如何识别是虚假流量还是真实流量？

在虚假流量的认知和识别（上一篇）中，虚假流量的识别可以从基本属性、产品参与和转化三个方面进行识别。首先，基本属性。具体包括:时间&其次是产品参与度，如区域维度、终端类型、操作系统、联网模式、运营商、IP集中等。具体包括：跳出率、平均访问深度、平均访问时间、用户行为路径、页面点击、流量保留、单页人均访问次数等。三是转化情况。由于许多作弊流量可以模仿人类行为，成功绕过跳出率、平均访问深度和停留时间等宏观指标，但很难模仿业务转型。如果宏观指标表现良好，业务转型较少，则需要提高警惕。虚假流量是通过一个案例从用户行为数据中多维诊断的。在这种情况下，上述三家A企业是电子商务企业，每天都会在社交媒体上做广告。在1月8日在线数据发布的常规检查中，发现一家媒体（以下简称“M渠道”）最近带来的流量数据非常大。为了查明媒体渠道带来的流量是否为虚假流量，A企业对M渠道下的用户行为进行了多维细分和流量调查。一、基本属性初步排查流量访问通常分布在一天的各个时间段，伴随着平滑的曲线形成访问高峰和低峰。显然，虚假流量没有这一特点，因为人工/机器操作不在乎流量的时间分布，以节省成本，在时间曲线上不可避免地会出现流量突然增加。因此，有必要找到异常流量的时间点，并将时间细化为每小时的访问数据。如果流量过于集中在某一时间段，或在不适当的时间点出现流量激增，则应注意此时。1.时间维度图1 通过图通过比较M渠道和百度渠道流量 1 从流量时间分布的角度来看，百度的流量来源变化平缓，基本符合正常访问。与之形成鲜明对比的是，M渠道全天流量高峰分别在2:00、5:00、14:00、15:00。这几个时期的流量过于集中，而在其他正常时期，流量几乎为零。经内部确认，这一阶段没有活动，导致访问高峰突然增加是非常可疑的。2.用户访问设备图2 正常情况下，用户访问设备应多样化，从设备情况了解M渠道用户的操作系统。在这种情况下，通过上图发现M渠道流量设备基本都是Android端。由于M渠道没有投放，设备也没有限制，增加了虚假流量的可能性。3.IP集中图3 一般来说，IP频繁点击和流量激增是不正常的，根据IP查看Web浏览页面触发用户数。从数据中可以看出，图中IP带来的流量是2:00、5:00和15:均有突变，尤其是140.205.92.1。通过上述维度的诊断，这种流量非常可疑，可以结合产品参与度进行深入判断。2、产品参与度深度判断1。跳出率虚假流量产生高跳出率的时间通常与用户访问时间一致。因此，可以结合流量时间等因素进行综合比较。图4M渠道源流量的跳出率来自图4M 4 从这个渠道来看，用户跳出率高达98.88%，说明用户通过渠道链接来到网站登陆页面后，几乎没有进一步浏览。图5 通过M渠道查看Web跳出率与非M渠道用户跳出率的比较。我们可以看到，非M渠道用户的跳出率变化相对温和，分布在80%左右。M渠道用户跳出率的变化是分时段网站的突然增加。突然增加的时间恰好符合之前的访问突然增加的时间，比如凌晨2日:00和5:这部分流量在00时段更值得怀疑。当然，即使M渠道流量在跳出指数方面表现良好，我们也不能直接定位它必须是真实的流量，但也应该结合访问深度、访问时间、访问路径等进行深入分析。2.平均访问深度图6平均访问深度 6 我们可以看到，M渠道用户平均浏览一个页面一次访问，这表明大多数会话在访问一个页面后退出，而不浏览后续页面。2.平均访问时间如图所示 7.M渠道用户在网站上的平均停留时间为6.2s。6s时间，也许大多数用户在网站上浏览1-2页后就会退出，没有明显的交互行为。为了验证猜想，你可以看图片 8 用户路径分析。图 3.用户行为路径图8M用户行为路径 图9 在这种情况下，用户行为路径“页面访问”的节点信息 9 这是M渠道用户前四次访问的分布。可以发现，大多数用户首先访问主页->退出。通过查看节点信息，还可以发现99.08%的用户在页面访问后没有后续动作。图10 抽样M渠道有30个用户，其中29个用户的行为路径图11  抽样M渠道有30个用户，M渠道用户群中唯一的行为路径是随机抽取30个用户，发现上图中有29个用户。这些用户有相同的行为序列，来到登陆页面后没有后续动作退出。对于唯一有后续行为的用户，通过行为序列分析发现，用户多次浏览登陆页面，但浏览动作重复，每隔一段时间访问登陆页面，行为也重复。所以M渠道用户的行为路径规律性太强，有迹可循，进一步证明是虚假流量。（注：一个循环单元中的两个动作间隔非常短，不到1s。这两个事件应该是由浏览登陆页面引发的网络浏览事件和自定义事件页面访问，这实际上只是浏览登陆页面的一个动作）。3、转型最终确认，一些作弊流量可以模仿人类行为，绕过跳出率、平均访问深度和停留时间等宏观指标。然而，模仿业务转型更为困难。如果宏观指标表现良好，业务转型较少，则需要提高警惕。根据实际业务流程，我们将“提交订单”定义为核心转型。设置核心转换漏斗的步骤如下：图12 设置核心转换漏斗流程图13M通道用户与非M通道用户的核心转换进行比较。通过漏斗分析和比较，可以看到M通道用户完成核心转换的用户数为0。在漏斗转换中，我们发现当用户访问页面时，没有用户点击核心按钮“提交订单”，也没有用户有效点击。虽然M渠道给平台带来了很大的流量，但核心转型的数量是0，这对我们的核心业务没有帮助。结合用户在网站上的参与和行为分析，流量符合我们判断虚假流量的常见特征。通过上述分析平台，我们通过M渠道流量时间、流量用户终端、流量跳出率、退出率、平均访问时间、平均访问深度、用户路径和流量核心转换，可以发现流量分布不自然、过于规律，基本判断M渠道流量为虚假流量。总结一下面对虚假流量该怎么办？数据分析是识别虚假流量的重要途径之一。此外，一些企业还试图通过逻辑判断设置相应的机制来帮助识别虚假流量。例如，当一个企业更新APPStore版本时，如果新用户在发布后第二天是旧版本，这部分群体将自动被判定为疑似虚假流量，并屏蔽相关功能，如默认*、私人信息等。当然，它也将为用户提供解封投诉的途径，以防止误判。无论如何，虚假流量都被证明不是无迹可寻的。其中，数据分析是识别虚假流量的一种相对直接和简单的识别方法，为广告商提高数字营销运营能力。这就要求企业主：一方面，要掌握可靠的衡量数据。根据熟悉数据分析工具的应用和监控实施经验，企业应与实现多维数据分析平台合作，帮助企业调查疑似流量，帮助净化网络交付环境；另一方面，广告商应不断优化运营模式，改善运营状况，虚假流量监控识别不高度依赖技术能力，广告商了解虚假流量特征，通过对专业知识的基础数据分析，可以评估数字广告的效果，不断优化投放渠道。