Кликфрод

Кликфрод — один из видов сетевого мошенничества, представляющий собой обманные клики на рекламную ссылку лицом, не заинтересованным в рекламном объявлении. Может осуществляться с помощью автоматизированных скриптов или программ, имитирующих клик пользователя по рекламным объявлениям pay per click. Скликивать объявления могут недобросовестные веб-мастера со своих же сайтов либо конкуренты рекламодателей.

По данным BusinessWeek, значительно участились случаи кликфродов рекламных объявлений^[1]. Аналитики утверждают, что 10—15 процентов кликов на рекламу — ложные. При этом специалисты считают, что наиболее проблемной в этом плане является контекстная реклама^[2]. Крупнейшие онлайн-рекламодатели Запада решили объединиться для борьбы с данной тенденцией. Потери составляют почти 1 млрд долларов в год^[3].

• Технические клики — переходы по ссылкам, совершённые роботами индексации сайтов
• Клики рекламодателей — переходы по ссылкам, совершаемые рекламодателями по собственным объявлениям с целью поднятия CTR.
• Клики конкурентов — переходы по ссылкам, совершаемые сотрудниками конкурирующих структур.
• Клики со стороны недобросовестных веб-мастеров — переходы по ссылкам, совершаемые вебмастерами или созданными ими системами с целью увеличения доходности рекламной площадки^[4]

• Большое число переходов с одного IP-адреса.
• Большое количество посетителей, которые быстро покидают сайт.
• Высокое количество переходов на сайтах определённого партнёра.
• Снижение уровня конверсии при увеличении количества переходов.
• Увеличение количества переходов на все ключевые слова.^[5]

• Сбор открытых данных о пользователях с помощью различных систем аналитики (Яндекс Метрика, Google Analytics, Motombo и т.д.),
• Группировка похожих сессий по признакам кликфрода. Группировать можно посредством методов кластеризации машинного обучения с применением алгоритма k-средних,
• Обучение нейронной сети на полученных группах похожих сессий с построением модели определения кликфрода,
• Подключение обученной модели к новым получаемым данным в реальном времени для определения кликфрода.
• Автоматизация действий на основе детектированных случаев кликфрода: После выявления подозрительных сессий на основе обученной модели, автоматическое принятие решений, таких как добавление IP-адресов в черный список, уменьшение ставок по объявлениям для подозрительных регионов или временное приостановление показов рекламы в обнаруженных сегментах.^[6]