去伪存真——渠道作弊分析

http://blog.talkingdata.net/?p=1082

为什么这个渠道的数据很好，可就是不盈利呢？是我的产品有问题呢？或是渠道作弊？这还真是让人头疼。行业关于渠道作弊这块分享的信息真是太少了，各CP只能跌跌撞撞，靠自己摸着石头过河，那这回我们一起走进数据的世界，用数据说话，拨开迷雾辨真伪吧。

初级渠道作弊：同时看一次性用户指标/比例&平均单次使用时长指标

渠道的初级作弊，就是只拉新增用户，这种刷作弊的方式较容易发现，因为用户一次性用户指标较低，平均单次使用时长也远低于其它渠道均值，或是自身渠道其它的值。

笔者曾经遇到一个做手游的好友，他的产品投到新渠道后，新增用户连续3天暴涨500%，但是留存却不高，想咨询是什么地方有问题。于是我帮他查看了这个新渠道的两个指标：一次性用户指标&平均单次使用时长均低于其它渠道均值，基本上可以判断是渠道作弊了，再看新增用户的时间段，立马验证。正常用户都是在中午和晚上新增较多一个空闲的时间段，而这个增量正好相反，明显是一个上班的时间段（8：00-18：00）。

如果你只投放了少量渠道，不能确定数据的时候，也可以对比TalkingData每月出的benchmark里的一次性用户比例&平均使用时长数据进行对比。

中级渠道作弊：看页面明细

一些手段稍微高一点的作弊，会将你应用中的SDK，打到别的热门应用中去，这样不但新增上去了，而且各项数据都还非常好看，没有破绽，但是就是盈利上不去。

这个时候就要需要关注页面明细了，查看页面明细是否是自家的，如果不是自家的页面，那这就很有可能存在作弊的问题。

高级渠道作弊：多数据维度比对

高级渠道作弊已经超出了一般人类可以想象的范畴，达到了智能级别，无论用户留存、机型、地域、联网等连手机号注册都可以作弊（笔者第一次知道的时候和小伙伴们都惊呆了。）以至笔者当时只能订了一个指标：LTV指标，如果这个指标达不到渠道平均水平，那么就放弃这个渠道，无论这个渠道是否作弊。但是后来随着对应用和渠道接触的越来越多，错杀了不少好渠道，觉得还是要多维度数据指标进行评判，TalkingData就有对这方面数据进行健康度评估。

如果要是游戏应用一般看用户玩家等级的比例就可以了，一般渠道是不会雇人去玩游戏升级的。

俗话说的好，道高一尺，魔高一丈，以上方法也不一定全面，如果还有别的分析渠道作弊的方法，大家多多分享出来。当然渠道作弊的情况还是比较少发生的，一般情况下如果应用数据不好，还是要从自己的应用中去找问题。

另附：

在实际推广中，App铺的渠道是非常多的，要从众多渠道中发现异常或者挑出不合适的渠道非常耗费人力，而且容易出错。所以这里分享一个游戏渠道数据打分模型，根据App设定当渠道高于X分的时候，要加大投放力度，当低于X分的时候，需要跟进该渠道，检查数据是否有异常或者是剔除不合适的渠道。这样可以节省不少人力，并提高排查准确率。这里引用一下游戏数据分析达人——石头曾介绍过“Z-score标准化”进行打分处理：

数据标准化“Z-score标准化”

μ为样本均值（Excel中函数Average），σ为样本标准差（Excel中函数STDEV）。

标准化多纬度数据：

标准化之后接着来就是要想办法把数据变成5分制（也就是1分、2分、3分、4分、5分），这里是将X的套用分数如下：

而后根据你目前游戏目标，给不同指标加上权重汇总后，可以得到相应指标（同样这里建议样本数据不能低于5个，不然会影响数据准确性）。这种方法前期需要根据实际情况调整权重，剔除异常值，稳定后，模型使用将会非常快捷、准确、省力、方便。