Guía antifraude de Protect360

• El dashboard de Protect360 y el acceso al raw data requieren permiso del anunciante.
• El anunciante debe tener la ad network como partner integrado.

Agencia transparente: Puede ver fuentes de medios específicas

Agencia no transparente: Puede ver fuentes de medios específicas

• La zona horaria específica de la aplicación se usa en el dashboard siempre que todas las aplicaciones estén configuradas en la misma zona horaria.
• Si las aplicaciones no están configuradas en la misma zona horaria, entonces el dashboard establece UTC de forma predeterminada.

• Dashboard de Protect360 Actualizado diariamente. 
  La hora de actualización más reciente se muestra debajo del filtro de rango de fechas en el dashboard.
• Reportes:
  • Instalaciones y eventos in-app bloqueados: Actualización continua en tiempo casi real.
  • Posterior a la atribución: A diario usando UTC. 

• 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 dashboard 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.

• Tablas limitadas a un máximo de 20.000 filas.
• Si haces una consulta con respecto a un conjunto de datos más grande, es posible que se excluyan algunas fuentes de medios. Para superar esta limitación, recomendamos lo siguiente:
  • Hacer una consulta sobre un conjunto de datos más pequeño: un intervalo de fechas más reducido, aplicaciones y fuentes de medios específicas
  • Exportar los reportes de raw data de Protect360
  • Exportar los reportes agregados de detección avanzada de Protect360 mediante la Pull API

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

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

1. Hay 3 cambios principales en P360 V2.0:
   Fraude posterior a la atribución: dondequiera que presentemos instalaciones bloqueadas, también mostramos instalaciones de fraude posterior a la atribución. Los datos posteriores a la atribución también están disponibles en forma de 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.

• Instalaciones: los datos sobre instalaciones que se encuentran en la página de información general y en todos los demás reportes fuera del dashboard 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 benchmark, es posible que veas las anomalías de la Red A. Luego, si, por ejemplo, seleccionas la Red A como benchmark, verás las anomalías de otras redes, pero no la Red A.

Este resultado en realidad es lo que deberías esperar. Cuando se utiliza el benchmark confiable de AppsFlyer, se muestran las redes con tasas anormales de CTIT. Cuando la red anómala se utiliza como benchmark, 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 fallida: 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 no atribuido: 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 del 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 nuevos dispositivos

Los defraudadores pueden enmascarar sus dispositivos restableciendo con frecuencia los IDs principales de sus dispositivos, es decir, el IDFA para iOS y el 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 nuevos dispositivos:

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

•  
  • Fuentes con un alto porcentaje de nuevos dispositivos. 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.

Nota: Las campañas de aplicaciones preinstaladas por lo general tienen tasas extremadamente altas de dispositivos nuevos, ya que pueden encontrarse entre las primeras aplicaciones que inician los usuarios cuando activan sus nuevos dispositivos. Por lo tanto, en el caso de las aplicaciones preinstaladas, el fraude con dispositivos nuevos es poco probable, incluso cuando se observan tasas elevadas de dispositivos nuevos.

Detección del fraude LAT

Los usuarios con LAT (Limit Ad Tracking) 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.

Detección del LAT:

1. En Protect360, ve 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 % 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.

1. Mediante 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.

   Detección de casos de inundación de clics:

   1. En Protect360, ve 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. Benchmarks del fraude por inundación de clics:
   • Las tasas de conversión normales de Conversion Rates están entre 0.5% y 35%.
     Desconfía de las fuentes cuyos índices de conversión son anormalmente bajos, o que tienen 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 dashboard. 
   • En el caso de las fuentes que se encuentran en el límite, compara el % 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 dashboard.
     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 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 el falso engagement 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.  

Detección de casos de inundación de clics con el CTIT como indicador:

1. En Protect360, ve 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. Benchmarks 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.

Número 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 aperturas de la aplicación. Se trata de un KPI importante para el 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 KPIs 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 nuevo evento in-app de usuario fiel si un usuario completa TODA la lista de KPIs.

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