Пару месяцев неплохо лился прил Яндекс.Музыка через одну из крупных ПП - реклу нравилось и выполнение KPI (конверт в покупки) и объемы (не адский космос, но стабильненько лилось).
Но вдруг, в один момент, почти весь траф за месяц ушел в реджект по оценке антифрод-сервиса Scalarr.
После изучения того как работает этот самый Scalarr решил опубликовать этот кейс, чтобы больше людей узнало о том, что их трафик по довольно рандомным и косвенным причинам может внезапно улететь в деклайн без достаточных на то оснований, только за счет известности бренда системы антифрода.
Система Scalarr отличается от многих других систем антифрода тем, что оперирует понятиями не вероятности фрода, а дискретными значениями “фрод” / “не фрод”, чем вводит в заблуждение пользователей относительно качества и достоверности своих измерений.
В данном кейсе система Scalarr использовала две причины для отклонения трафика по кампании:
Если изучить документацию Scalarr, то основные утверждения, которыми они оперируют по каждой из причин это:
Classic Click Spam
Since there is no ultimate approach to identifying click spam, we recommend paying close attention to the following important points:
1. The historical amount of organic users coming from the app. This helps us understand the general 'health' of an app.
2. TTI distribution modeling for detecting abnormal behavior.
Modified Click Spam
1. The first steps are similar to Classic Click Spam.
2. Fraudsters use techniques in Modified Click Spam to try to limit the TTI distribution of their traffic to no more than 1 day, avoiding Classic Click Spam detection.
3. The fraudsters send a new ad click each day, so the last "click" time will be “fresh” and within one day before the device user actually installs the app/game.
Таким образом для объявления трафика фродовым у системы Scalarr есть несколько причин.
Рассмотрим имеющиеся вводные по данному кейсу.
Окно атрибуции.
Если проверить редиректы по трекинговой ссылке(например, через сервис redirectdetective.com), то видно:
По данным из статистики в ПП можно построить графики распределения TTI для трафика по часам и по минутам.
По данным из графиков можно выделить следующие закономерности:
Учитывая имеющиеся вводные, можно аргументировать нерелевантность результатов проверки сервиса Scalarr следующим образом.
Вывод
Дискретное деление трафика на “фрод” и “не фрод” в отчетах Scalarr является не истиной в последней инстанции, а всего лишь результатом оценки нескольких косвенных параметров. Ориентироваться на результаты такой оценки рекламодателям стоит, лишь принимая в учет многие другие факторы для каждой отдельной кампании.
В рассматриваемом кейсе часть аргументов Scalarr являются лишь косвенными, а часть вообще не релевантны для описанной кампании.
Для каждой конкретной кампании должны быть определены индивидуальные настройки антифрода, учитывающие условия и ограничения от рекламодателя. Решение Scalarr не позволяет менять эти настройки и, таким образом, вводит в заблуждение клиента (о качестве и прибыльности источников) и забирает прибыль у конечных исполнителей.
Вот после таких закупок Uber и судится с огромным кол-вом агентств, потому что они продавали им их же органику под видом платного трафика.
В данном же кейсе видно что трафик лился именно на iOS апку(возможно и на андроид тоже, но автор этого не упоминает).
соответственно, когда через два месяца возникает непонятный отчет от какого-то скалара с горы остается только доступные данные крутить и изучать)))