广告投放与运营人员可能都会遇到过这种事情：做渠道投放的时候，每个渠道都进行了试投验证，效果良好。但正式投放后，点击量特别高，但是激活量却只有个位数。点击量和激活数量都很高，但是留存率、转化率却很低。花了大量费用在渠道投放上，浅层次的数据效果良好，但是实际所追求的最终效果却并不好。

　　其实，在移动互联网生态中存在很多灰色的的渠道“刷量”工作室，atv，这些工作室以非常低廉的价格贡献质量同样低廉的用户数据，这给整个互联网生态圈带来了很多不良后果。面对“刷量”，运营人员往往在虚假数据面前束手无策，毕竟投放不是把钱扔出去就好了，需要看到实际的回报。那么，“刷量”到底是怎么进行的？在运营过程中我们要怎样去判断数据是否有“水分”？

　　好了，那么让我们说点大实话，

　　关于“刷量”

　　早期的统计分析平台的 SDK 基于明文的数据包，工作室可以很方便的用程序伪造这些数据包，模拟出新增、活跃、留存、时长等用户数据。随着统计分析平台的发展，基于二进制协议的 SDK 、调用加密开关的出现使得统计平台的安全性和数据准确性得到了提高。到了现在，刷量工作室已经很难采用直接模拟数据包的形式来刷量了。

　　但是，你有张良计,我有过墙梯。工作室开始采用分布式人肉刷量的方式来刷量（比如YY水客，积分墙之类）；也有采用更为智能的方式，通过编写程序脚本，修改真机参数，驱动真机运行。也许你不太相信，有些手游的脚本已经可以把游戏完成新手任务，并练级到15级左右。这些行为已经跟真实的用户行为几乎没有差别了，统计平台也很难从技术上分辨这些数据。

　　那么，有什么办法能识别这些虚假数据呢？一些有经验的运营人员，会通过渠道效果评估的数据指标和反作弊模块两方面来分辨出真假用户的差异。

　　如何识别“刷量”数据

　　1. 渠道效果数据评估

留存率

　　因为运营人员会要求日周月季报，所以渠道“刷量”也会选择在相应的次日、7 日、30 日这些重要时间点上导入用户数据。我们会发现 App 在这些关键时间节点上的数据明显高于其他时间节点。真实的用户的留存曲线是一条显平滑的指数衰减曲线，如果你发现你的点击、激活等数据曲线排除推荐位、专栏等因素，存在陡升陡降的异常波动，基本上就是渠道干预了数据。可想而知，这样的用户的质量是非常差的，这样的数据具备的商业价值就需要考量。关于可具参考性的留存曲线，以后会讲到。

转化率

　　转化率数据的分析不仅可以帮助我们发现渠道作弊，还可以帮助我们判断不同渠道的用户质量，提高投放效率。每一个 App 都有自己的目标行为。比如电商的目标行为就是用户购买商品的情况；游戏需要考察应用内付费；社交会关注用户产生内容的情况。运营人员需要定义和设计应用的目标行为。

　　如果一个用户是真实的，他会经历点击、下载、激活、注册、直到触发目标行为的过程。我们可以将这些步骤做成漏斗模型，观察每一步的转化率。漏斗的步骤越靠后，作弊的难度越大，用户的价值越高。

　　2. 用户终端

　　每个渠道都有自己覆盖的用户群，他们的用户终端会有区别。比如说小米应用商店的用户可能覆盖的机型都是小米手机，这种现象在安卓端尤为需要注意这些手机直接内置的渠道应用商店。大部分渠道的用户终端跟整个移动互联网终端分布是类似的。我们可以通过查看TalkingData移动观象台的移动互联网数据报告以及相关排名了解这些数据，把这些数据作为benchmark ，来对比分析 App 的数据。

关注地域性定向投放

　　虽然是地图炮，比如南方某些“互联网创意思维相对发达”的地区作弊比较多，在制定投放策略的可以重点考虑屏蔽作弊多的地区。这个黑名单也可以根据 App 实际的分地域投放效果来定制。

　　另外，我们在投放时也可以根据需要重点选择部分地区投放。查看数据时也需要验证用户属性是否和我们的投放策略一致，如未达到既定目标，需要及时进行调整。

关注低价设备的排名