DataVisor中国区总经理吴中：深挖真实流量，助力出海竞争

2018 年出海圈盛宴完美落幕，由白鲸出海主办的 2018 全球流量大会（GTC）已于 11 月 1-2 日在深圳（大中华喜来登）成功举办，Facebook、阿里巴巴UC Ads、猎豹移动、AppLovin 以及 Opera 等多个知名平台的高管及业务负责人莅临本次大会，参加为期两天的峰会论坛主题演讲和圆桌论坛。旨在助力出海开发者更好的理解海外市场，拓展业务。

本次全球流量大会除了展馆以外，还包含三场高峰论坛，即 11 月 1 日全天（9:30-17:00）“新兴市场的新机会”，11 月 2 日上午（9:00-12:00）“跨境电商的下一个蓝海市场”，和下午（13:30-17:00）“游戏出海的下一个蓝海市场”。

白鲸出海对为期两天的大会嘉宾分享的内容进行了直播和整理。下面是 11 月 2 日上午 DataVisor 中国区总经理吴中带来的主题为《深挖真实流量，助力出海竞争》的演讲。

以下为演讲内容的整理：

大家早上好！非常荣幸有机会在这里和大家分享。前面各位大佬讲得已经比较多了，我今天主要从流量质量，流量分析的角度做一个分享。我们的公司位于美国硅谷，是技术型公司，我们的主要业务是给客户提供数据分析服务。

先和大家说说几个我的观察。现在全球化的趋势比较明显，出海的趋势主要集中在几个地方，比如大家熟悉的印度、东南亚、中东市场。大家熟悉的 Facebook、谷歌是主要的渠道来源，他们占了 70% 到 80% 的流量。大家从流量的获取上是多个渠道共存的状态。在什么平台和什么渠道上获取流量的时候，这两年看到的现象是由粗放式运营到越来越精细化运营的转变。原来是选一个流量，大家直接上去投，投放后再看效果，过一阵子根据 OAI 再把它去掉；而现在，大家越来越多得用技术化的方式去做运营，包括我们做的流量和留存的分析。

我们和广告主交流的时候发现，他们非常希望能够从各个渠道里面甄别，买到真实的流量。大家都比较关注的是如何获取高质的用户，有时候也需要从媒体渠道上获取流量。而这需要一个比较好的甄别机制。我们也经常和一些广告主交流，他们经常面对的问题是，当到一个新地方或者是到一个新市场投放的时候，面对超过 200 多家知名的广告平台，他们想知道这些平台上哪些可以给他们带来比较多的流量。还有如何去选择，才能使得投放得到最大值。

每年我们会从服务的客户里面去分析，这是全球欺诈比例的排行（如下图所示），这里的欺诈讲的是虚假的流量。从平均值来讲，中东、沙特的欺诈平均值比较高。假量或者是渠道的流量质量是全球性的问题。如果看全球，来自于第三方网络的欺诈，虚假流量的比例是 7.8%，全球因营销或者是欺诈导致的营销支出浪费超过了 20 亿的美元。这个欺诈是不是比想象中的低？但是这个欺诈比例根据时间会有不一样的变化。随着时间的推移，欺诈比例在某些特定的广告渠道中上升，可以高达 50%，近 25% 的移动广告渠道的欺诈比例超过了 20%。

我们也对比了出海电商、游戏行业以及工具行业的欺诈情况。相比较而言，跨境电商的欺诈率比较高，基本上是游戏的 4 倍。根据假量，一般是根据渠道反馈去调整策略，或者是可以定一些营收或者是指标去优化渠道的选择。

我们公司很大的功能是说，帮各个出海的广告主打好这个辅助。我们是 2013 年在硅谷成立的，我们在北京、上海、深圳都有团队和分公司，我们是技术导向的公司，我本人也是技术出身，我原来是做机械学习和算法的。我们给行业提供的解决方案，更多的偏向于反欺诈。

数据分析，用我们的无监督技术分析流量的质量，提供反欺诈的解决方案。从 2013 年到现在我们也比较自豪，全球保护处理的用户数超过了 40 亿。

我们的亮点是无监督机器学习，相比黑白名单、规则引擎、有监督学习来讲，无监督学习的优点是不需要标签，不需要预先告诉你这些欺诈的手法是什么样子，它可以自动根据数据和目前最新的模式自动挖掘，然后做检测和分析。我们的解决方案有几个优势，我们会根据数据做所有的分析，给广告主做优化的投放，系统地对接，灵活并高效。我们输出的结果可以精确到每一个安装或者是每一个用户，可以对每一个安装都提供详细的分析报告，然后有它为什么是低质或者是欺诈的理由，同时我们也有比较高的精度。

我们会从广告主或者是工具去收集数据，包括安装和应用内的行为数据，包括前面的点击数据。我们针对流量质量方面有两大模块，一个是针对于点击数据做的分析，包括安装和应用内的欺诈检测模块。我们还有全球智能信息库，这些会加到我们的模型里面，最后给用户呈现的结果是几个方面，可以是可视化的页面给广告主提供指导，我们还有详细的欺诈报告，还有基于全球数据做出来的媒介洞察，可以知道哪一个地区的质量比较好。

我们的流量质量检测，覆盖了它整个生命周期，包括从点击到安装，到最后可能做的虚假留存，每一个阶段可能都有不同的欺诈模式，我们的模型都可以高效自动地检测出来。

接下来分享几个案例研究。第一个案例讲的是批量的虚假流量，这也是比较普遍的。大家看到可能会有回收很多的设备和手机，它基本上可以很快的刷新手机序列号关键信息，这个案例有 1.5 万个以上的安装，它作假都是来自于国内某知名手机设备，他们的虚假安装，从时间轴上看，都是在 7 天之内完成前面一段虚假的安装。过了一段时间，又会换到类似的设备上，可能会统一的做不同的颜色，你用传统的方法，可能会比较难去甄别。因为看起来，每一个单个的安装都是单独的机器。我们通过大数据分析，把他们归结到同一个群组里面，这样，就可以有效得解决这个问题。

这是一家拥有 4 亿月活用户的顶级游戏公司。他们自身的技术比较难做的是会不停变化欺诈的模式，我们的解决方案是利用无监督技术，从整体去看假量。可以对每一个安装产生监测报告，而且可以在内部去调整它的渠道投放策略。我们会给他们在 UI 上，根据时间做一个动态的渠道流量质量分布图，这样他们的团队可以做更加精细化的运营。

第二个案例是虚假点击欺诈。这是一个 APP 安装流程，从点击到下载，到会发很多的消息，到第一次打开，它可以在不同的阶段做，它可能把一些正常的或者是其他渠道带来的好的流量，通过点击劫持的方式归到自己的渠道里面。时间关系不讲太多的案例，大家感兴趣可以去我们的展区，谢谢！（本文作者：奔雷）

本文由 jqyjr 编辑排版

推荐阅读