نمودار CTIT را تنها در ترکر ادتریس خواهید یافت!

 CTIT،قابلیتی جدید برای تشخیص تقلب‌ کمپین‌های تبلیغاتی

یکی از اصلی‌ترین راه‌کارهای پیش‌گیری از وقوع جرایم اعم از اینترنتی و یا جرایم عمومی، ایجاد آگاهی برای افرادی است که ممکن است طعمه‌ی افراد سودجو شوند.

یکی از وظایف اصلی پلتفرم‌های اتریبیوشن تشخیص جرایمی است که در ارتباط با اپلیکیشن‌ها صورت می‌گیرد. در این راستا ادتریس همواره در تلاش بوده‌است تا با ایجاد آگاهی درخصوص انواع تقلب‌های تبلیغاتی و راه‌کارهای تشخیص آن به صاحبین اپلیکیشن و تیم‌های تبلیغات اپلیکیشن‌ها کمک کند تا بتوانند بودجه‌های تبلیغاتی خود را از دسترس افراد سودجو در امان نگه‌دارند.

یکی از روش‌هایی که در سطح جهانی برای تشخیص تقلب از آن استفاده می‌شود نمودار‌ CTIT است. که تا به امروز پلتفرم‌هایی مانند AppsFlyer و Adjust قابلیت تشخیص تقلب ازطریق نمودار CTIT ارائه می‌دادند و قابل ذکر است که این قابلیت درمیان هیچ‌کدام از پلتفرم‌های ایرانی وجود نداشت.

 اما کاربران ادتریس آگاهند، همواره خبرهای خوب برایشان در راه است!

نمودار  پرآوازه‌ی CTIT چیست؟

پدیده‌ای به نام نصب تقلبی سالانه حجم گسترده‌ای از بودجه سازمان‌ها در حوزه مارکتینگ را از آن خود می‌کند و از این روش ضررهای بزرگی را به صاحبین کسب و کار می‌زند. برای تشخیص این پدیده نیاز می‌باشد که به دنبال سر نخ گشت! نصب تقلبی پدیده‌ای آشکار نمی‌باشد که با نگاه کردن به آن بتوان به راحتی تشخیص داد که نصب موردنظر تقلبی می‌باشد یا سالم است. به همین دلیل است که پیدا کردن سر نخ‌هایی برای یافتن این نصب‌های تقلبی اصلی‌ترین راهکار در این حوزه تخصصی می‌باشد. خصوصیت اصلی‌ای که این سبک سر نخ‌ها دارند این است که درون خود نمودی از رفتار کاربری را دارند که نصب موردنظر را انجام داده است. به وسیله بررسی این سبک سر نخ‌ها این امکان به وجود می‌آید که تخمینی هرچند نادقیق از رفتار کاربر نصب‌کننده داشته باشیم.

یکی از این سبک سر نخ‌ها، فاصله زمانی طی شده بین کلیک و نصب انجام گرفته (Click To Install Time)می‌باشد. این شاخص از این نظر مهم جلوه می‌کند که وابسته به شرایط هر کاربر، رفتار خاص آن کاربر روی این شاخص تاثیر می‌گذارد و عدد متفاوتی را به نمایش خواهد گذاشت. به عنوان یک مثال ساده، در صورتی که کاربران نصب کننده یک اپلیکیشن بیشتر از یک کشوری باشند که از سرعت اینترنت پایین‌تری نسبت به میانگین جهانی برخوردار باشند، عدد این شاخص برای این دسته کاربر متفاوت خواهد بود. سرعت اینترنت یکی از چندین مولفه‌هایی می‌باشد که می‌تواند بر روی این شاخص فاصله زمانی کلیک تا نصب تاثیر بگذارد. به عبارتی این شاخص یک متغیر وابسته می باشد که سایر متغیر‌های مستقل که خود نمایندگانی از رفتار کاربر می‌باشد بر روی این متغیر وابسته تاثیر می‌گذارند. لذا با بررسی و تحلیل شاخص کلیک تا نصب، این امکان به وجود می‌آید که تخمینی مناسب از رفتار کاربر بیابیم.

عملکرد نمودار CTIT چگونه است؟

پدیده نصب تقلبی داخل کمپین‌های تبلیغاتی بر کسی پوشیده نیست. زمانی که یک کمپین دارای نصب تقلبی می‌باشد، با احتمال بالایی، کاربران نصب‌کننده رفتاری متفاوت از کاربران عادی خواهند داشت (البته این را می‌دانیم که بسته به نوع تقلب دقت این عبارت می تواند تغییر کند). یکی از شاخص‌هایی که در پلتفرم‌های اتریبیوشن در کلاس جهانی برای تشخیص این سبک تقلب‌ها استفاده می‌شود شاخص فاصله زمانی کلیک تا نصب است. بدین صورت که برای هر کمپین، برای فاصله‌های زمانی مختلف مقدار فراوانی نصب دریافت‌شده به نمایش گذاشته می‌شود و در نهایت توزیع این مقادیر ترسیم می‌شود. برای کمپین‌های سالم و با شرایط نسبتا یکسان (کمپین اجرا شده در یک موقیت جغرافیایی یکسان، برای سگمنت‌های تقریبا مشابه و …) انتظار می‌رود که روند تغییرات این تابع توزیع، تغییر زیادی را مشاهده نکند. به عبارتی توزیع ترسیم شده برای کمپین‌های سالم عملا مشابه یکدیگر رفتار می‌کنند. لذاست که این نمودار این امکان را به صاحبین اپلیکیشن می‌دهد تا بتوانند رفتار‌های خاص و خارج از عرف را به وسیله این شاخص بیابند و کمپین مشکوک موردنظر را وارسی بیشتری انجام دهند.

قابل ذکر است که این سبک تحلیل به نصب‌ها تگ تقلبی بودن را نمی‌زند و مجموعه‌ای از کمپین‌ها را بررسی می‌کند. به عبارت دیگر از لحاظ حرفه‌ای این درست نمی‌باشد که کل نصب‌های موردنظر کمپین را تقلبی معرفی نمود.

CTIT چگونه در تشخیص تقلب کمک می‌کند؟

عملا این روش تگ مشکوک بودن به کمپین‌های تبلیغاتی می‌زند و ادامه ماجرا و بررسی‌های دقیق‌تر که شامل استعلام وضعیت از شبکه های تبلیغاتی و سایر واسط‌ها است را خود صاحب اپلیکیشن بر عهده خواهد گرفت.

دو تقلب اصلی که به وسیله این روش قابلیت شناسایی دارند عبارت‌اند از:

  • Click injection
  • Click capping

البته که قابلیت این روش به این دو تقلب محدود نمی‌شود و با بررسی رفتار سایر کمپین‌های تبلیغاتی و مقایسه میان آن‌ها و همچنین تنظیم این روش متناسب با رفتار کاربران اپلیکشن خود، این امکان وجود دارد که رفتار خاص کاربران در کمپین‌های مشکوک را در تمامی تنوع‌‌های تقلبی شناسایی کنید.

در ادامه چند نمونه از رفتار‌های شناسایی شده به وسیله نمودار CTIT را مشاهده می‌نمایید.

در نمودار زیر کمپینی مشاهده می‌شود که بخشی از نصب‌های آن در مقادیر بسیار کم تجمع پیدا کرده‌اند و احتمال تقلب Click injection در آن بالا می‌باشد.

در دو تصویر زیر، رفتار متفاوت دو کمپین که شامل تقلب‌های Click injection و Click capping می‌باشد مشاهده می‌شود.

همچنین فارغ از تشخیص نوع تقلب، توسط این نمودار این امکان وجود دارد که مقایسه‌ای بین کمپین‌های مختلف داشته باشیم و رفتار خاص کمپین‌های مشخصی را مورد بررسی بیشتر قرار دهیم.

خبرهای خوب ادتریس!

در ابتدای این نوشتار به کاربران ادتریس وعده‌ی خبرهای خوب را دادیم. ادتریس مفتخر است که به عنوان اولین ترکر ایران قابلیت CTIT را به پنل جدید خود اضافه کرده است و از این پس کاربرانی که SDK ادتریس را داخل اپلیکیشن خود پیاده‌سازی کرده‌اند می‌توانند به وسیله این روش کمپین‌های مشکوک به تقلب خود را سریعتر شناسایی نمایند و بودجه تبلیغاتی خود را هرچه بیشتر بهینه نمایند. اگر شما نیز به عنوان یک صاحب اپلیکیشن به خبرهای خوب بیشتری نیاز دارید با تیم پشتیبانی ادتریس ارتباط گرفته و تا همواره خبرهای خوب را دریافت کنید.

 

ارسال نظر