TapCub 正式上线:统计、分析、客服一个平台免费用
数据分析

移动广告欺诈:类型、检测信号和完整算例

移动广告欺诈表现为异常的点击到安装时间、有点击量没有安装,以及装了就再不回来的用户。讲类型、五个检测信号,和一个比率看着最漂亮的来源恰恰是最差流量的三来源算例。

卢卡斯·海斯 发布于 2026 年 11 月 21 日 9 分钟阅读 数据分析
示例数据:来源 B 的点击到安装率最高(2.22%),38.0% 的安装在 10 秒以内,但留存最低;来源 C 有 77% 的安装发生在点击一小时之后。示例数据

移动广告欺诈,是让广告活动报告出并非来自真实用户的点击、安装或应用内事件的行为。检测方法是把每个来源和参照来源在点击到安装时间、点击到安装率、时间戳顺序、留存和集中度上做对比。在下面的示例里,转化率看着最漂亮的来源次日留存最差,这就是只看一个醒目指标永远不够的原因。

读完你会知道

  • 每个来源都和你自己的参照对比;没有哪家厂商公布通用的秒数界限
  • 看点击到安装率时要同时看留存:被注入的安装转化好看,却不再回来
  • TapCub 不是归因服务商;它展示安装用户和落地页访客之后做了什么

什么是移动广告欺诈?

移动广告欺诈,是指任何让移动广告活动报告出并非来自真实用户、真实兴趣的点击、安装或事件,从而让某方因此获得付款或归因的行为。Google Ads 把这一大类称为无效点击:不代表真实兴趣的点击,包括机器人和其他自动化工具、误点,以及为抬高成本或提高发布方收益而人工点击(Google Ads 帮助,2026-11-21 核对)。在移动端,钱通常随安装和应用内事件流动,所以移动欺诈和桌面点击欺诈的样子不同。

衡量它的行业标准把问题一分为二。媒体评级委员会(MRC)区分一般无效流量和复杂无效流量:前者靠常规过滤就能抓到,比如已知的机器人、爬虫、非浏览器的用户代理;后者因为模仿真实行为,需要名单之外的分析(MRC 无效流量检测与过滤指南补充文件,2015 年 10 月公布)。这篇文章主要讲复杂的那一半,因为简单的那一半你的广告合作方已经过滤了。

先划清一条边界。TapCub 不做点击到安装的匹配,也不是归因服务商,所以不会在点击环节检测安装欺诈。它能做的是报告安装后的用户做了什么,而欺诈留下的最清楚的证据就在这里。具体用法见后面的步骤。

移动广告欺诈有哪些主要类型?

类型做法在数据里的表现
点击注入(Android)设备上的恶意软件发现应用安装已经开始,在安装完成前发出一次假点击来抢功劳点击到安装只有几秒;点击出现在安装开始之后
点击垃圾或点击泛洪不管意图,海量发送点击,希望之后有用户安装并被归功点击数巨大,点击到安装率极低,点击和安装之间间隔很久
机器人和安装农场脚本或人工操作的设备安装并打开应用,触发按安装付费安装后没有后续活动,设备或 IP 聚集,夜间集中爆发
SDK 伪造不经真实设备,直接向测量服务发送假的安装和事件消息事件没有对应的会话,设备或版本组合不可能存在
假的应用内事件真实安装之后用脚本触发购买或通关,骗取按事件付费事件数量远高于该批用户的正常水平,之后也没有留存
域名或应用伪造广告实际展示在别的低质量应用或网站,却报告成另一个版位报告和用户实际来源对不上

人工操作那一端见机器人农场。单个指标很少能确定类型,所以下一节把几个信号合起来用。

类型做法数据里的表现
点击注入在 Android 安装开始时发出假点击点击到安装只有几秒
点击垃圾海量点击,指望之后有人安装点击到安装率极低,安装很晚
机器人和安装农场脚本设备安装并打开应用之后没有活动,设备聚集
SDK 伪造没有设备的假安装消息事件没有对应会话
假的应用内事件脚本触发购买来骗按事件付费事件数量远高于常态,没有留存

单个指标很少能确定类型;把两三个信号合起来看。

哪些信号能在安装和点击数据里暴露欺诈?

五个信号承担大部分工作。每个都是和你自己的常态对比,不是通用阈值;公开点击注入文档的测量厂商描述的是逻辑,没有给出以秒为单位的界限。

  1. 点击到安装时间(CTIT)分布。 点击到首次打开之间的时间。为每个来源画出安装在各时间区间的占比。真实安装是分散的:即时安装几秒,多数几分钟,点击后过一阵才回来的人要几小时。点击注入会在最初几秒出现一个尖峰;点击垃圾会在点击数小时或数天后出现一条长而平的尾巴。见点击到安装时间。
  2. 点击到安装率。 每个来源的安装 ÷ 点击。点击数极大、比率远低于其他来源,说明它发出的点击没有人响应。
  3. 时间戳顺序。 在 Android 上,应用商店会报告安装开始的时间。记录在那之后的点击不可能引起这次安装。Google 的 Play 安装推荐接口会同时返回推荐点击时间(referrerClickTimestampSeconds)和安装开始时间(installBeginTimestampSeconds)(Android Developers,2026-11-21 核对),Adjust 等测量厂商则描述了拒绝晚于这些时间戳的互动。这项检查只适用于 Android。
  4. 安装后的行为。 次日留存、会话数、每次安装的关键事件。欺诈的安装很少回来,也不做什么。
  5. 集中度。 大量安装来自同一型号设备、同一系统版本、同一 IP 段或深夜的同一小时。

完整算例是什么样?

示例数据:三个来源上周各带来 1,000 次安装。我们把点击到安装时间分桶,比较点击到安装率和次日留存。

点击到安装时间来源 A来源 B来源 C
10 秒以内20(2.0%)380(38.0%)5(0.5%)
10–60 秒140(14.0%)220(22.0%)15(1.5%)
1–10 分钟460(46.0%)210(21.0%)70(7.0%)
10 分钟–1 小时240(24.0%)110(11.0%)140(14.0%)
1–24 小时110(11.0%)60(6.0%)410(41.0%)
超过 24 小时30(3.0%)20(2.0%)360(36.0%)
点击数60,00045,0002,500,000
点击到安装率1.67%2.22%0.04%
次日留存28.0%6.0%12.0%

复算:每一列加起来是 1,000;占比是该桶 ÷ 1,000;点击到安装率是 1,000 ÷ 点击数(60,000 得 1.67%,2,500,000 得 0.04%);次日留存是回来的人数 ÷ 1,000。

怎么读。来源 A 是参照:多数安装在一分钟到一小时之间,2% 在 10 秒以内,留存 28.0%。来源 B 有 38.0% 的安装在 10 秒以内,是来源 A 占比的 19 倍,点击到安装率 2.22% 看着很漂亮,留存却只有 6.0%。这种组合符合点击注入:点击恰好出现在安装完成前,所以比率很好看,而这些人从不回来。来源 C 形状相反,77% 的安装发生在点击一小时之后,250 万次点击的点击到安装率只有 0.04%。这种模式符合点击垃圾:量巨大,它被归功的少数安装,很可能是本来就会安装的人。它 12.0% 的留存反映的是那些无论如何都会安装的自然用户。

要记住的模式:B 的比率看着最漂亮,留存最差。只看一个醒目的指标,会选中 B。

app.tapcub.com

各来源次日留存

示例,各 1,000 次安装
来源 A28.0%
来源 C12.0%
来源 B6.0%
示例数据
示例数据:来源 B 的点击到安装率最高(2.22%),38.0% 的安装在 10 秒以内,但留存最低;来源 C 有 77% 的安装发生在点击一小时之后。

遇到可疑来源该怎么处理?

用一条能向合作方解释清楚的规则:

  1. 标记:当两个或更多信号和你的参照来源相差很大时,比如 10 秒以内的占比是参照的数倍、次日留存不到参照的一半。把阈值写下来,它们是你自己的,不是行业标准。
  2. 索要原始数据。 要求提供被标记安装的点击和安装时间戳,以及发布方或子发布方 ID。欺诈通常集中在少数子来源,往往没必要整个合作方都切掉。
  3. 查合同。 多数协议会定义无效流量和争议期限。在期限结束前核对,因为抵扣是围绕证据的协商,而不是围绕怀疑的协商。
  4. 窄范围屏蔽。 屏蔽子来源,而不是整个网络;如果你用测量厂商,打开它的点击注入过滤。
  5. 再测量。 把被标记的来源和它自己改动后的数据对比。欺诈会转移,一个清理干净的来源可能被另一个没清理的取代。

Google 自己的做法体现了这个原则:无效点击会被自动从报告和计费中过滤;如果在你被计费后才发现一部分,可能会在之后的账单里按情况抵扣(Google Ads 帮助,2026-11-21 核对)。具体流程因平台而异,但形状相同:先有证据,后做调整。

怎样用 TapCub 核查?

TapCub 不做点击到安装的匹配,也不是归因服务商,所以点击到安装的时间属于你的测量厂商。TapCub 负责的是安装之后发生了什么,以及落地页上发生了什么。

  1. 在应用统计 › 用户分析 › 渠道分析里,按平均每日新增用户和次日留存比较各渠道(渠道是你的 SDK 存的 $channel 值)。量大但留存很低的渠道,就是算例里的来源 B。矩阵图把新增用户和留存画在一起,让这一点一目了然。
  2. 如果你的测量厂商把安装数据发给 TapCub,应用统计 › 质量与归因 › 营销归因会把安装分成自然、非自然和未归因三类。把这个拆分和上面的渠道留存对照。
  3. 对网站和移动网页的广告活动,打开网站统计 › 来源,看 UTM 标签页。把广告平台报告的点击数和同一活动实际收到的会话数对比;差距很大,说明有点击从未变成访问。
  4. 查看网站统计 › 机器人。TapCub 把识别出的机器人放进单独的报表,所以它们不会抬高真人访客数和转化率。那里出现峰值,说明有自动化流量。
  5. 对可疑的活动,用全端分析 › 行为分析 › 行为分析,对该活动带来的人跑一个留存视图,和你的参照对比。

TapCub 只负责衡量,不会屏蔽流量,也不会替你索要退款。切不切某个来源,由你和你的合作协议决定。

哪些错误会削弱欺诈检测?

  • 所有来源用同一个阈值。 即时安装类来源的时间本来就更短。把每个来源和你自己的参照对比。
  • 相信醒目的比率。 来源 B 的 2.22% 看着比来源 A 的 1.67% 好。看比率时一定要同时看留存。
  • 在小样本上行动。 每个来源不到约 200 次安装时,各桶占比仅凭偶然就会摆动好几个百分点。
  • 忽略自然安装。 点击垃圾会偷走自然安装,所以付费来源看着不错,而真实的自然量在下滑。自然安装也要盯。
  • 整个合作方都切掉。 欺诈通常集中在少数子发布方。

FAQ

什么是移动广告欺诈?

移动广告欺诈,是让广告活动报告出并非来自真实用户的点击、安装或应用内事件,从而让发布方或网络获得付款或归因的行为。常见类型有点击注入、点击垃圾、机器人和安装农场、SDK 伪造和假的应用内事件。

怎样检测移动广告欺诈?

把每个流量来源和参照来源在点击到安装时间分布、点击到安装率、时间戳顺序、次日留存,以及按设备或 IP 的集中度上做对比。单个信号不是证据,但两三个同时偏离,就有充分理由去索要原始数据。

什么是点击注入?

在 Android 上,恶意软件发现应用安装已开始,就在安装完成前发出一次假点击,让欺诈者拿到最后点击的功劳。厂商通过比较点击和应用商店提供的安装开始时间来检测;记录在那之后的点击会被拒绝。

点击注入和点击垃圾有什么区别?

点击注入在恰当的时刻发一次假点击,所以安装表现为极短点击到安装时间的尖峰。点击垃圾发出海量点击然后等待,所以安装表现为一条很晚的长尾,点击到安装率极低。

分析工具能检测广告欺诈吗?

分析工具能显示安装用户和访客之后做了什么,比如留存、事件和机器人占比,从而暴露低质量流量。要在安装环节识别假点击,需要做点击到安装匹配的测量厂商。

资料来源

归档:数据分析

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

卢卡斯·海斯

数据工程师

聚焦事件设计、数据质量与采集流程,分享可验证的实施方法,帮助团队建立可靠的分析基础。

看看安装之后用户做了什么

按渠道看次日留存、安装归因拆分,机器人单独统计。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie