InMobi發布《APP安裝反作弊解決方案評估指南》 打響「AI反作弊之戰」

最近，BuzzFeed對外曝光了一個涉及金額達數百萬美元，涉及Play Store上125個APP應用的廣告作弊計劃。這個計劃是通過數十個國家的一系列空殼公司精心策劃和執行的，有效地掩蓋了資金蹤跡。更有趣的是，機器學習演算法也應用其中，使得傳統的反作弊解決方案幾乎不可能檢測到這種作弊行為。

很顯然，移動廣告反作弊已經到了一個新的階段。今後，反作弊鬥爭的前沿戰場可能將變成雙方的人工智慧技術之戰，反作弊解決方案是否能適應這種轉變，將變得格外重要。

近日，致力於領導全球移動廣告反作弊之戰的先驅者，AI驅動的全球化移動廣告和企業營銷平台InMobi發布了2019年度最新的《APP安裝反作弊解決方案評估指南》，系統性地分析了全球移動廣告作弊領域的最新技術趨勢，打擊廣告作弊的理想框架以及對於廣告反作弊工具可靠性的系統化評估指南，將幫助廣告主對市場上的APP安裝反作弊解決方案進行有效的評估，助力營銷者打贏這一場「人工智慧反作弊」之戰。

InMobi該指南指出，要建立理想的反作弊框架，必須三管齊下：建利基於機器學習和數據的預防機制、實施具備啟發式和自動洞察的檢測，以及進行基於人類自身的反應性測量操作。

隨著作弊技術的進化，廣告主面臨的損失可能會越來越多，因此，投資一個先進的、有效的反作弊工具就顯得十分重要了。

那麼，要如何去評估市場上琳琅滿目的反作弊解決方案呢?

為了減少這個過程的難度，InMobi提出了一個系統化的檢查清單，共總結歸納了8項評估指南，包括：準確性和可靠性、透明度、實時分析和報告、認證、機器學習及應用、評估檢測方法、數據管理和定價。

準確性和可靠性

關於這一點，最重要的是要檢查反作弊系統是否進行了詳細的研究，是否公布了它們的假陽性(真實安裝被標記為作弊)和假陰性(作弊安裝錯誤地標記為真實安裝)數據。要弄清楚他們是如何測量他們的不準確性的，是否使用作弊評分機制等問題。

透明度

反作弊框架如何處理誤導(尤其是假陽性)是服務可靠性的關鍵指標。通常可以通過兩種方法去確認：

1. 設置蜜罐技術。

2. 作弊安裝的人群分析(即評估標記為作弊的安裝與類似的乾淨付費人群的行為差異)。

實時分析和報告

任何反作弊解決方案供應商都應該對您的數據進行實時分析。這樣可以確保更快的檢測速度，並使您能夠即時對廣告投放進行更新。

認證

驗證解決方案供應商的經歷是評估中的關鍵部分，可以分三個方面去認證：數據、經驗和投資。

機器學習的應用

機器學習對於設計一個輸出基於概率且能夠適應不斷變化的跡象的系統至關重要。然而，許多產品在沒有實際工作模型的情況下，僅僅將機器學習作為一個流行詞來使用。不過幸運的是，這也有可能喚起更多人採用這種策略。

評估檢測方法

廣告作弊並不是「最後一公里」的問題,作弊往往從上游就已經開始。因此要弄清楚與反作弊產品的製造商核實用於作弊檢測的主要指標，並仔細檢查常見作弊類型的檢測邏輯，例如點擊注入和點擊泛濫。

數據管理

隨著數據盜竊事件日益頻發，世界各地正在制定和執行更嚴格的法規和合規要求。有鑒於此，廣告主在與第三方共享數據時需要更加小心。數據是如何被處理、管理、存儲和刪除的，以及它將被存儲多長時間，遵循什麼法規和行業標準，這些都是廣告主必須知道的一些基本要素

定價

定價模型是衡量反作弊產品和公司的有效性及意圖的一個非常好的間接指標。根據被標記為作弊的安裝數量計費，很可能鼓勵標記作弊而不是檢測作弊。原因很明顯，標記為作弊的安裝越多，支付的金額就越高。因此，弄清該解決方案定價模型背後的原因是什麼至關重要。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！