虚假流量的认知与识别（下篇）

图片来源图虫：已授站长之家使用

作者：张乔，神策数据内容营销负责人。公众号：神策数据

在《虚假流量的认知与识别（上篇）》中介绍，虚假流量的识别可从基本属性、产品参与度、转化情况三方面来识别。

• 首先，基本属性。具体包括：时间 & 地域维度、终端类型、操作系统、联网方式、运营商、IP 集中等

• 其次，产品参与度。具体包括：跳出率、平均访问深度、平均访问时长、用户行为路径、页面点击情况、流量留存情况、单页面人均访问次数等。

• 第三，转化情况。因为很多作弊流量可以模仿人类行为，成功绕过跳出率、平均访问深度和停留时长这些宏观指标，但是要模仿一个业务转化就 比较难了，如果宏观指标表现很好，业务转化很少的话，就需要提高警觉。

下面通过一个案例从用户行为数据多维诊断虚假流量。这个案例围绕上述三种A 企业是电商企业，日常会在社会化媒体进行广告投放，在 1 月 8 日线上数据投放的常规检查中发现，近期一家媒体(下 称“M 渠道”)所带来的流量数据异常大。为查明该媒体渠道所带来的流量是否为虚假流量，A企业将M渠道下的用户行为进行多维度细分，进行流量排查。

一. 基本属性初步排查

流量访问通常会分布在一天中的各个时段，伴随平滑的曲线形成访问高峰与低峰。显然虚假流量不具备这一特点，因为人 为 / 机器操作为节省成本不会在意流量的时间分布，难免会在时间曲线上会有流量突增的情况。因此，要找到异常流量发 生的时间点，将时间细化到每小时的访问数据，如果流量过于集中在某个时段，或者在不恰当的时间点出现了流量激增的 情况，这时候就要引起注意了。

1. 时间维度

图1 M 渠道与百度渠道流量对比

通过图 1 看到，百度流量来源呈现平缓变化，从流量时间分布上看，基本符合正常访问情况。与之形成鲜明对比的是， M 渠道全天流量高峰期分别在 2:00、5:00、14:00、15:00。这几个时段内的流量过于集中，而在其他正常时段内，流量几乎为零。 经过内部确认，该阶段并未有活动发生，产生突增的访问高峰十分可疑。

2. 用户访问设备

图2 从设备情况了解 M 渠道用户的操作系统

上文提到在正常情况下，同样用户访问设备应该多元化。在这个案例中，通过上图发现 M 渠道流量设备基本都是 Android 端。 由于 M 渠道未投放，更没有设备限定，增加了虚假流量的可能性。

3. IP 集中

图3 按 IP 查看 Web 浏览页面触发用户数

一般而言，IP 的频繁点击、流量激增都是不正常的。我们通过数据可以看到，图中 IP 带来的流量在2:00、5: 00 和15:00 均有突变，尤其140.205.92.1 表现最明显。经过以上维度诊断，此流量十分可疑，可结合产品参与度进行深度判定。

二. 产品参与度深度判定

1. 跳出率

虚假流量产生高跳出率的时间，通常会和用户访问时间段一致。因此可以结合流量时间等因素进行综合对比。

图4 M 渠道来源流量的跳出率