中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

上篇圍繞虛假流量的發生機制、發生原因（背后的利益捆綁）、識別虛假流量的常見維度等；下篇從一個案例完整介紹如何識別虛假流量。

在虛假流量的認知與識別（上篇）中介紹，虛假流量的識別可從基本屬性、產品參與度、轉化情況三方面來識別。

• 首先，基本屬性。具體包括：時間 & 地域維度、終端類型、操作系統、聯網方式、運營商、IP 集中等
• 其次，產品參與度。具體包括：跳出率、平均訪問深度、平均訪問時長、用戶行為路徑、頁面點擊情況、流量留存情況、單頁面人均訪問次數等。
• 第三，轉化情況。因為很多作弊流量可以模仿人類行為，成功繞過跳出率、平均訪問深度和停留時長這些宏觀指標，但是要模仿一個業務轉化就 比較難了，如果宏觀指標表現很好，業務轉化很少的話，就需要提高警覺。

下面通過一個案例從用戶行為數據多維診斷虛假流量。這個案例圍繞上述三種A 企業是電商企業，日常會在社會化媒體進行廣告投放，在1月8日線上數據投放的常規檢查中發現，近期一家媒體(下 稱“M 渠道”)所帶來的流量數據異常大。為查明該媒體渠道所帶來的流量是否為虛假流量，A企業將M渠道下的用戶行為進行多維度細分，進行流量排查。

一. 基本屬性初步排查

流量訪問通常會分布在一天中的各個時段，伴隨平滑的曲線形成訪問高峰與低峰。顯然虛假流量不具備這一特點，因為人 為 / 機器操作為節省成本不會在意流量的時間分布，難免會在時間曲線上會有流量突增的情況。因此，要找到異常流量發 生的時間點，將時間細化到每小時的訪問數據，如果流量過于集中在某個時段，或者在不恰當的時間點出現了流量激增的 情況，這時候就要引起注意了。

1. 時間維度

圖1?M 渠道與百度渠道流量對比

通過圖?1?看到，百度流量來源呈現平緩變化，從流量時間分布上看，基本符合正常訪問情況。與之形成鮮明對比的是， M 渠道全天流量高峰期分別在 2:00、5:00、14:00、15:00。這幾個時段內的流量過于集中，而在其他正常時段內，流量幾乎為零。 經過內部確認，該階段并未有活動發生，產生突增的訪問高峰十分可疑。

2. 用戶訪問設備

圖2?從設備情況了解 M 渠道用戶的操作系統

上文提到在正常情況下，同樣用戶訪問設備應該多元化。在這個案例中，通過上圖發現 M 渠道流量設備基本都是 Android 端。 由于 M 渠道未投放，更沒有設備限定，增加了虛假流量的可能性。

3. IP 集中

圖3?按 IP 查看 Web 瀏覽頁面觸發用戶數

一般而言，IP 的頻繁點擊、流量激增都是不正常的。我們通過數據可以看到，圖中 IP 帶來的流量在2:00、5:00和15:00 均有突變，尤其140.205.92.1 表現最明顯。經過以上維度診斷，此流量十分可疑，可結合產品參與度進行深度判定。

二. 產品參與度深度判定

1. 跳出率

虛假流量產生高跳出率的時間，通常會和用戶訪問時間段一致。因此可以結合流量時間等因素進行綜合對比。

圖4 M 渠道來源流量的跳出率

從圖?4?來看，該渠道來的用戶跳出率高達98.88%，說明用戶通過渠道鏈接來到網站落地頁后，幾乎都沒有進行進一步 的瀏覽。

圖5?分時段查看 Web 跳出率

通過 M 渠道用戶與非 M 渠道用戶跳出率情況的對比。我們可以看到，非 M 渠道用戶的跳出率變化比較平緩，分布在 80% 上下。而 M 渠道用戶跳出率的變化則是分時段網站突然增高的，突增的時段恰好和前面的訪問突增時段吻合，比如凌晨 2:00 和 5:00 時段，這部分流量更值得懷疑。

當然，即使 M 渠道流量從跳出率指標上來看表現很好，我們也不能直接定位它一定就是真實的流量，還應該結合訪問深度 和訪問時長、訪問路徑等來進行深度分析。

2. 平均訪問深度

圖 6 平均訪問深度判定

從圖?6?中我們可以看到，M 渠道用戶一次訪問平均瀏覽了 一 個頁面，說明大部分的會話都是訪問一個頁面就退出了，并 沒有進行后續頁面瀏覽。

2. 平均訪問時長

如圖?7，M 渠道用戶平均在網站停留的時長 6.2s。6s 的時間，可能大部分用戶是在網站都瀏覽 1-2 個頁面就退出，并無 明顯的交互行為。為了驗證該猜想，可以看圖?8?的用戶路徑分析。

圖?7 M 渠道用戶的平均訪問時長分析

3. 用戶行為路徑

圖8 M 渠道用戶行為路徑

?圖9?用戶行為路徑“頁面訪問”的節點信息

在這個案例中，圖?9?是 M 渠道用戶的前 4 次訪問的分布情況，可以發現，大部分用戶是先進行的首頁面訪問 -> 退出。 通過節點信息查看，還可以發現，在頁面訪問后，99.08% 的用戶無后續動作。

圖10?抽樣 M 渠道 30 個用戶，其中 29 個用戶的行為路徑

圖11??抽樣 M 渠道 30 個用戶，唯一用戶的行為路徑

在 M 渠道的用戶群體中，隨機抽取了 30 個用戶，發現其中 29 個用戶為上圖情況，這批用戶具有相同的行為序列，來到落 地頁后均無后續動作而退出。 針對唯一有后續行為的用戶，通過行為序列分析發現，用戶行為多次瀏覽落地頁，但瀏覽動作重復，隔一段時間進行一次 落地頁訪問，行為也有重復。因此 M 渠道用戶的行為路徑存在太強的規律性，是有跡可循的，進一步證實了是虛假流量。 ( 備注 : 一個循環單元中的兩個動作間隔極短，不到 1s，應該這兩個事件是一次瀏覽落地頁而觸發的神策預置采集的 Web 瀏覽事件和自定義事件頁面訪問，其實只是一個瀏覽落地頁的動作 )。

三. 轉化情況終極確認

目前有些作弊流量可以模仿人類行為，繞過跳出率、平均訪問深度和停留時長這些宏觀指標，但是要模仿一個業務轉化就 比較難了，如果宏觀指標表現很好，業務轉化很少的話，就需要提高警覺。 根據實際業務流程，我們定義“提交訂單”是核心轉化。我們設置核心轉化漏斗步驟如下 :

圖12?設置核心轉化漏斗流程

圖13 M 渠道用戶與非 M 渠道用戶核心轉化對比

通過漏斗分析對比，可以看到 M 渠道用戶完成核心轉化的用戶數為 0。在漏斗轉化中，我們發現當用戶訪問頁面訪問后， 并沒有用戶去點擊核心按鈕“提交訂單”，更是沒有有效點擊的用戶。M 渠道雖然給平臺帶來了很大流量，但是核心轉化的 人數為 0，對于我們核心業務并無幫助。再結合用戶在網站中的參與度與行為分析，該流量符合我們判斷虛假流量的常見 特征。

通過神策分析平臺進行的上述分析，我們通過對 M 渠道流量產生的時間、流量的用戶終端、流量的跳出率、退出率、平均 訪問時長、平均訪問深度、用戶路徑以及流量的核心轉化等方面進行分析，可以發現，該批流量在流量分布上呈現不自然性、 過于規律的特點，基本判斷 M 渠道產生的流量為虛假流量。

總結

面對虛假流量我們應該做什么?數據分析是識別虛假流量的重要方式之一。除此之外，一些企業也嘗試通過邏輯判斷設定相應機制，來輔助識別虛假流量。 例如一家企業在 APPStore版本更新時，如果發版的第二天新增用戶為老版本，那么這部分群體將自動被判定為疑似虛假 流量，并對其屏蔽相關功能，如默認福利、私信等，當然還會提供用戶申訴解封的途徑，以防誤判。

無論通過哪種方式，虛假流量都被證明為并非無跡可尋。其中數據分析是識別虛假流量相對直接且簡單的識別途徑，為廣 告主為提升數字營銷運營能力。這要求企業主:

一方面，要掌握可靠的衡量數據。依據對數據分析工具的熟稔應用以及監 測執行經驗，企業應與能夠實現多維數據分析平臺進行合作，神策數據幫助企業對疑似流量進行精細維度的排查，輔助網 絡投放環境的凈化;

另一方面，廣告主應不斷優化運營模式與改善運營狀況，虛假流量的監測與識別并非高度依靠技術能力， 廣告主在理解虛假流量特征后，可通過基礎數據分析專業知識，評估數字廣告投放效果，不斷優化投放渠道。

相關閱讀

虛假流量的認知與識別（上篇）

作者：張喬，神策數據內容營銷負責人。公眾號：神策數據

本文由 @張喬 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議