モバイル詐欺を検出して防止する 5 つの方法

これは、AppLift の Thomas Sommer からのゲスト投稿です。

モバイル アドフラウドは、今日のモバイル マーケターにとって最も大胆な課題の 1 つです。

White Ops によると、アドフラウドは 2015 年にデジタル広告主に 86 億ドル以上の損害を与えました。昨年末に AppLiftが主要な不正検出ソリューションである Forensiq と共同で実施した別の調査では、モバイル プログラマティック トラフィックの 34% が不正のリスクにさらされていることが示されました。 .

アドフラウドは重要な問題です。すでに高額の獲得コストとユーザーの減少に苦しんでいるモバイル マーケターからお金を盗むだけでなく、この業界のプレーヤー間の信頼を徐々に損ない、関係者全員に追加のコストをもたらします。

モバイルアドフラウドとは?

アドフラウドの最大の問題の 1 つは、その多様性と、進化して最新の防止メカニズムのレーダーの下に潜り込む能力です。 幸いなことに、不正なフォームの類型を確立し、それらを明確な線に沿って分類する方法があります。 私たちは主に、不正行為に対処するための 2 つの広範な方法を開発しました。

不正を調べる最初の方法は、技術的な不正とコンプライアンスの不正という 2 つの主要なカテゴリに分類することです。 技術的な不正は、インプレッション、クリック、アプリのインストールなどの広告イベントを技術的に偽造することを目的としたあらゆるトリックであるため、一目瞭然です。 .

アドフラウドを分析する 2 つ目の方法は、インプレッションからインストール後のイベントまで、ユーザー コンバージョン ファネルのどこでアドフラウドが発生したかを調べることです。 アドフラウドの目的は、広告イベントをシミュレートまたは偽装することであるため、アドフラウドは、広告主が支払いまたは最適化を行っている段階で実行される可能性が最も高くなります。 たとえば、モバイル リアルタイム ビッダー RTB では、広告主は通常、インプレッションごとに支払う (CPM) ため、詐欺師はインプレッション詐欺に注目する可能性が最も高くなります。

これらの 2 つの線に沿ったいくつかの例を次に示します。

詐欺師

一般に、不正対策にはテクノロジー、データ、および人の組み合わせが必要であり、防止、検出、対応という 3 つの異なる段階で行うことができます。 この理論的なマトリックスから、次の不正対策表を作成しました。

予防する5つの方法

ここでは、マーケティング担当者がモバイル広告詐欺を効果的に検出し、場合によっては防止する 5 つの方法を紹介します。

1. パターン認識とヒューリスティックの開発

パターン認識とヒューリスティックは、技術的不正とコンプライアンス不正の両方に対する不正対策の基礎です。 前者の場合、多かれ少なかれ高度なボットの助けを借りて不正行為が生成されます。 ボットが人間の行動を模倣できる限り、その本質を隠すことができず、疑わしいパターンを明らかにし始めるポイントが来ます。 たとえば、同じ IP アドレスからの重要なクリック数、異常に高いコンバージョン率、または 1 つのパブリッシャーからの異常に高いレベルのインストール後のイベントは、ほぼ体系的に危険信号です。 不正行為のコンプライアンス面では、パターンも役立ちます。 たとえば、クリック スタッフィング (上記の表を参照) では、クリックからインストールまでの時間が通常のトラフィックよりも大幅に長いことがわかります。

ますます洗練された機械学習アルゴリズムが、広告技術企業が不正をより体系的に検出するのに役立つ場合、不正パターンの解釈と確認には人間が引き続き不可欠であることに注意することが一般的に重要です。

2. インプレッション前に不正パターンを検出して不正を防止

リアルタイム入札 (RTB) メディア購入プロセスの主な利点は、インプレッション レベルで、つまり個々のユーザーごとに購入の決定ができ​​ることです。 適切なテクノロジーを使用すると、プログラマティック入札リクエストに入札することなく「聞く」ことができるため、インプレッションが配信される前に不正なパターンを検出できます。 したがって、モバイル広告主の学習曲線と関連コストは大幅に削減されます。

3. 自社データを広告パートナーと統合する

インストール後の行動イベントなどのオンボーディング ファースト パーティ データは、特に技術的な種類の不正行為を検出するのに非常に役立ちます。 ユーザー コンバージョン ファネルを上るにつれて人間の行動を偽造することが難しくなるため (ポイント 1 を参照)、インストール後のデータから不正なパターンについてより深い洞察が得られます。

たとえば、CPI キャンペーンを実行していて、特定のソースからのユーザーのインストール後のアプリ内アクティビティがまったくないか、非常に少ないことがわかった場合、その特定のソースは不正であるとフラグを立てることができます。 プログラマティック トラフィックやブランディング キャンペーンの場合でも、クリックや、可能な場合はインストール データとインストール後のデータを調べることで、獲得しているトラフィックについて多くのことを知ることができます。

4. ブラックリストに登録された IP の独自のデータベースをキュレートする

パブリッシャーまたは特定の IP が詐欺の可能性があると特定されると、「今後の参考のために」ブラックリストに追加する可能性があります。 同じホスティング プロバイダーに属するすべての IP も、インストール後 (検証後) にブロックされる可能性があります。 この検出後の予防的な習慣は、予防メカニズムとして機能し、将来的に広告費を節約できます。

5. 業界全体のパブリッシャー ブラックリストのために戦う

独自のブラックリストをキュレーションすることが最重要である場合でも、理想的な解決策は、業界が提供し、中立的に維持され、誰もがアクセスできる一般的なブラックリストを利用することです。 これは、たとえばオンライン動画広告業界の場合であり、モバイルでそれを実現するために戦う必要があります。

アドフラウドは、あらゆる種類の詐欺と同様に、いたちごっこのようなものであり、完全に撲滅できる見込みはほとんどありません。 ただし、業界全体で意識を高め、すべての利害関係者にそれと戦うための措置を講じてもらうことは、素晴らしいスタートになるでしょう. モバイル広告業界がまだ初期段階にある、あるいは 10 代に過ぎないと主張できるのであれば、この方向に向けて具体的な一歩を踏み出すことは、確実に業界を成熟させるための決定的な要因となるでしょう。

モバイル詐欺に関するより詳細な調査については、AppLift のレポート、Fighting Mobile Fraud in the Programmatic Era をご覧ください。

AppLiftはTUNE 認定パートナー プログラムの一部です。このプログラムは、マーケターがニーズを最も満たし、モバイル広告のベスト プラクティスを順守している広告パートナーをより明確に把握できるようにすることを目的としています。

この記事が好きですか？ ブログ ダイジェスト メールにサインアップしてください。