作者QQ 76762
交流群 裕知茶馆( Afilter Tracker ) 623607
在我们投放的过程中，会遇到以下几种情况
1、展示很多，没有点击。
2、点击很多，没有转化。
3、转化很多，质量很差。
其中，第一种跟第二种情况发生的概率较高。第三种情况我们也会偶尔遇到。
当我们遇到这几种情况的时候，通常会下意识的认为，这些流量是刷子。同时，依据具体情况不同，我们通常会产生以下理解：
- 有展示，没有点击的，是最初级的刷子，只是打开了我们的页面，但是不会模拟点击我们的跳转链接。
- 点击很多，但是没有转化的，会被认为是稍微高级点的刷子，模拟点击了我们的跳转链接，但是无法产生转化。
- 转化很多，但是质量很差，会被认为是刷子在我们 EMU。
但是刷子的比例实际上并没有我们想象中的那么高。我们从两个角度来分析。
角度一：刷子子渠道总体占比及转化子渠道总体占比
从 Afilter Tracker 发布至今，经过我自己一年多的统计，实际刷子渠道在全部流量渠道的占比中，仅仅 0.7%（本数据为经过 AT 过滤后的数据，0.7% 的计算方式为，全部流量源中触发绝对刷子指标的子渠道数除以全部子渠道数），即1000个子渠道中，仅有7个子渠道存在作弊行为（作弊行为定义为，刷量比例超过30%，即10个访客里有3个是刷量）。
那么理论上，剩余 99.3%的子渠道，均可以给我们带来转化。
但实际上，通过拉取 Afilter Tracker内我正在投放的流量源转化数据，为我们提供转化的子渠道数仅仅有 4.2%，以下为多个流量源的数据。（本数据为面授期间 10月18-20日 投放的数据，投放了 3 个 Offer，大部分数据由单个 Offer 产生）。
| 流量源 | 有转化子渠道数 | 总渠道数(仅部分) | 转化占比 |
|---|---|---|---|
| ClickAdu | 107 | 1716 | 0.062 |
| Exoclick | 45 | 553 | 0.081 |
| PopCash | 79 | 2996 | 0.026 |
| PropellerAds | 60 | 2322 | 0.026 |
| SelfAdvertiser | 113 | 2078 | 0.054 |
| 总计 | 404 | 9665 | 0.042 |
在上文中，我们有提过，通过一年的统计，真实刷量子渠道的比例为 0.7%，假设每个流量源平均转化的子渠道数均为 4.2%，那么实际上，我们实际利用的子渠道（包含刷子及出转化的）仅仅有 4.9%，剩余 94.1%的子渠道仅仅消耗了我们的预算，并没有为我们带来转化。
那么问题就来了，这 94.1%的子渠道，在干嘛？我们先留着这个问题，再从另外一个角度分析下。
角度二：刷子子渠道流量总体占比以及转化子渠道流量总体占比
鉴于 Afilter Tracker 会依据用户设置的规则，自动去拉黑效果不好的子渠道，所以实际上刷子子渠道的流量占比后期会逐渐趋向于0，我们这里就不使用 Afilter Tracker 的刷子流量统计来计算比例。
这里我使用 Google reCAPTCHA v3 版本做可疑流量的统计，最近90天的可疑流量占比为 5%。
我们这里还是使用10月18-20日面授期间跑量的数据作为分析依据，最终得出实际转化子渠道的总体流量占比仅为 47.4%，以下为多个流量源的数据详情。
| 流量源 | 有转化子渠道流量总数 | 总流量数(仅部分) | 转化流量占比 |
|---|---|---|---|
| ClickAdu | 85,961 | 143,547 | 0.599 |
| Exoclick | 25,966 | 40,498 | 0.641 |
| PopCash | 101,261 | 233,109 | 0.434 |
| PropellerAds | 21,262 | 64,310 | 0.331 |
| SelfAdvertiser | 8,038 | 29,790 | 0.270 |
| 总计 | 242,488 | 511,254 | 0.474 |
这里我们先做3个前置假设：
- 有转化的子渠道的流量均有可能性产生转化。
- 总体流量中，可疑流量比例为上文 Google 提供的 5%。
- 可疑流量均分布在无转化的子渠道中。
那么我们可以得出以下结论：
- 无效果的子渠道流量比例为 52.6%
- 其中刷子量比例为
- 无转化子渠道中真人无效流量比例为 47.6%
同样，这里也产生了问题，剩余的 47.6% 的流量，在干嘛？我们同样，也先留着这个问题。
（注意：实际流量是否有转化的机会不是这样计算的，这里仅为了理解方便才采用这种方法计算。）
从以上两个角度得出的结论
- 刷子子渠道，在总子渠道中，占比很低，仅有 0.7%
- 刷子产生的流量，在总流量中，占比仅有 5%
- 非刷子，但是不产生转化的子渠道，占比有 94.1%
- 非刷量，但是不产生转化的流量，占比有 47.6%
总而言之，实际上推广效果不好，并不是因为刷子的问题。
那如果不是刷子刷量导致我们投放效果不好，那又是什么问题呢？
受众匹配度，即投放的 Landing Page 及 Offer 是否投放到对应受众中。以下列出的，就是当受众匹配出现问题时，出现的情况：
- 当访客对 Landing Page 不感兴趣时，就会出现一开始的第一种情况，有展示，但是 Landing Page 无点击的情况。
- 当访客对 Landing Page 感兴趣时，但是对 Offer 不感兴趣时，就会出现有展示，有点击，但是无转化的情况。
- 当访客对 Landing Page 非常感兴趣，但是因为 LP 过度诱导，就会产生转化质量过低的情况（会被核减）。这种情况出现的原因较多，主要原因就是过度诱导吸引了访客的关注，但实际上访客对 Offer 不感兴趣。
那么当我们意识到跑量效果不好，不是因为刷子太多了，而是因为受众匹配出现问题时，我们应该怎么解决呢？
解决方案一、基于受众信息之设备信息拆分受众
当我们使用 Afilter Tracker 时，可以将设备信息作为受众的参数进行拆分，比如常见的为国家、操作系统、浏览器。
通过思维导图来演示拆分后的组合
拆分后，我们需要依据具体受众的具体表现，对不同受众的对应 Campaign 进行调整（包括 Paths、Landing Page、Offer、出价等），同时也可以依据转化情况，单独拿出来白名单进行提价抢量等处理。
解决方案二、基于受众兴趣（标签）自动调整广告
本功能为 Afilter Tracker 即将发布的内容，已在内测中。
功能列表：
- 依赖对访客兴趣的统计，当访客二次访问、三次访问时，对访客可看到的广告进行动态调整。
- 对访客的相似访客进行统计，推送可能点击率最高的 Landing Page 及可能转化率最高的 Offer。
- 当访客退回、退出等，动态推送其他 Landing Page 及 Offer。