，谁就有可能在激烈的竞争中胜。搭建一个完整的 App 渠道追踪体系，对每个渠道、每次投放的数量和质量进行精益化的分析，如此事半功倍的方法，难道你不想试一下吗？
作者：GrowingIO增长团队，集工程、产品、市场、分析多重角色于一身，负责拉新和用户活跃，用数据驱动业务增长。社会化媒体
了解更多>>
桂ICP备 号-1
桂公网安备 36号
阅读下一篇
Hi，看起来你很喜欢这些内容，但是你还没有登录！在你登录以后，就可以收藏感兴趣的内容，关注感兴趣的作者！