1.2万
57
24
运营人员可能会遇到的事情：做渠道投放的时分，每一个渠道都投放了，点击量特别高，可是激活量却只有个位数。点击量和激活数量都很高，可是留存率却很低。花了很多费用在渠道投放上，可是效果却其实不好。
其实，在移动互联网生态中存在很多不为人知的渠道“刷量”工作室，这些工作室以十分低价的价格贡献质量相同低价的用户数据，这给 App 生态圈带来了很多歹意成果。面对“刷量”，运营人员往往在虚假数据面前一筹莫展。那么，“刷量”究竟是怎么进行的？在运营过程当中我们要怎样去判断数据是否有“水分”？
一、关于“刷量”前期的统计分析平台的 SDK 基于明文的 json 数据包，工作室可以很便利的用程序伪造这些数据包，模仿出新增、活跃、留存、时长等用户数据。跟着统计分析平台的开展，很多分析平台推出了基于二进制协议的 SDK ，开发人员还可以自行调用加密开关。这些技能的提高使统计平台的安全性和数据精确性得到了提高。假如 App 晋级到安全协议版本的 SDK，刷量工作室现已很难选用直接模仿数据包的形式来刷量了。
所谓道高一尺魔高一丈，平台有平台的方法，刷量工作室有刷量的方式。他们多是选用散布式人肉刷量的方式来刷量（形式可以参考基于使命的积分墙）；也有多是选用更为智能的方式，通过编写程序脚本，修正真机参数，驱动真机运转（有爱好的同学可以了解一下 igrimace 这个 iOS 的刷量东西）。这些行为现已跟真实的用户行为简直没有不同了，统计平台也很难从技能上分辨这些数据。
那么，有什么方法能辨认这些虚假数据呢？一些有经历的运营人员，会通过渠道效果评价的数据指标和反做弊模块两方面来分辨出真假用户的差异。同时，友盟新出的用户评级产品，通过设备在友盟数据平台的全局行为来评价渠道用户质量的好坏。下面，我们来细心分析，怎么通过这些指标和东西来区分真假用户。
二、怎么辨认“刷量”数据 第一、渠道效果评价留存率
有时分渠道“刷量”会选择在次日、7 日、30 日这些重要时间点上导入用户数据。我们会发现 App 在次日、7 日、30 日这些要害时间点上的数据显着高于其他时间点。其实真实的用户的留存曲线是一条滑润的指数衰减曲线，假如你发现你的留存曲线存在陡升陡降的异常动摇，根本上就是渠道干涉了数据。不可思议，这样的用户的质量对错常差的，也不具备商业价值。
（小贴士：留存曲线不只可以协助我们判断渠道的质量，还可以在运营推广和产品优化上给出很多参考性建议。留存率是怎么核算的呢？某一天的新增用户，在n天后回访的比例，就是这天的 n 日留存率。举个例子，假如我们在 2 月 1 日获取了 1000 个新增用户，这批用户在 2 月 2 日有 400 个用户回访，2 月 8 日有 200 个用户回访，那么 2 月 1 日新用户的次日留存率是 40%，7 日留存率是 20%。）
