以真实访客的行为特征为标准,通过对比发现某些流量的行为差异来识别和验证假流量。
比如在同一平台内,我们可以通过细分时间维度、对比真实访客和“疑似”访客的行为差别,像页面停留时间、平均访问深度、点击热区图、访客每天访问的时间分布、转化漏斗等环节,来判断是否存在假流量。
其他平台投放的数据指标也可以用来参考。因为平台的背后都是人,虽然媒介属性不一,但人的属性是一致的,访问行为是相似的,他们之间是可以相互参考的。
比如原来在B平台投放的,现在到A平台投放了,如果两个平台投放时用的是同一条广告创意的,那我们可以通过点击该创意的用户在两个平台上的停留时间、平均访问深度、点击热区图等指标的差别来做辅助判断,看看是否存在假流量。
有些大公司会开发专门的反作弊识别模型,把所有相关的维度纳入到一个数据模型里来做综合判断,从本质上看,也是依据了上述原理,以真实访客的行为特征作为标准。
至于如何监测访客整个行为路径的过程,我们需要广告监测工具来帮助完成,比如付费工具有Ptengine(铂金分析) ,doubleclick 等;免费的工具,如google旗下的GA,对大多数广告主来说也足够用了,但是对使用者的技术要求会比较高。
从上面的分析我们可以理解,想对流量做监测分析是需要资金成本的,最起码也需要迈过一些技术门槛,但对于广大中小广告主来说,出于投放预算和其他一些现实因素的考虑(比如平台方不一定会开放用户的访问数据给广告主),专门去购买监测工具可能也不太划得来。那么这种情况下,广告主该如何应对可能存在的假流量呢?
假设你投放信息流广告的目的是获取用户,那么需要你真正在意的其实只有实际的获客成本而已。也就是说,当你发现广告带来的用户质量、获客成本有问题的时候,你要做的是在各种投放方式、各个平台之间做一个更好的选择,而不是花大量时间去纠结流量有没有作弊。
比如,在没有条件识别流量真伪的情况下,我们可以从结算方式和平台性能两个方面去判断是否要继续目前的投放。