Wycena projektu
Promowanie aplikacji mobilnych

Fałszywe instalacje aplikacji i gier okazały się jednym z największych wyzwań marketingu aplikacji w 2018 roku, ze względu na ich wyjątkowo szkodliwe skutki. Tego typu instalacje mają bowiem wpływ na metryki aplikacji, co z kolei doprowadza do sytuacji, w której wydawcy gier mobilnych (reklamodawcy) zmuszeni są do bezsensownego ponoszenia coraz większych kosztów. Biorąc pod uwagę utrzymującą się tendencję do odchudzania budżetów marketingowych, rzadko która firma może zaistnieć i sprawnie funkcjonować bez wprowadzenia nowoczesnych rozwiązań zapobiegających tego typu nadużyciom. Jeśli więc nie zamierzasz wyrzucać pieniędzy w błoto, zacznij poszukiwanie narzędzi umożliwiających przeciwdziałanie fraudom. Scalarr przeprowadził badania analityczne dotyczące najbardziej rozpowszechnionych rodzajów fraudów, metod ich zwalczania i dostępnych na rynku rozwiązań. Na podstawie tej analizy przedstawiamy Ci prosty przewodnik dotyczący wyboru właściwego oprogramowania do wykrywania i zapobiegania fakowym instalacjom gier i aplikacji.

10 zagadnień, które należy rozważyć szukając najlepszego rozwiązania

Abyś mógł z łatwością dokonać właściwego wyboru dopasowanego do potrzeb Twojej firmy, przygotowaliśmy listę tematów, które pomogą w scharakteryzowaniu oraz zrozumieniu każdego z dostępnych na rynku rozwiązań zapobiegających fraudom:

1. Kompletność wykrywania

Kompletność wykrywania oznacza identyfikację wszystkich znanych rodzajów fałszywych fraudów instalacyjnych. Oczywiście najlepsze metody są w stanie nie tylko wykazać obecnie wykorzystywane typy fraudów instalacyjnych, ale także ich nowe, zmodyfikowane wersje. Z czasem jednak fraudsterzy również stają się bardziej pomysłowi, wprowadzając coraz to nowe techniki fraudów, takie jak inteligentne boty (które w pełni emulują zachowanie prawdziwych użytkowników, wykonując wszystkie zwyczajowe czynności także po dokonaniu instalacji aplikacji) i techniki mieszane (gdzie prawdziwi użytkownicy mieszają się z fałszywymi instalacjami lub też prawdziwe instalacje mieszają się z różnymi rodzajami fraudów, jak np. fraudy dotyczące atrybucji i boty; co więcej techniki te mogą też przeplatać się między sobą, a wszystko to w celu skutecznego wprowadzenia reklamodawców w błąd). Dlatego najlepiej upewnij się, że wybrane przez Ciebie rozwiązanie rozpoznaje wszystkie rodzaje nadużyć, z uwzględnieniem wymienionych powyżej.

2. Dokładność wykrywania fraudów

Aby zapewnić dokładniejszą, a przez to bardziej wydajną analizę, rozwiązania zapobiegające fraudom muszą badać kliknięcia, metryki instalacji i działania poinstalacyjne, a także identyfikować i sprawdzać korelacje między kontami oraz głęboko wchodzić w analizowanie danych dotyczących poszczególnych kampanii. Wysoki poziom dokładności staje się jeszcze istotniejszy, gdy w grę wchodzi duże natężenie ruchu powodujące efekt skali. Wtedy nawet 1% wykrytych fraudów może kosztować firmę dziesiątki, a nawet setki tysięcy dolarów.

3. Metodologia wykrywania fraudów

Ważne jest, aby zrozumieć, która metodologia jest stosowana przez proponowane nam rozwiązania technologiczne, ponieważ będzie to miało bezpośredni wpływ na kompletność i dokładność wykrywania fraudów.

Obecnie wśród wszystkich rozwiązań w zakresie zwalczania fraudów, na rynku istnieją dwie podstawowe metodologie ich wykrywania: 1) oparte na regułach i 2) oparte na uczeniu maszynowym (Machine Learning lub ML).

Rozwiązania oparte na regułach zwykle używają z góry ustalonych „reguł” do wykrywania fraudów, a decyzje podejmują na podstawie otrzymanych wyników. Każda z tych reguł ma przypisaną wartość punktową, a następnie wartości poszczególnych reguł są sumowane. Na podstawie otrzymanego wyniku każdemu ze źródeł przypisuje się uśredniony odsetek nadużyć (brak / niski / średni / wysoki). W ten sposób nie ma żadnych dodatkowych danych ani wskazówek pochodzących z oprogramowania zwalczającego fraudy, a osoba pełniąca funkcję managera do spraw pozyskiwania użytkowników sama powinna podjąć decyzję, co do utrzymania każdego źródła ruchu z osobna i ręcznie wyłączyć je w przypadku nagromadzenia podejrzanych aktywności. Dokładność wykrywania fraudów jest tutaj dość niska, ponieważ mechanizm opiera się wyłącznie na wstępnie ustalonych regułach, zdefiniowanych na podstawie średnich wartości rynkowych.

Czasami też rozwiązania oparte na regułach mają funkcję automatycznego odrzucania instalacji fakowych w czasie rzeczywistym, wtedy fałszywe instalacje są natychmiast eliminowane. Brzmi znakomicie, prawda? Jednak ta metoda nie pozwala wykrywać całej grupy fałszywych instalacji, ze względu na konieczność natychmiastowego podejmowania decyzji, co nie zapewnia pełnej jakościowej oceny ruchu pod kątem fałszywych instalacji, ocena danych poinstalacyjnych zajmuje bowiem około 1-2 dni. W rezultacie dokładność wykrywania fraudów znacznie spada.

Wykrywanie fraudów oparte na Machine Learning (ML) – dzięki takiemu podejściu dziesiątki wskaźników i zależności pomiędzy nimi są analizowane przez algorytmy uczenia maszynowego. Silnik takiego oprogramowania nieprzerwanie uczy się, uwzględniając indywidualne parametry każdej aplikacji, co umożliwia ustalenie frauda z wysokim poziomem dokładności i daje jednoznaczny wynik dla każdej konwersji, niezależnie od tego, czy jest fałszywa czy nie. Decyzje podejmuje algorytm ML, a dokładność wykrywania fraudów jest bardzo wysoka. Warto pójść jeszcze krok dalej i zwrócić uwagę, jaki szczególny typ ML jest używany w danym rozwiązaniu, ponieważ może to wpływać na wyniki.

4. Przekazywanie informacji zwrotnych i interpretacja wyników

Gdy zagrożenie zostanie ujawnione, oprogramowanie zapobiegające fraudom może zapoczątkować różne działania w zależności od wybranej strategii Twojej firmy. Na przykład zatrzymanie źródła ruchu, wysłanie go do weryfikacji manualnej (dotyczy transakcji o wysokiej wartości), aktywowanie dodatkowego poziomu weryfikacji itp. Dzięki odpowiednim raportom nie utracisz wyczerpującego obrazu całej sytuacji i cennych informacji o charakterystyce nadużyć oraz głównych powodach ich wystąpienia w Twojej aplikacji.

5. Znajomość rozwiązań i specjalizacja w zakresie wykrywania fraudów

Zgadzamy się, że zazwyczaj rozwiązania niszowe w swoich dziedzinach przynoszą najlepsze rezultaty. Skupiając się na rozwiązaniu jednego konkretnego źródła problemu, jakim przykładowo jest wykrywanie fraudów w kampaniach mobilnych, rozwiązanie to może osiągać znacznie lepsze wyniki w tym konkretnym obszarze.

6. Poziom personalizacji danych

Czy logika biznesowa firmy zostaje dokładnie przełożona na rozwiązanie przeciwdziałające fraudom, zapewniając rzeczywiste dopasowanie do indywidualnych potrzeb, czy też dostawca rozwiązania reprezentuje podejście uniwersalne dla wszystkich klientów? Każda firma jest wyjątkowa i ma swoje własne sposoby i wytyczne, które stanowią podstawę podczas jakościowej analizy ruchu. Rozwiązanie przeciwdziałające fraudm powinno uwzględniać specyficzne parametry konkretnego typu aplikacji i nie stosować jednolitych zasad dla wszystkich – ze względu na fakt, że może przez to ucierpieć kompletność i wiarygodność decyzji podejmowanych w przypadku nadużyć. Rozwiązanie, które uwzględni wszystkie szczególne cechy Twojej aplikacji, będzie w stanie zapewnić bardziej kompletny i wiarygodny rezultat. W dzisiejszych czasach przykłady najbardziej wszechstronnego i niezawodnego wykrywania fraudów pochodzą z rozwiązań opartych na algorytmach uczenia maszynowego. Jedną z głównych cech modelu ML jest poleganie nie tylko na ogólnych danych branżowych, ale także na danych konkretnej firmy, które są zbierane w przypisanych im bazach danych.

7. Szybkość dostarczania wyników

Ten parametr jest niewątpliwie istotny, ponieważ im szybciej zidentyfikujesz nieefektywne źródło ruchu przy kampanii reklamowej, tym szybciej możesz je wyłączyć. Mimo to, lepiej nie podejmować decyzji opartej wyłącznie na tym parametrze, ponieważ do wykrywania wszelkiego rodzaju nadużyć z dużą dokładnością konieczna jest również analiza danych z okresu po instalacji. Ciesząc się uzyskaniem szybkiego wyniku, jednocześnie kilkakrotnie zmniejszasz procent wszystkich wykrytych fraudów. Gdy fraudsterzy stają się coraz to bardziej podstępni dzięki nowym narzędziom i technikom, tylko dogłębna i wszechstronna analiza danych pozwala uzyskać pełny obraz źródeł ruchu.

8. Poziom oferowanych usług

Wysoka jakość usług proponowanego rozwiązania, pomocy w identyfikowaniu przyczyn powstawania fraudów oraz podejmowania decyzji o odrzucaniu fałszywych kliknięć, instalacji jest niezwykle cenna – zaoszczędzisz dzięki niej czas i budżet firmy, nie płacąc za ruch nie pochodzący od prawdziwych użytkowników.

9. Czy narzędzie bada i wykorzystuje najnowsze i najbardziej zaawansowane techniki?

Technologie rozwijają się w szybkim tempie, ale oszuści również nie próżnują, a ich techniki są stale udoskonalane. Aby najbardziej innowacyjne rozwiązania były w stanie dokładnie i kompletnie określić wszystkie rodzaje fraudów, niezbędne jest stałe wprowadzanie do nich najnowszych osiągnięć technologicznych. W przeciwnym razie ryzykujesz, że przegapisz znaczną część nadużyć.

10. Jak przedstawia się cena?

Cena zawsze była ważnym czynnikiem, który wpływa na podejmowanie decyzji. Tutaj warto zadać sobie następujące pytanie: co jest ważniejsze – sam koszt oprogramowania przeciwdziałającego fraudom czy stosunek ceny do kwoty zaoszczędzonej dzięki temu oprogramowaniu? Gdy odpowiesz na to pytanie, od razu stanie się jasne, jaka cena będzie dla Ciebie akceptowalna.

Powyższa lista zebranych zagadnień nie jest wyczerpująca. Staraliśmy się jednak wybrać te najistotniejsze. Jeśli rzetelnie rozważysz każde z nich, najprawdopodobniej będziesz w stanie znaleźć właściwe dla Ciebie rozwiązanie. W naszym przekonaniu, pierwsze dwa punkty (kompletność i dokładność wykrywania fraudów przy promocji aplikacji lub gry mobilnej) pozostają najważniejszymi wskaźnikami przy wyborze profesjonalnego oprogramowania.

10 rzeczy, które warto sprawdzić przed wyborem narzędzia anty-fraudowego przy promowaniu aplikacji
5 (100%) 2 votes

Global Marketing Manager w Scalarr (Machine Learning based fraud detection solution)

Następny post