アプリのプロモーション、チャネル詐欺の見分け方 - データ分析

休暇前に、統計指標を通じてチャネル配信の有効性を分析する記事を書きました (リンクをクリックしてご覧ください)。今日は、チャネルの不正行為を特定する方法、チャネルの有効性を分析する方法、および不正行為防止方法についてお話ししたいと思います。批判を歓迎します。

一部の事業者はチャネル配信を行っており、すべてのチャネルで配信を行っています。クリックスルー率は非常に高いのですが、アクティベーション率は 1 桁しかありません。クリックアクティベーションの数は多いが、維持率が低い可能性もあります。お金はすべて使い果たしたが、効果はなかった。自分でデータ分析をしましたが、結論は出ませんでした。

データ分析の前提条件は、信頼できるデータを取得することです。データが不正確であれば、このデータ分析に基づいて導き出された結論は無意味になります。

正確なデータを取得するには、まず信頼できる統計分析プラットフォームを選択する必要があります。プラットフォームの選択については、前回の記事を参照してください。プラットフォームが信頼できる場合でも、信頼できない状況が発生する可能性があります。諺にあるように、ランキングがあるところにはランキング操作があり、データ統計プラットフォームがあるところにはデータ不正ワークショップがあります。

モバイル インターネット エコシステムには、同様に低品質のユーザー データを非常に低価格で提供する、知られていないチャンネル ブースティング スタジオが数多く存在します。

初期の統計分析プラットフォームの SDK は、プレーンテキストの jason データ パケットに基づいていました。スタジオは、プログラムを使用してこれらのデータ パケットを簡単に偽造し、新規ユーザー、アクティブ ユーザー、保持ユーザー、期間などのユーザー データをシミュレートすることができました。統計分析プラットフォームの発展に伴い、多くの分析プラットフォームがバイナリプロトコルに基づく SDK をリリースしており、開発者は暗号化スイッチを自分で呼び出すこともできます。これらの技術の進歩により、統計プラットフォームのセキュリティとデータの精度が向上しました。 APP が SDK の安全なプロトコル バージョンにアップグレードされると、ブラッシング スタジオがデータ パケットを直接シミュレートしてボリュームをブラッシングすることが難しくなります。

諺にあるように、悪魔は常に聖人より一歩先を進んでいます。プラットフォームには独自の方法があり、膨張したトラフィックスタジオには独自の方法があります。学生は、分散型の手動方式を使用して音量を上げることができます (この形式は、タスクベースのポイント ウォールと呼ぶことができます)。または、プログラム スクリプトを記述し、実際のマシンのパラメーターを変更して、実際のマシンを操作して、よりインテリジェントな方法を使用することもできます (興味のある学生は、iOS の音量を上げるツールである igrimace について学ぶことができます)。これらの行動は実際のユーザーの行動とほとんど区別がつかず、技術的にこれらのデータを区別することは困難です。

実際、経験豊富なオペレーターは、いくつかのデータ指標を通じて、実際のユーザーと偽のユーザーの違いを区別することができます。

チャネル効果評価維持率

場合によっては、チャネルは翌日、7 日目、30 日目などの重要な時点でユーザー データをインポートすることを選択することがあります。翌日、7 日目、30 日目などの主要な時点における APP のデータは、他の時点のデータよりも大幅に高いことがわかります。実際、実際のユーザーのリテンション曲線は滑らかな指数関数的減少曲線です。リテンション曲線に急激な上昇と下降を伴う異常な変動が見られる場合、基本的にはチャネルがデータに干渉していることを意味します。このようなユーザーの質は非常に低く、商業的価値がないと考えられます。

リテンション カーブは、チャネルの品質を判断するのに役立つだけでなく、運用促進や製品の最適化に関する多くの参考提案も提供します。維持率は非常に重要ですが、どのように計算されるのでしょうか?

ある日に新規ユーザーとなり、n 日後に戻ってくるユーザーの割合が、その日の n 日間の維持率となります。たとえば、2 月 1 日に 1,000 人の新規ユーザーを獲得し、そのうち 400 人が 2 月 2 日に復帰し、200 人が 2 月 8 日に復帰した場合、2 月 1 日の新規ユーザーの翌日の維持率は 40%、7 日間の維持率は 20% になります。

維持率は、ユーザーの質を判断するための業界で一般的な指標です。モバイルインターネット業界では、アプリの翌日のリテンション率が 40%、7 日間のリテンション率が 20%、30 日間のリテンション率が 10% に達すると、このアプリのリテンション率は業界標準よりも高くなります。一般的に、ツールアプリの継続率はゲームアプリよりも高く、高頻度アプリの継続率は低頻度アプリよりも高くなります。維持率は、アプリケーションの種類に加えて、APP のユーザー エクスペリエンスやプロモーション方法などの要素にも関連しています。

ユーザー端末

各チャネルには独自のユーザー ベースがあり、ユーザー ターミナルも異なります。たとえば、Xiaomi App Store のユーザーの上位 10 モデルはすべて Xiaomi の携帯電話である可能性がありますが、Mobile MM のユーザーの大多数はモバイル オペレーターのユーザーである可能性があります。特別なチャネルを持つアプリストアを除き、ほとんどのチャネルのユーザー端末は、モバイルインターネット端末全体の分布と同様です。モバイル インターネット データ レポートやデータ インデックス製品を調べることでこれらのデータを理解し、これらのデータをベンチマークとして使用して APP データを比較および分析できます。

デバイス端末、オペレーティング システム、ネットワーク方式、オペレータ、地理的位置などのモバイル デバイスの特性に焦点を当てることができます。以下にいくつかのヒントを挙げましたので、ぜひ議論したり批判したりしてください。

方法1：低価格デバイスのランキングに注目する

チャネル内の新規ユーザーやアクティブ化されたユーザーのデバイスランキングの分析に重点を置くことができます。低価格のデバイスが異常に高いランクにランク付けされている場合は、特に注意する価値があります。これらのデータは、統計プラットフォームの端末属性分布で確認できます。

特に、iOS プラットフォームにはシミュレーターがないため、すべてのユーザー データは実際のデバイスによってトリガーされる必要があります。トラフィックを増やすスタジオの多くは、トラフィックを増やすために中古の iPhone 5cs を実機として購入することを選択します。チャンネルプロモーションを行っている友人がこのような罠に陥り、あるチャンネルのデバイスの 75% が iPhone 5c であり、iOS デバイスのトップ 5 よりも多いことに気づきました。すると、このチャンネルの維持率やその他の指標が不十分であることがわかり、最終的にこのチャンネルはボリュームを増やすために大量の iPhone 5c を使用していたことが判明しました。

方法2: オペレーティングシステムの新しいバージョンの割合に注意する

長年の職務経験を通じて、多くのチャンネルブーストスタジオではオペレーティング システムのバージョンへの適応が遅れることがわかりました。したがって、チャネル担当者は、チャネル ユーザーのオペレーティング システムを確認する際に、チャネル ユーザーのオペレーティング システムの分布をすべてのモバイル インターネット ユーザーの分布と比較することをお勧めします。特定のチャネルに新しいバージョンのオペレーティング システム (iOS 8.x など) がない場合は、このチャネルと提携しているスタジオのテクノロジが最新のオペレーティング システムにまだ適応していない可能性があります。

方法3: Wi-Fiネットワークの使用に注意する

友人から、Wi-Fi を使用するユーザーの割合が 90% に達したと聞きました。この割合は正常ですか?

この質問に答えるには、まず現状をある程度理解する必要があります。現在、私たちは高速ネットワーク環境に住んでおり、新規ユーザーであれアクティブユーザーであれ、WiFi の使用割合は比較的大きくなっています。

ユーザーの行動の観点から、友達に注目してみると、アプリをダウンロードするときにはWi-Fi（データ通信料が高い）を使う傾向があることがわかります。対照的に、アプリを起動するときは、現在のネットワークにあまり敏感ではありません。つまり、新規ユーザーによる Wi-Fi 使用の割合は、開始ユーザーによる Wi-Fi 使用の割合よりも大きくなります。

また、Wi-Fiの使用率はアプリケーションの種類にも関係します。オンラインビデオアプリケーションを使用している場合、Wi-Fi 比率は 90% を超える可能性があります。

トラフィックの少ないアプリで、新規ユーザーとアクティブユーザーの WiFi データを比較して手がかりが見つかる場合は、チャネルがトリックを仕掛けている可能性があります。

方法4：ターゲットを絞った配信も重要

業界で長く働いている友人が、福建省では不正行為が多いという体験を話してくれました。配送戦略を策定する際には、不正行為が多い地域をブロックすることに重点を置くことができます。このブラックリストは、APP の実際の地域配信効果に基づいてカスタマイズすることもできます。

さらに、ニーズに応じて特定のエリアに重点的に広告を掲載することも可能です。例えば、北京、上海、広州などの消費量の多い地域や、第3級都市、第4級都市などの比較的ブルーオーシャンな地域などです。データを確認する際には、ユーザーが当社の配信戦略に沿っているかどうかを確認する必要があります。

ユーザーの行動

方法1: ユーザー行動データを比較する

アプリが長期間開発されている場合、訪問したページ、使用時間、訪問間隔、使用頻度などの行動データは安定する傾向があります。異なる APP の動作データは異なります。偽のトラフィック スタジオで実際のユーザー行動をシミュレートすることは可能ですが、それをアプリの日々のデータと完全に一致させることは困難です。

ユーザーによるチャネルの使用時間の長さや頻度が長すぎたり短すぎたりする場合は、疑う価値があります。チャネルデータ分析を行う際には、これらのデータをアプリ全体と比較したり、Android MarketやApp Storeなどの大規模なアプリケーションストアのデータを比較用のベンチマークデータとして使用したりできます。

方法2: 新規ユーザーとアクティブユーザーの時間別データ曲線を理解する

多くのブラッシングスタジオでは、デバイスのデータを一括でインポートしたり、スケジュールされた時間に開始したりすることで、データを偽造しています。この場合、新規追加とスタートアップ曲線は急激な増加と減少を示します。実ユーザーの増加と活性化は滑らかな曲線を描いています。一般的に、新規ユーザー数とアクティベーション数は午後 6 時以降にピークを迎えます。さらに、新規追加の傾向はスタートアップの傾向よりも顕著になります。

異なるチャネルからのタイムシェアリングデータを比較して異常を見つけることができます。このような行動データの比較は単一変数の原則に従う必要があることに注意する必要があります。つまり、異なるチャネルを除いて、実験における他のすべての要素はまったく同じでなければなりません。水曜日のチャネル A のアクティブ数と土曜日のチャネル B のアクティブ数を比較すると、2 つのデータには明らかに違いがあり、比較することはできません。

方法3: ユーザーが訪問したページ名の詳細を表示する

スタジオによっては、アプリ キーを他の高頻度アプリに配置することもあります。このように、チャンネルユーザーのデータは非常に美しいことがわかりますが、よく見ると、ページ名に自分自身で定義されていないページが多数あることがわかります。ページ名を比較することで、この形式のチャンネル不正行為を特定できます。

Android アプリの場合、この名前はアクティビティまたはフラグメントです。iOS アプリの場合、この名前はカスタム ビューです。この部分を覚えていなくても問題ありません。開発者に特定のページ名のリストを要求し、統計の背景でユーザーが訪問したページの詳細と比較して違いを確認してください。

コンバージョン率分析

コンバージョン率データの分析は、チャネルの不正行為に対処するだけでなく、さまざまなチャネルのユーザー品質を判断し、配信効率を向上させるのにも役立ちます。

各アプリには独自のターゲット動作があります。たとえば、電子商取引アプリケーションのターゲット動作は、ユーザーによる商品の購入です。ゲームアプリではアプリ内決済を検討する必要があります。ソーシャル アプリケーションは、ユーザーが生成したコンテンツに重点を置いています。運用担当者は、アプリケーションのターゲット動作を定義および設計する必要があります。

ユーザーが実際のトラフィックである場合、クリック、ダウンロード、アクティブ化、登録、およびターゲット動作のトリガーというプロセスを経ることになります。これらのステップをファネル モデルにして、各ステップのコンバージョン率を観察できます。 ファネルの後ろの方に行くほど、不正行為が難しくなり、獲得したユーザーがシステムにとってより価値が高くなり、支払うユーザーコストが高くなります。運用担当者は、チャネル不正の限界費用を増やすために、チャネルプロモーション中にターゲット行動を監視し、ターゲット行動の変換率を調べる必要があります。

アンチチートモジュール

既成の統計分析ツールを使用するだけでなく、R&D 担当者を募集して独自の不正防止モジュールを開発することもできます。アンチチート モジュールは、原理的にはアンチウイルス ソフトウェアに似ています。いくつかの動作パターンを定義し、それをアンチチート モジュールのブラックリスト ライブラリに追加することができます。新しく追加されたデバイスが定義された動作パターンを満たす場合、不正行為デバイスとして判断されます。各オペレーターは独自の APP に従って定義できます。一般的な行動パターンをいくつか挙げました。

（１）デバイス番号異常：IDFAの頻繁なリセット

（２）IP異常：地理的位置の頻繁な変更

（３）異常な行動：割引商品を大量に購入する等

（4）不完全なデータパッケージ：起動情報のみが含まれており、ページやイベントなどのその他のユーザー行動情報は含まれていません。

結論は：

オペレーターとしては、チャネルとの長期的な協力に心の準備が必要です。データを有効活用することは、長い旅の第一歩です。すべての事業者がデータを活用して適切なチャネルを選択し、チャネル投資の利益を高めることが期待されます。

原題: アプリプロモーション、チャネル詐欺の見分け方 - データ分析

キーワード: アプリ不正データ、データ分析