技術的進步增加了廣告投放的效率和效果，也帶來了更加兇猛的作弊。
這是一個永恆不滅的話題。
品牌廣告的作弊一直以來被人詬病，效果類廣告的虛假流量其實也很猖獗。
線上營銷的成本不停升高，再加上流量摻水作假，對廣告主而言，不啻為一個黑暗的考驗。
到底作弊有多厲害？
AdMaster剛剛發佈了2018年上半年的數字廣告無效流量白皮書。數據顯示，2018 上半年，上千家廣告主企業（行業範圍涵蓋快消、母嬰、汽車、餐飲、金融、互聯網等各行各業），無效流量佔比為 28.8%，同比 2017 年上半年無效流量的佔比 29.6%和 2016 年上半年無效流量的佔比 30.4%，雖逐年有小幅下降，但形勢依然嚴峻。
接近三分之一的流量是有問題的流量。
而流量的來源上，垂直門戶一直都是重災區。再加上今天的網民行為的遷移，垂直門戶的日子只會越來越難過。
媒體行業細分來看，還是品牌類廣告行業的無效流量佔比多。而且，女性相關媒體的流量情況觸目驚心，接近50%！汽車行業媒體的流量作弊有所抬頭。
與常識不同，AdMaster給出的移動端的作弊少於PC端。但並不奇怪，因為AdMaster監測數據主要覆蓋的是品牌廣告主，尤其是視頻貼片＋信息流＋開屏等廣告。如果包含了其他的移動端ADX以及效果類的廣告，從我們投放的經驗上看，移動端的作弊，尤其是安卓系統的作弊，比PC端嚴重太多。
發現效果類作弊
發現效果類作弊只要牢記幾點，其實並不困難。
1. 對流量的細分標記一定要做好
你不做細分流量，怎麼發現什麼流量有問題呢？
細分流量一般有兩種方法，最常用的是link tag的方法（見我這篇文章：用Google Analytics的Link Tag深入瞭解流量來源的質量，拷貝這個URL在瀏覽器中閱讀：http://www.chinawebanalytics.cn/google-link-tag/），現在已經是流量行業的標配。
另外一種方法，是直接給每個不同的流量不同的落地頁，不想做不同頁面的話，同一個頁面不同URL即可。同樣可以區分出不同的流量。這種方法用得少，但是在不能給流量做link tag的時候，這個方法很解決問題。
2. 查看各個細分流量的用戶行為
這些行為已經不能只是透過簡單的跳出率來查看了。原因看我這篇文章：時光流逝，互聯網運營的經典指標還剩下幾個？。
我們需要看更加具體的用戶的行為，諸如點擊的分佈，設備的分佈，地域的分佈，時間的分佈，互動時間與參與狀況等。顯然，大部分效果類的作弊，都很難真正的模擬人的行為，所以，發現作弊其實真正無敵的方法，就是看這些流量的行為是不是“真人”。沒錯，利用一定的方法，你肯定能分辨出來。具體看我這篇文章：信息流投放沒效果？可能不是你自己的問題！，在這篇文章中，你會看到出現嚴重問題的流量是怎麼被發現與證實的。
3. 查看流量的行為演進過程
作弊流量和低質量流量的共同特徵，就是它們不會往交易的更深處「演進」。對於轉化需要多個步驟完成的業態，這個方法尤為有用。這些流量集中在落地頁，但是停留在這裡，不再繼續發展。這些流量背後一般不是機器，但垃圾無效流量較多。
行為演進的細分與分析，還能夠幫助我們發現一些客戶端的劫持。典型特徵是，當流量演進到購物車或者支付環節的時候，就不再繼續進行下去了。而另外一些流量則莫名其妙的以購物車或者支付環節為落地頁。
不過，有一類效果作弊基本上沒有辦法能夠被找出來，即互聯網基礎通信服務端發起的劫持。唉，當一個流量一出現的時候，就已經被人從頭到尾改換了門庭，而且還是從互聯網基礎設施的角度改換的。那就真心沒辦法能查能堵了。正因為如此，這一類作弊，是目前效果類作弊的最嚴重的，屢禁不止呀（關鍵也沒有任何強力機構會禁止這種搶錢行為）。雖然說你不能真正發現這類作弊，但還是可以“能感覺到”。比如，當你真的停掉那些ROI很差或者「毫無作為」的流量了以後，那些看起來本來很好的流量渠道也應聲下降。
發現品牌類作弊
品牌類的作弊，按照AdMaster上面的數據，大約三分之一的流量有問題。
品牌類的作弊的發現，較效果類要困難。直接原因，品牌類廣告的目標是影響消費者的心智，而不是直接作用於消費者的行為。
可是，直到今天，也沒有什麼特別有效且高效的方法去衡量消費者的心智變化。因此，品牌類廣告的投放，在作弊方面天然「有優勢」。
發現品牌類投放的作弊流量，主要有如下方法：
1. 查看Click和Impression的頻次
Click的點擊頻次應不高於1.1，而1.2以上基本上存在很大問題了。Impression的頻次作為指針相對比較弱，但如果發現有局部IP普遍頻次超過10，那麼虛假的可能性也很大。
2. 與效果類類似，如果流量有落地（網站、app、小程序之類），那麼查看流量的行為
這一塊，我經歷了有很多有意思的故事。比如，早些年，某些垂直媒體貢獻的流量極為巨大，但是跳出率極高。若干年後，有一些不明渠道的「運營商彈窗」流量，也是每天海量流量，但是卻幾乎沒有任何在頁面上的行為。
還有很多app的下載推廣，app確實也下載了，可是從來沒有見過激活。或者激活了，從來沒有見過使用。這些都是典型的機器流量。
3. 利用第三方黑名單
比如，AdMaster有這樣的黑名單，在對廣告進行監播的同時，會查看瀏覽廣告或者點擊廣告的IP、device ID、cookie等。這種方式目前也是主流的發現品牌端作弊的方式。
至於怎麼知道這些IP、device ID或者cookie後面的流量是作弊的，主要的原因在於，這些監測第三方收集的數據比廣告主要多很多，因此，更容易察覺出異常的行為。
上圖是AdMaster的一個案例，關於作弊流量的cookie與IMEI號的特徵
4. 藉助具有公信力的第二方DMP
如果能夠拿到廣告投放之後的覆蓋人群的device ID或者其他ID，那麼你也可以將這些數據上傳給阿里品牌數據銀行或者騰訊DMP之類的第二方DMP（請注意，很多人認為他們是第三方DMP，但實際上中國基本上沒有嚴格定義上的第三方DMP，如果大家感興趣這個話題，歡迎到我這個課程上聊：宋星深度公開課：數據和大數據驅動的智能營銷與運營（8月19日北京））。之後，你能看到這些人群的ID與第二方DMP的ID匹配率往往很低，而且就算有匹配，人群的數據也完全驢頭不對馬嘴。
5. 爬蟲
這個方法主要用來檢查那些定向投放的視頻廣告是否「作弊」。簡單講，視頻廣告儘管一般不會提供固定的廣告位保證，比如我要投放某個節目前面的前貼片，這種媒體是不會承諾的，但是媒體還是會承諾節目類型，比如投放在美劇，或者投放在社會新聞之類。不過，媒體不會提供具體的投放位置的URL。解決這個問題的方法很簡單，第三方追蹤廣告投放環境（頁面）的URL，並且分析這個URL頁面具體的內容是否與承諾的節目類型的內容符合。
上圖：通過爬蟲爬取投放廣告的頁面的內容，與實際承諾的投放定向內容相比較（來自AdMaster的案例）
這種方法其實對於程序化廣告的投放基本上都是比較適用的，本質上程序化投放的品牌安全性也是來自於這種方法。
6. 移動端：利用其他硬件識別信息
這個方法也需要第三方幫助，但是道理很簡單：作弊設備不會隨著人到處跑，因此它們的硬件識別信息，尤其是網絡環境相關信息、LBS相關信息等，基本上處於永遠不變化的狀態。這樣能夠幫助發現可疑設備。
7. 反模擬器與反肉雞流量
另外一些作弊用的模擬器或者肉雞之類。模擬器和肉雞仍然是機器，因此，它們的行為與人的行為實在有太大的差別。但由於品牌廣告的投放，有時候並不看受眾的行為——只是為了獲取曝光，那麼這種情況下，仍然需要依賴於第三方幫助識別。第三方識別這些肉雞的方法有幾種，包括利用特徵庫做相似性學習（有點類似於機器學習，用現有的肉雞庫或者模擬器庫裡面的機器行為比對被測流量的行為），做這些流量的行為特徵分析（第三方能夠有一定的跨域追蹤這些流量的能力）等。
總體看，隨著流量進入下半場，流量的價格變得更貴，作弊的情況只會變得更加複雜，而不會更加簡單。流量作弊識別已經不再是僅僅查看流量訪問行為本身，而不得不通過技術把它們作為一個具有更長線行為的「人」來看待，方能知道它們原本「不是人」。
閱讀更多 Marteker 的文章
