一、現存問題
第三方流量主的流量質量不佳，甚至進行流量作弊。而當前要解決的問題爲：判斷流量是否是作弊的流量
1.舉例:(1)假量 (2)次量、真假量互摻 (3)針對我們的程序實現作弊方案
2.作弊分層:(1)低層次通過ip、cookie、點擊頻率、經緯度等確定
(2)中等層次:通過程序模擬普通人工操作
(3)高層次:水軍團對，高層次技術或人爲操作
3.產生這種情況可能有多種: 1.流量主希望收益增多 2.廣告主彼此的惡意競爭 3.網絡爬蟲4.隨意瞭解5.無意點擊等
二、概念明確
要解決這一問題，主要是實現 流量主的實際收穫=廣告主的實際付出。可實現方式公式:
廣告主花費=流量主收益=效果總量價值=廣告數據量*廣告平均效應*信用度(價值比例)
可以從流量主方進行把控
1. 流量主信用度
(1) 流量主的信用度和流量主收益有關，在使用時具備參考價值
(2) 流量主的信用度提供給同行其他企業作爲信息公示
2. 流量主的用戶數據真實性
(1) 用戶固有數據的可靠性
(2) 用戶行爲數據是否符合人爲規律
可以從廣告主方進行把控
1. 預算控制
2. 投放效果建議
3. 流量主選擇建議
4. 流量主、廣告主合作方式銜接
三、參考資料
1. 淘寶方案
數據體系：包括所有的數據，作弊前後，用戶行爲數據。投訴信息的收集。
分析體系：分析的方法論體系建立，有一套完整的流程、算法。
規則體系：主要是反作弊線上的規則。如何評估一個規則
監控體系：能夠主動發現作弊並且能夠發現已經上線的規則中的異常。
2. 《程序化廣告》書籍
a) 用戶標識
i. Ip、cookie、窗口大小、操作系統、版本號等
b) 用戶行爲
i. 廣告瀏覽點擊是否符合正常規律
ii. 到站情況
c) 廣告來源
d) 品牌安全
i. 尋找品牌安全供應商提供該項服務，過濾黑名單的
e) 可見度測量時間間隔要求多久展示
f) 算法優化
i. 投放預算、速度等定向條件
ii. 特徵分析
四、未來發展趨勢
1. 各種動態的常規特徵監控非常規的數據:利用機器學習進行自動提取可信度高的數據，例如通過imei號關聯，將自動生成的多種特徵進行數據分析，將不符合各種特徵的數據進行提取出來做人爲二次分析。(例如：獲取某個imei號在某一時間使用某一款app 等這樣的事件，獲取n條動作相同的權重的名詞、動詞形成特定的人物畫像標籤，同時通過監控在多種維度判斷該imei是否可以被去掉)如此一來，我們根據現有判斷信用度高的數據，通過特徵提取，我們不知道會生成怎樣的符合規律數據特徵，進行數據分析提取
2. 信用度門檻。標識數據的唯一性。黑白名單的建立
a) 建立信息傳遞體系。例如如果發現黑名單，則具備該黑名單關聯的數據，將統一增加黑名單可能性，白名單一樣
b) 網絡曝光
i. 通過網絡爬蟲蒐集網絡數據
ii. 從作弊人員那裏購買作弊信息。杜絕作弊人員作弊共性信息
五、當前可行方案
1. 通過我們不定時的程序，訪問流量主應用，覈對數據是否正確
2. 定時確定影響，該數據效果是否爲廣告主帶來了媒體效應、增加了收益
3. 留存率，留存流量主過往信息
4. 建立有效的標識數據(以imei、ip、常用wifi、常去的地方、第三方數據屬性情況 進行數據聚集整合)
5. 標識數據是否正常，符合常規數據特徵
(1) 用戶行爲：
a. imei是否正常同一秒同一個imei不可能同時訪問幾個應用，應用後臺運行不會去訪問廣告。
b. 地理位置是否正常,不可能同一時間相隔的經緯度非常遠
c. 活躍情況判斷。例如一個人在使用墨跡天氣，不可能一天打開七八次，而且還不是在早上和晚上
(2) 數據包是否完整
6. 預期監控。根據不同的流量主，給一個曝光廣告頻率、操作行爲、人羣段等信息劃分，一旦到達某種程度則予以報警，進行數據分析
7. 收集不完整的數據分析，如果分析得出是僞造數據的可能性比較大，則逐步列入流量主、數據唯一標識的可信度，逐漸步入黑名單
六、針對該問題實施方案
1. 根據有經驗的廣告平臺行業人員推薦、或者找第三方信用度量的中間商 尋找流量主接入
2. 尋找流量主接入，儘可能的接入流量主的數據,前期按照廣告月租之類的，後面精細按照每條數據進行結算
3. 增加權重黑白名單，或銜接信用度中間商(具體接入網上沒找到)
4. 數據分析方式不斷優化反饋驗證
(1)規則模型
(2)業務模型
(3)概率模型
(4)唯一標識權重、媒體權重、黑白名單建立
(5)數據變化趨勢模型
(6)多種形式收集廣告投放響應。第三方，廣告主預期效果訪問、媒體主效果展示訪問、問題點發現分析(抽樣 廣告主ID、搜索詞、競價詞、來源站點、IPB（IP的C段和B段))
5. 數據分析形成流量主各個特徵，供廣告主選擇
6. 相關的指數從第三方拿(來源(站內、搜索引擎、聯盟站點、tanx流量廣告系統))