本文主要是介绍去伪存真——渠道作弊分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
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。
这篇关于去伪存真——渠道作弊分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!