В аффилиатной (партнёрской) in-app рекламе неизбежно приходится сталкиваться с роботностью. По данным АРИР, в 2023-м до 9% трафика в мобильной рекламе оказалось фродом. Кирилл Храмов, перформанс-директор агентства диджитал-маркетинга E-Promo (часть 
E-Promo Group ), делится опытом, как совмещать автоматические и ручные настройки и на какие данные ориентироваться для защиты от ботов в мобильных приложениях.
Фрод
Уровень фрода растёт, несмотря на все усилия привлечь только реальных пользователей. Антифрод-системы часто не успевают за новыми мошенническими схемами, которые быстро развиваются и меняются. Это усложняет борьбу с фродом: приходится постоянно адаптироваться, чтобы обнаруживать и предотвращать новые методы.
Выявлять фрод становится всё сложнее, поскольку мошенники применяют все более изощренные методы. Например, использование ботов рекламными площадками можно было выявить по снижению количества органических инсталлов и одновременному росту инсталлов из определенных SSP. Теперь же мошенники добавляют ботов и в органический трафик, что затрудняет обнаружение фрода, так как очевидные признаки заменяются более сложными методами.
Автоматический поиск фиктивных инсталлов
Антифрод-системы в мобильном маркетинге оценивают источники трафика по множеству параметров, присваивая им рейтинг от 0 до 100 или % фродовых установок. Специалисты выбирают пороговые значения, при которых подозрительные источники (SSP), например с рейтингом 50−100%, отключаются. Далее анализируются дополнительные параметры. Одна из самых полезных метрик — время между кликом и установкой приложения (click-to-install time, CTIT).
Нормальное время установки варьируется: большие приложения (100+ Мб) устанавливаются дольше, малые (2−3 Мб) — быстрее. В среднем доля установок с CTIT в 15 секунд, превышающая 1%, указывает на фрод. Однако этот показатель важно оценивать в привязке к каждому конкретному приложению — нужно сравнивать с «чистыми» источниками и разбивать на интервалы 1−5, 6−10 и 11−15 секунд. Важно также отслеживать установки спустя 5 часов после клика. Если таких оказывается больше 20% — это еще один признак фродового трафика.
Высокий процент установок с очень коротким временем между кликом и установкой может указывать на инъекцию кликов, когда вредоносное приложение генерирует поддельные клики сразу после начала установки. Это гарантирует, что площадка получит атрибуцию, перехватывая органические установки.
Контроль качества трафика также включает ограничение партнеров по объёму кликов и действий в единицу времени. Миллионы кликов в день часто указывают на фрод. Подобное поведение сеток может снижать органические установки, поэтому партнерам задаются дополнительные KPI — например, лимиты кликов в неделю. Превышение лимита приводит к отключению SSP.
Ручная проверка трафика
Антифрод-системы могут ошибочно классифицировать трафик как мошеннический. Поэтому автоматические настройки лучше дополнять ручными проверками. Детальный анализ фрод-статусов помогает убедиться, что установки сделаны живыми пользователями, а алгоритмы перестраховались.
Возможна и обратная ошибка, когда антифрод-система считает трафик «чистым», а ручной анализ показывает мошенничество. Основные метрики для ручной проверки — количество кликов, показов и установок в единицу времени (чаще всего за день или неделю), а также Install Rate. Аномально высокое количество кликов или показов (миллионы кликов и десятки миллионов показов) и высокая конверсия из установки в целевое действие, значительно превышающая органические результаты, тоже могут указывать на фрод.
Сравнение с «белыми» источниками
Ещё один метод распознавания фрода — сравнение качества трафика с надежными источниками. Стандартом является органический трафик, где поведение пользователей стабильно. Дополнительным бенчмарком может служить «Яндекс.Директ».
Если результаты из определённой SSP значительно лучше, например, установок значительно больше, чем из органики, или CR в целевое действие выше в несколько раз, это повод для дополнительного анализа. Новая площадка, показывающая лучшие результаты, требует проверки косвенных метрик фрода, даже если прямые метрики кажутся нормальными и антифрод-система помечает трафик как качественный.
Мы работали с рекламной сетью, которая в течение двух месяцев обеспечивала конверсии по более низкой цене, чем другие SSP. При этом сеть не могла масштабировать результаты. Когда у приложения случился сбой и объем трафика из органики и «Яндекс.Директа» резко сократился, конверсии из этой сети продолжали поступать на прежнем уровне. Анализ показал, что трафик был перехваченной органикой. Это было бы трудно понять без «поломки» приложения из-за небольшой доли источника (3−4% установок).
Анализ in-app событий
Если непонятно, фродовая ли установка, можно провести анализ событий в приложении. Например, поможет построение графика распределения времени между установкой и совершением события: прерывистая кривая указывает на фрод. Также можно сравнить CR из инстала в in-app событие по органическим источникам, «Яндекс.Директу» и остальным белым источникам. Если коэффициент конверсии в определенной площадке значительно выше, чем в органике, это повод для более глубокого анализа. Помимо CR можно сравнить частоту покупок и средний чек с органикой. Если все три параметра совпадают с органическим трафиком, это может свидетельствовать о перехвате органики.
Необходимо также сопоставлять заказы из аналитики с реальными заказами из CRM. Дополнительно можно проверить партнера, если у приложения два финальных целевых действия. Например, регистрация двумя способами или заказ с доставкой и самовывозом. Дать партнеру одно событие как целевое и изучить распределение пользователей по обоим событиям. Если все 100% событий достигнуты только по тому целевому действию, которое отдали партнёру, это подозрительно, так как хотя бы небольшая доля событий должна была распределиться на второе целевое действие. В таком случае также важно сравнивать статистику по партнёру с распределением в органике.
Выводы
Защита от фрода в партнёрской in-app рекламе требует комплексного подхода, включая автоматические и ручные методы анализа.
- Антифрод-системы: автоматическая оценка качества позволяет исключить большую часть фродовых атрибуций с минимальными трудозатратами.
- Ручная проверка: регулярные ручные проверки с использованием перечисленных выше метрик необходимы для точной оценки качества трафика.
- Сравнение с белыми источниками: сравнение данных с органическим трафиком и белыми источниками помогает выявлять дополнительные аномалии.
- Анализ in app событий: анализ времени между установкой и действиями в приложении, а также коэффициентов конверсии дополнительно помогают выявлять фрод.
- Сопоставление с CRM: сравнение данных аналитики с реальными заказами в CRM подтверждает качество трафика.
Использование этих методов снижает уровень фрода и улучшает качество трафика, повышая эффективность рекламных кампаний.