Adjust 如何識別點擊欺詐？

Adjust 以點擊安裝時間分布為基礎，建立了拒絕點擊欺詐歸因的解決方案。第一步是將那些試圖操縱點擊安裝分布之高頻點擊的資格取消，第二步則是使用分布異常值過濾來拒絕歸因。

異常高交互

為了模仿真實的點擊安裝時間分布，欺詐者會反復按相同間隔發(fā)送同一個點擊。這樣，他們得以生成相對接近安裝時間的“最后一次點擊”。

安裝發(fā)生時，Adjust 會檢查相關歸因窗口內所有符合條件的點擊，如果發(fā)現(xiàn)大量點擊模式，我們會取消相應點擊的資格。我們因此能正確地執(zhí)行歸因，將安裝歸因于下個合法點擊或視作自然用戶。

在排除所有試圖掉操縱點擊安裝時間分布的作弊行為后，我們便可以利用分布模型排查來檢測剩余的點擊欺詐。

分布異常值

我們通過實時審查統(tǒng)計數(shù)據(jù)和分析實際作弊活動，開發(fā)了過濾分布異常值的方法。根據(jù)這項研究我們發(fā)現(xiàn)，超過 85% 的安裝是在點擊后第一個小時內記錄的。此行為說明，點擊與安裝時間之間存在很強的相關性。

然而，當作弊發(fā)生時，點擊與安裝之間卻沒有顯示出這樣的相關性。由于用戶從未實際點擊過，也從未重定向到應用商店，他們的安裝不受點擊時間影響。當自然用戶被點擊欺詐隨機竊取后，點擊安裝時間反而會均勻分布在整個歸因窗口中。

清楚這一點后，我們?yōu)辄c擊后第一個小時內記錄的安裝定義了一個較低的閾值。如果點擊一個小時后發(fā)生的安裝數(shù)量高于一個小時內安裝數(shù)量的某個特定百分比，Adjust 會著手取消相應點擊的歸因資格。依此邏輯，安裝將歸因于下一個符合條件的跟蹤渠道來源或被視作自然流量。