• Para las instalaciones identificadas como fraude, se muestra el desglose del tipo de toque atribuido entre instalaciones, reatribuciones y re-engagements.
• Para eventos in-app:
  • El panel de eventos in-app (CPA) muestra eventos fraudulentos de instalaciones de UA, pero no de retargeting.
  • Los eventos fraudulentos procedentes de reatribuciones que se identifican en tiempo real pueden visualizarse en los reportes de raw data. No se pueden identificar eventos fraudulentos de re-engagements.
  • Los eventos fraudulentos de retargeting no se pueden identificar después de la atribución.

¿Cómo se calcula el widget de ahorro estimado?

En el caso de las redes que permiten compartir datos de costos, puedes calcular una estimación precisa de los ahorros.

En el caso de las redes que no permiten eso, AppsFlyer usa el eCPI promedio de todo el grupo de instalaciones verificadas de todas las fuentes que tienen datos de costos.

¿Protect360 funciona contra el fraude proveniente de enlaces de atribución personalizados?

¡Claro que sí! Protect360 detecta y bloquea el fraude proveniente de enlaces de atribución personalizados, además de las redes de publicidad. Eso significa que también estás protegido si tienes campañas de medios propios, como personas influencers, campañas de correo electrónico y SMS, banners de sitios web y páginas de inicio, publicaciones virales en las redes sociales, notificaciones push o incluso códigos QR.

¿Qué hay de nuevo en Protect360 V2 en comparación con la V1?

1. Hay 3 cambios principales en P360 V2.0:
   Fraude posterior a la atribución: cada vez que presentamos instalaciones bloqueadas, también mostramos las instalaciones fraudulentas posteriores a la atribución. Los datos posteriores a la atribución también están disponibles como reporte de raw data.
2. Insights sobre anomalías: se agregó una nueva sección, llamada “Insights sobre anomalías”, en la que los anunciantes pueden analizar anomalías mediante herramientas de visualización. Esta sección reemplaza las 2 gráficas de la anterior pestaña “Detección avanzada”.
3. Centralización de todos los datos sobre fraude: eliminamos la pestaña “Detección avanzada” y, en su lugar, presentamos toda la información en una pestaña.

¿Por qué los raw data posteriores a la atribución no están disponibles en la página Datos exportados?

Los reportes con datos posteriores a la atribución se encuentran a nivel de cuenta por fuente de medios a fin de facilitar el proceso de conciliación. La página Datos exportados se encuentra a nivel de aplicación individual y aún contiene los datos sobre bloqueo de fraude a nivel de aplicación para asegurar la compatibilidad con versiones anteriores.

¿Los datos posteriores a la atribución se actualizan de manera retroactiva?

• Instalaciones: los datos sobre instalaciones que se encuentran en la página de información general y en todos los demás reportes fuera del panel de control de Protect360 no se actualizan de manera retroactiva.
• Eventos in-app: una vez que la capa de protección posterior a la atribución identifica una instalación como falsa, se bloquean los siguientes eventos in-app procedentes de esta instalación. Los eventos in-app anteriores no se actualizan retroactivamente.

¿Por qué los datos se ven diferentes al seleccionar redes específicas/diferentes en los insights de anomalías?

Cuando observas las anomalías de CTIT y seleccionas AF_Baseline como punto de referencia, es posible que veas las anomalías de la Red A. Luego, si, por ejemplo, seleccionas la Red A como punto de referencia, verás las anomalías de otras redes, pero no la Red A.

Este resultado en realidad es lo que deberías esperar. Cuando se utiliza el punto de referencia confiable de AppsFlyer, se muestran las redes con tasas anormales de CTIT. Cuando la red anómala se utiliza como punto de referencia, sus instalaciones ya no se incluyen como anomalías, pero las instalaciones de otras redes pueden considerarse anómalas en relación con ella.

¿El tráfico orgánico anormal es realmente fraudulento?

Es posible que los picos anormales en el tráfico orgánico sean realmente fraudulentos. En general, si ves tráfico orgánico en AppsFlyer, que tienes razones para creer que es realmente fraudulento, podría ser uno de los 3 casos siguientes:

• Fraude de atribución fallido: los clics del defraudador no pudieron recibir la atribución, por ejemplo, inundación de clics y el último clic se llevó a cabo más allá de la ventana retrospectiva por clics.
• Fraude que no es de atribución: el usuario lleva a cabo un fraude que no está relacionado con la atribución, por ejemplo, el uso del fraude para recolectar elementos en juegos de estrategia.
• Problemas de integración de SDK: comprueba que los eventos in-app se envíen correctamente, es decir, en el momento correcto del flujo y con los valores correctos de los parámetros del evento.

Cómo detectar el fraude de dispositivos nuevos

Los defraudadores pueden enmascarar sus dispositivos restableciendo con frecuencia los ID principales de sus dispositivos, es decir,  el Identificador de anunciante (IDFA) para iOS y el ID de publicidad de Google (GAID) para Android.

Por suerte, AppsFlyer identifica más del 98% de los dispositivos móviles en todo el mundo.

Por lo tanto, un alto porcentaje de dispositivos nuevos desconocidos es un buen indicio de fraude por parte de granjas de clics, a menos que se apunte a dispositivos nuevos a propósito.

Cómo detectar dispositivos nuevos:

1. En Protect360, accede a la tabla de desglose de casos de fraude identificados.
2. Desplázate a la derecha hasta las columnas Indicadores de la granja de dispositivos: dispositivos nuevos.
3. Haz clic en el nombre de la columna Porcentaje de instalaciones para ordenar la tabla en orden descendente para la proporción de dispositivos nuevos.
4. Indicadores de fraude de dispositivos nuevos:

• • Fuentes con un alto porcentaje de dispositivos nuevos. Nota: A medida que aumenta la cantidad de instalaciones, también se pueden considerar porcentajes más bajos como fraude, ya que el monto total es grande.
  • Cuando se compara la proporción de usuarios leales de la fuente con la proporción general de usuarios leales, un porcentaje relativamente bajo es un fuerte indicio de fraude.

Cómo detectar el fraude con dispositivos que tienen LAT

Los usuarios de LAT (rastreo limitado de anuncios) optan por no exponer el ID, IDFA o GAID de sus dispositivos a los anunciantes. Aproximadamente el 15 % de los usuarios de iOS y el 10 % de los usuarios de Android eligen esta opción.

De manera similar a la clasificación de dispositivos nuevos, los usuarios de LAT pueden ser legítimos. Sin embargo, un alto porcentaje de ellos podría ser un indicio de actividad fraudulenta.

Cómo detectar el LAT:

1. En Protect360, accede a la tabla de desglose de casos de fraude identificados.
2. Desplázate a la derecha hasta las columnas Indicadores de la granja de dispositivos: dispositivos LAT.
3. Haz clic en el nombre de la columna Porcentaje de instalaciones para ordenar la tabla en orden descendente para la proporción de dispositivos nuevos.
4. Indicadores de fraude de dispositivos de LAT:

• Fuentes con un alto porcentaje de dispositivos LAT. Nota: A medida que aumenta la cantidad de instalaciones, también se pueden considerar porcentajes más bajos como fraude, ya que el monto total es grande.
• Cuando se compara la proporción de usuarios leales de la fuente con la proporción general de usuarios leales, un porcentaje relativamente bajo es un fuerte indicio de fraude.

Cómo detectar el fraude por inundación de clics

1. Usando la inundación de clics, los defraudadores envían millones de clics con ID de dispositivos reales, con la esperanza de quedar registrados como los últimos clics de usuarios reales. Las fuentes con este tipo de fraude tienen tasas de conversión muy bajas, pero usuarios de alta calidad, dado que se trata de usuarios reales.

   Cómo detectar casos de inundación de clics:

   1. En Protect360, accede a la tabla de desglose de casos de fraude identificados.
   2. Desplázate a la derecha hasta las columnas Indicadores de inundación de clics.
   3. Haz clic en el nombre de la columna Tasa de conversión para organizar la tabla en orden ascendente de tasa de conversión.
   4. Puntos de referencia del fraude por inundación de clics:
   • Las tasas de conversión normales van del 0,5 % al 35 %.
     Sospecha de fuentes cuya tasa de conversión sea anormalmente baja, o que tengan un 25 % o menos de la tasa de conversión promedio de la aplicación. Puedes encontrar este KPI en la tabla del Reporte de rendimiento agregado, en la página de información general del panel de control. 
   • En el caso de las fuentes que se encuentran en el límite, compara el Porcentaje de asistencias con la proporción promedio de asistencias. Puedes ver la proporción normal de asistencias en el widget de asistencias, que se encuentra en la página de información general del panel de control
     Las fuentes cuya proporción de asistencias sea un 50% mayor que la proporción promedio de asistencias de la aplicación se consideran sospechosas.
     Ten en cuenta que cuantas más fuentes use una aplicación, mayores serán sus tasas de contribución.

Cómo detectar casos de inundación de clics con indicadores de CTIT

Otra indicación de inundación de clics (click flooding) es la distribución uniforme del CTIT.
Por lo general, alrededor del 70 % de las instalaciones normales tienen lugar en el plazo de 1 hora a partir del engagement de un anuncio.
En el caso de una inundación de clics, no hay ninguna conexión entre la instancia de engagement falsa y la instalación real. Esto tiene como resultado mucho más que el 30 % de las instalaciones fraudulentas, que tienen un CTIT de más de 1 hora. 

Cómo detectar casos de inundación de clics con el CTIT como indicador:

1. En Protect360, accede a la tabla de desglose de casos de fraude identificados.
2. Desplázate a la derecha hasta las columnas Indicadores de inundación de clics: CTIT. 
3. Puntos de referencia del CTIT con respecto al fraude por inundación de clics:

• Normalmente, los valores de más de 60 minutos deberían ser del 30% aproximadamente. Sospecha de las fuentes que tengan más del 50% con esta métrica.
• Normalmente, los valores de más de 5 horas deberían ser del 20% aproximadamente. Sospecha de las fuentes que tengan más del 40% con esta métrica.

Usa la página Insights de anomalías  para investigar las fuentes con un CTIT sospechoso.

Cantidad de instalaciones

Cuando filtres por cantidad de instalaciones por cada fuente verificada, es importante detectar las fuentes con mayor cantidad de casos de fraude. Además, puede que una cantidad menor de instalaciones no sea matemáticamente significativa. Nota:

Nota: Las fuentes con menos de 30 instalaciones, o incluso 50, no son lo suficientemente significativas para sacar conclusiones. Amplía el intervalo de fechas u otros criterios de búsqueda para obtener resultados más significativos.

Cambiar la definición de usuario leal

La definición predeterminada de usuario fiel consiste en 3 o más inicios de la aplicación. Se trata de un KPI importante para la captación (engagement) de usuarios, pero desafortunadamente, muchos defraudadores lo conocen y lo usan para falsificar tasas elevadas de usuarios fieles y, de ese modo, evitar sospechas. Para evitar que te engañen, crea y selecciona una definición mejor y más elaborada de usuario fiel.

Analiza los KPI de la calidad de los usuarios de tu aplicación como el registro, la finalización de tutoriales, las compras, las sesiones múltiples, etc. Dentro del código de la aplicación, envía un evento in-app nuevo de usuario leal si un usuario completa TODA la lista de KPI.

Después de enviar el primer evento no orgánico de usuario leal, accede a Configuración de la aplicación y selecciónalo para indicar los usuarios leales de tu aplicación. Es probable que las tasas generales de usuarios leales presenten un descenso leve y, a continuación, una caída drástica en el caso de las fuentes fraudulentas.