互联网发展进入下半场后，对于App的拉新和获客来说，面临着越来越高的成本和异常渠道、虚假流量的问题。为了解决这个问题，喜马拉雅借助友盟+移动统计（U-App AI版）构建了实时的渠道投放监控体系，通过识别异常渠道和虚假流量，并提供监测报警和详细展示，为管理层和运营团队提供了及时的决策支持，同时实现了投放策略的迭代优化闭环。这样的精益获客体系对于互联网企业来说非常重要，尤其在经济寒冬的大环境下。目前，市场上各类应用和媒体在渠道推广上的竞争已经非常激烈，从流量红利转向存量时代，App产品的渠道推广变得越来越困难。

具体表现在以下三个方面：

1. 应用商店形成了高筑的流量壁垒。大手机厂商的应用商店越来越商业化，追求利益最大化，应用推广成本水涨船高。过去每个激活成本2-3元的时代已经一去不复返，现在金融类应用的激活成本甚至高达几十元。

2. 渠道媒体竞争激烈，鱼龙混杂。移动媒体推广和信息流广告迅速发展，媒体环境异常激烈竞争，转化效果精准评估和异常流量甄别成为广告主推广的痛点。

3. 渠道获客从业者对数据能力要求越来越高。数据科学在渠道推广中起着至关重要的作用，利用数据驱动业务增长成为增长负责人、产品和运营负责人的新挑战。渠道是企业立身之本，产品是立命之本，互联网企业不能回避问题，需要积极应对。

为了解决上述问题，我们需要在渠道获客方式中剔除假量、识别优质量，并通过不断的渠道构成优化，使渠道投放的ROI效率最大化。为此，我构建了一套渠道评估体系，分为渠道反作弊评估体系和渠道质量评估体系。

渠道反作弊评估体系的目标是识别渠道的真实流量，用于排除渠道的假量。

渠道质量评估体系分为渠道有效性评估体系、渠道留存评估体系和渠道ROI评估体系，分别对应新增、活跃和收益这三个目标。它们的目的是量化渠道的效率、留存质量和投入产出效率。

以下是真实案例分析：

案例一：渠道整体按比例和时间段掺入假量

在2018年12月，我发现一个DSP渠道账户连续三个月的各项指标都贴着KPI走，既不高也不低。经过深入分析渠道包维度的数据，发现每隔一段时间，会有几个渠道包的短期留存率正常，而中长期留存率极低。这些中长期留存率低的渠道包不是固定的，而是不定期轮流变化。基本可以确定这个渠道在控制整体质量的同时掺入了假量。这类广告商往往选择以退为进的策略，整体满足KPI的情况下，按一定比例掺入假量，提高假量发现的难度。另外，他们还会在时间上变化不定，这样一旦被发现，就可以用渠道不稳定来搪塞。通过归因分析，企业可以识别用户的新增来源渠道，但当渠道投放预算充足、指标满足KPI时，渠道运营人员往往忽视不同渠道存在的虚假流量。对于这些真假参半的异常渠道，如果不追溯每个渠道流量的质量，就是纵容虚假流量对渠道投放的长期影响，影响渠道获客的健康发展，最终给企业带来不可估量的损失。在上述案例中，正是通过在渠道包维度追踪数据，最终识别出了假量。

案例二：利用低端机型刷量

在一次关于各渠道新增用户机型分布的分析中，我发现某几个渠道的新增用户机型分布异常。根据理论，不同渠道覆盖不同用户群，机型分布也会有差异。比如，华为应用商店渠道的用户，大部分机型应该是华为手机。但我发现某几个渠道新增用户的机型分布中，排名靠前的是一两个不知名手机品牌的低端机型，占比高达10%-20%。

笔者进一步分析了这些渠道新增用户的行为数据，包括启动次数、使用时长、留存率和付费转化等指标。结果显示，这些用户的启动次数几乎都只有1次，使用时长不到10秒，7天后的留存率为0，付费率也为0。这表明这些用户很可能是利用机型刷量的行为。由于广告投放过程中渠道服务商存在各级代理，流量获取不透明，这使得虚假流量的范围越来越大，正常的广告投放留存背后隐藏着虚假流量的危机。

以上两个案例都是常见的作弊手段，采用了各种方式刷下载、激活和留存。虽然作弊成本相对较高，但也较难被屏蔽。除了这些手段之外，还有其他付费形式下的作弊手段。总之，每种广告付费形式都存在虚假流量的问题。

虽然识别渠道假量一直是增长负责人和渠道推广人员的难题，但他们很难有足够的时间和精力去核对各个渠道的详细数据，以识别出渠道假量。即使能够核对，也需要耗费大量的时间。而且一旦发现问题，相关的损失可能已经无法挽回。因此，我们是否可以建立一种机制，建设一个完善的体系，能够精确地识别渠道假量，并自动报警，及时提醒相关人员呢？

解决方案

1. 渠道投放全流程数据监控

我认为，要识别异常渠道和虚假流量，首先需要通过一定的数据采集手段，将广告曝光点击数据、用户属性数据和用户行为数据进行关联、整合和聚类，从而获取完整、全面和准确的基础数据，并根据这些数据进行用户数据的跟踪和分析。有了完整全面的数据，我们一方面可以从不同的维度寻找虚假流量的踪迹；另一方面，通过分析虚假流量完整环节的数据，可以建立支撑虚假流量的强有力证据。

如上图所示，广告投放全流程数据主要可以分为三类：

1. 广告投放数据：包括广告曝光量和广告点击量；

2. 用户基本属性数据：包括新增用户的激活时段分布、地域分布、设备终端分布、网络及运营商分布和App版本分布；

3. 用户行为数据：包括新增用户的留存情况、App启动次数、App使用时长和业务转化情况（如播放时长、付费行为）。

2. 渠道反作弊评估体系

数据本身并不能说明问题，需要对数据进行解读才能说明问题。也就是说，数据只是未经加工的原始素材，需要经过加工处理，形成逻辑后才能成为信息。通过对大量信息的总结归纳，形成知识，才能指导实践。在实施渠道投放全流程数据监控后，接下来是通过这些数据来识别异常渠道和虚假流量，即建立渠道反作弊评估体系，具体包括：

1. 从各平台各维度获取数据；

2. 设定监测指标和阈值；

3. 自动报警提醒和渠道详情展示；

4. 实现异常渠道识别和虚假流量监测。

第三方监测平台也在不断完善反作弊能力，例如友盟+在四个层面进行反作弊：

1. 重构通信协议，增加机密算法，提高破解协议的门槛；

2. 增加ID变化追踪策略，锁定虚假ID；

3. 在服务端升级算法和控制策略，更有效地识别刷量行为；

4. 增加appkey保护策略，采用设备指纹、模拟器识别等技术，特别是针对Android设备端的刷量行为，打击羊毛党。

实施步骤

（图：异常渠道监测流程）

在渠道反作弊的实施步骤中，新渠道开通后，首先需要通过渠道管理系统将渠道包和账户-渠道匹配关系录入系统。然后，在获取相关数据后，设定异常渠道的监测指标，并根据历史样本数据训练阈值。对于小于阈值的疑似异常渠道，系统会自动报警，实现及时提醒，并在报表中展示渠道详情，指导渠道优化。

1. 渠道管理系统

渠道管理系统是渠道反作弊流程中必要的前期准备工作，主要包括渠道包管理和账户-渠道匹配管理。

1. 渠道包管理：渠道运营人员在投放广告之前，需要为每个渠道打上UTM标记，称为渠道包。通过渠道归因，可以识别新增用户的渠道来源。同时，需要对这些渠道包按照不同维度进行分类，为统计各维度的渠道数据做好准备。

2. 账户-渠道匹配管理：渠道运营人员需要将广告投放后台的账户/计划与App转化数据中的渠道进行匹配，以实现渠道投放后台数据与App用户转化数据的连续性。

获取数据多样性

友盟+移动统计（U-App AI版）可以提供各种有关用户渠道维度的数据，包括新增用户的激活时段分布、地域分布、设备终端分布、网络及运营商分布、App版本分布等基本属性数据，以及新增用户的留存情况、App启动次数、App使用时长等用户行为数据。这些数据为渠道反作弊体系提供了基础数据，并且友盟+还提供了对外开放的API接口，方便获取相关数据。同时，这些数据具有准实时性，可以实现自动报警，为精细化且高效的风控提供可能。

设定异常渠道的监测指标和阈值

根据不同渠道类型的属性，我们需要设定各类渠道的异常渠道监测指标。以留存指标为例，我们可以选取历史上所有激活量大于100的渠道包，并准备好这些渠道包的新增量以及1/3/7/14/30日留存率作为样本数据。然后，我们确定留存率指标和周同比留存率波动指标作为监测指标，并计算出历史样本数据中这些指标的十分位数。根据这些指标的分布情况和实际业务情况，我们设定了监测指标的阈值，当某一渠道的实际值小于阈值时，就认定为疑似异常渠道。

自动报警机器人

我们使用钉钉作为内部通讯、协同工具，并且通过钉钉群机器人将疑似异常渠道的信息同步到钉钉群中，实现自动化的信息同步和报警。根据异常渠道监测指标的阈值，当有渠道被认定为疑似异常渠道时，机器人会自动将相关信息发送到钉钉群中，及时提醒渠道运营人员。

报表可视化展现详情

我们使用Tableau可视化工具将所有疑似异常渠道以及相关数据指标进行可视化展示。这样可以更直观、详细地展示出各类相关数据指标，帮助渠道运营人员及时调整渠道投放。同时，这些可视化报表也可以作为与媒体或广告代理商谈判的有力证据，用来要求补量或拒绝付款等应对措施。

总结

面对异常渠道和虚假流量，渠道获客从业者无需惊慌。通过数据化和在线化的方式，我们可以追溯异常渠道和虚假流量。借助强有力的工具进行深度的数据分析是识别异常渠道和虚假流量最直接、最可靠的方式。在日益复杂的媒体环境下，这种方式将发挥越来越重要的作用。渠道从业者应该利用先进的工具实现强有力的数据支撑，并结合对行业的理解和工作实际，建立健全及时的渠道评估体系。这样可以帮助企业实现渠道获客的健康发展。