Проверяем качество popunder-трафа: слив с TrafficStars, TrafficJunky, Clickadu, ExoClick и др.

Привет, с вами Adspect — облачная платформа для клоакинга и фильтрации ботов в веб-трафике, теперь со встроенным CPA-трекером. Мы продолжаем серию публикаций о тестировании качества трафика в попандер-сетях на наличие в них явного технического кликфрода.

Присоединяйся к тематическому чату по push-увдомлениям, clickunder и popunder-трафику. В закрепе — готовые мануалы и инструкции по сливу, в чате — живое общение и ответы на ваши вопросы. Welcome! 

Кликфрод (click fraud) — это накрутка кликов по рекламе при помощи программ-ботов, которые бывают самыми разными как в плане технической реализации, так и по сложности обнаружения. Здесь мы оцениваем качество трафика только по низкоуровневым машинным признакам, не уделяя особого внимания конвертабельности трафика.

На этот раз мы проверили адалт-сети: Traffic Stars и Traffic Junky, а также коснулись Clickadu, ExoClick и некоторых других. Наша система устроена по тому же принципу, что и привычные всем трекеры. Трафик проходит по потокам — аналогам рекламных кампаний, которые проверяют каждый клик в реальном времени и отправляют посетителя на одну из двух ссылкок в зависимости от того, сочла его система целевым или неблагонадежным (модератором или ботом). Типовая настройка тестового потока в нашей системе приведена на скриншоте ниже:

Мы не включали никакие фильтры, специфические для задачи клоаки, чтобы максимально объективно оценить трафик именно на предмет ботовости. В этом нам в первую очередь помогает технология анализа браузерных отпечатков (т.н. JS-фингерпринтов). Сразу обозначим, что наша система относит к ботам трафик с IP-диапазонов, принадлежащих хостингам и colo-датацентрам — потому что в 99% случаев это и есть боты, а в оставшемся 1% — посетители с прокси или VPN, особенно в таких их рассадниках, как M247 и iomart.

TrafficStars

Начнем с TrafficStars. Это крупная адалтная рекламная сеть, имеющая в своем инвентаре сайтов всем известный xHamster. У них также много брокерского RTB-трафика, так что по объемам ее можно по праву назвать одной из крупнейших в своем сегменте рекламного рынка. В отличие от предыдущего материала про Kadam, Dao.ad и RoyalAds, здесь мы решили немного отойти от шаблона и пролить лишь одно гео вместо трех, но «каскадом», чтобы продемонстрировать как с помощью Adspect можно быстро и с минимальными затратами найти площадки с преобладанием живого трафика и вытащить кампанию из минуса в плюс. Лили попандер US десктоп CPI.

Принцип каскадного слива следующий:

1. Проливаем пару десятков долларов по минимальной ставке;
2. Выбираем по статистике Adspect все площадки, где меньше 30% уников или меньше 50% людей (колонка «качество»), и заносим их все в блеклист;
3. Копируем поток в системе, чтобы начать собирать статистику с нуля;
4. Удваиваем ставку и начинаем снова с шага 1.

Ниже вы можете увидеть четыре потока — результаты четырех циклов этого алгоритма, со сводной статистикой по каждому:

Сначала по колонкам отчёта. GIVT (general invalid traffic, общий невалидный трафик) и SIVT (sophisticated invalid traffic, сложный невалидный трафик) — оба термина были введены американской MRC (Media Ratings Council) для категоризации «плохого» трафика по условной сложности его устройства. Мы в Adspect трактуем эти термины следующим образом:

• GIVT — это «тупые» боты, не способные выполнить JavaScript для формирования и отправки нам отпечатка браузера.
• SIVT — весь остальной отфильтрованный трафик, который достаточно продвинут в техническом плане для формирования отпечатков.
• «Качество» — эта колонка отражает процент одобренного трафика в общей массе.

Теперь общие наблюдения по сливу. С каждым следующим циклом доли GIVT и SIVT падают, что закономерно, так как мы фильтровали площадки в первую очередь по совокупности этих метрик. Исключение — рост GIVT в четвертом потоке. Здесь мы вытащили из блеклиста несколько крупных площадок, где было достаточно много людей, но мало уников. Эти площадки немного подняли конверт, поэтому по одним лишь уникам судить о трафике не стоит, показатель неоднозначный. То же самое наблюдение можно сделать и в отношении общего качества трафика, которое росло с каждым циклом, кроме последнего, но падение качества за счет множественно кликающих тупых ботов в четвертом потоке компенсировалось ростом конверта в живой части трафика. ROI изменился от -25% в первом потоке до +40% в последнем (примерные цифры, на скринах не отражено).

На скрине ниже — та самая разбивка статистики по площадкам, которую мы и использовали для составления блеклиста. Приведены топ-10 площадок по объему:

Бросается в глаза нелицеприятный факт: процент хорошего трафика редко превышает 65%, и это после ручной фильтрации пабов. Вероятно, на дешевых ГЕО ситуация лучше из-за их меньшей рентабельности, но в целом вывод все равно напрашивается сам собой: в попсах TrafficStars довольно много фрода.

Трафик грязный, среди SIVT-ботов преобладает Puppeteer. Более того, после двух дней слива в плюс кампания резко ушла в минус, как будто весь трафик подменили. После общения с коллегами-арбитражниками выяснилось, что у других был точно такой же опыт, когда после пары дней «заманухи» качество трафика TrafficStars по конверту резко ухудшалось. Так что будьте осторожны. Трафика у них много, но его нужно тщательно фильтровать, а затем держать руку на пульсе и не надеяться на то, что средний CR будет стабильным даже на недельной дистанции.

В заключение приведем наш финальный блеклист площадок, с которым кампания два дня лила в плюс (помним, что это US десктоп):

733, 842, 2112, 2222, 2223, 2390, 2521, 2963, 3896, 4272, 4556, 4749, 7017, 7090, 7101, 7108, 7512, 8022, 8587, 8601, 8657, 8669, 8700, 8764, 8951, 9290, 9407, 9416, 9731, 9732, 9733, 9734, 9857, 9884, 9893, 10003, 10007, 10145, 10162, 10163, 10167, 10168, 10463, 10657, 10809, 11334.

TrafficJunky

Попандер появился в TrafficJunky совсем недавно и, очевидно, еще находится в стадии отладки, так как изредка еще можно наткнуться на баги, например при копировании кампаний. Рекламный кабинет TrafficJunky не имеет нормального таргетинга по браузерам, есть лишь варианты «все» и «все, кроме Chrome» — в этом плане он вызывает у нас ассоциации с другой крупной адалт-сеткой Traffic Factory, где нет таргетинга по Wi-Fi / 3G. Вообще, рекламный кабинет при всей его аккуратности является довольно неудобным. Чтобы посмотреть статус креативов, приходится ходить по вкладкам Ads кампаний и искать отклоненные при помощи фильтров.

Также в попандер-кампаниях TrafficJunky нет выбора платформы, предлагается лить только мобильный трафик. Мы спросили их техподдержку, как так вышло, но они не знают сами. Так что сравнить ботовые воронки в разрезе мобайл/десктоп здесь нам не судьба. Поэтому сравнивать будем срезы по сайтам, а их у TrafficJunky три: PornHub, Tube8 и XTube. Из гео взяли традиционную троицу США-Россия-Индия, а также решили добавить к ним Индонезию. Результаты — на скрине ниже:

По качеству полученного трафика у нас впечатление однозначно положительное, все цифры заметно выше средних значений по рынку попандера в целом и плавают в диапазоне от 65% до 88%. Это весьма добротные результаты для нефильтрованого трафика. Этот тест обзорный по задумке, поэтому никакой ручной фильтрацией мы не занимались, да и вообще применимость нашего каскадного метода при таком скудном разнообразии площадок минимальна. Среди них, тем не менее, явно обозначились два «гадких утенка»: ID_Tube8 Mobile (8%, где почти все — SIVT-боты и хостинговые диапазоны) и IN_XTube Mobile (48% — не катастрофа, но ниже среднего на фоне других).

А вот действительно плохо в TrafficJunky то, что попандер-трафика еще очень мало, он льется в час по чайной ложке. При тех же ставках TrafficStars налили бы нам раз в 100 больше. То, что вы видите на скрине, пришлось доить часами. Возможно, что TrafficJunky по обыкновению забирают себе львиную долю показов, а рекламодателям пока отдают лишь объедки. Либо же этот формат в принципе пока не имеет объемов в их рекламной сети. Время покажет. А пока что особого интереса попандер в TrafficJunky не представляет.

Clickadu, ExoClick, Adsterra, AdMaven, PropellerAds

В заключение приводим результаты слива попандера с нескольких сеток командой рекламной сети Clickadu. Вся проза ниже — их выводы их же словами с минимальными стилистическими правками (данные публиковались в Telegram-группе, поэтому для блога слог немного изменили). Со своей стороны мы также перепроверили данные статистики на достоверность цифр.

Ребята сделали два теста. В первом тесте был пролит трафик по таргету FR Windows с пяти рекламных сетей: Clickadu, ExoClick, Adsterra, AdMaven и PropellerAds. Сравнивали показатели качества по столбцу «Качество» в статистике Adspect и получили практически одинаковые показатели для всех сетей, что бы они ни означали:

Целью второго теста было проверить, есть ли конверсии на отфильтрованном трафике с «белых страниц», и как отличается CR по сравнению с неотфильтрованным трафиком на основном ленде. В качестве оффера в этом тесте использовались собственные пуш-подписки Clickadu, одинаковый ленд для основной и белой страницы, но с разными субаккаунтами для разделения результатов в статистике. Сперва отлили такой же трафик по таргету FR Windows, но он дал слишком мало конверсий, чтобы что-то сравнивать.

Поэтому дальше отлили IN Android с Clickadu и сравнили CR «белой» и основной страниц только для этого трафика:

• 1_white — белая страница — 31÷4168 = 0,0074
• 1 — основная страница — 109÷7672 = 0,0142

Таким образом, итоговые показатели CR в подписчика на «белой» странице в 2 раза хуже, чем на основной. Но трафик все еще конвертит. Предположением ребят было, что на «белую» страницу отбирается трафик, который действительно немного хуже конвертит, но не является ботовым. Еще один вариант — вместе с действительно ботовым трафиком фильтруется также очень много настоящего трафика, который конвертит.

Что ж, со своей стороны мы это прокомментируем следующим образом. Платформа Adspect на тот момент не имела встроенного трекера для отслеживания конверсий, поэтому данными о каком-либо удельном конверте трафика мы не располагали и соответственно по этому признаку не фильтровали. Не фильтруем и сейчас, так как подобные данные в очень сложно однозначно и безошибочно интерпретировать. В подобной статистике будет слишком много неизвестных переменных, чтобы делать уверенные выводы.

Далее, Adspect действительно перестраховывается в отдельных случаях и фильтрует некоторый трафик, не будучи на 100% уверенным в его ботовости, как, например, в случае с IP-адресами диапазонов датацентров. Мы вынуждены так делать, чтобы надежно выполнять другую свою главную функцию — клоакинг. Но конкретно в случае с Clickadu дело было и не в этом, а в том, что часть хорошего трафика была отфильтрована из-за нашей системы машинного обучения VLA, которую, как обнаружилось позднее после детального анализа, со временем «перекосило» в сторону паранойи, и она срезала больше трафика, чем следовало.

Это была наша техническая недоработка, связанная с несбалансированностью входных данных для обучения нашей ML-модели (ботов в учебном трафике было больше, чем людей), которую мы с тех пор давно исправили, поэтому к полученным ребятами из Clickadu результатам можно смело накинуть по 15%.

На этом закончим на сегодня. У нас еще есть в запасе неопубликованные материалы и еще больше тестов впереди, так что следите за блогом. Всем профита!

Для наших читателей у нас продолжает действовать промо-код PROTRAFFIC на скидку 25% при подписке!