CN111127070B - 一种发现渠道作弊的方法 - Google Patents
一种发现渠道作弊的方法 Download PDFInfo
- Publication number
- CN111127070B CN111127070B CN201911090244.2A CN201911090244A CN111127070B CN 111127070 B CN111127070 B CN 111127070B CN 201911090244 A CN201911090244 A CN 201911090244A CN 111127070 B CN111127070 B CN 111127070B
- Authority
- CN
- China
- Prior art keywords
- access
- channel
- stay time
- cheating
- accesses
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0225—Avoiding frauds
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明属软件领域，尤其是一种发现渠道作弊的方法，针对现有的通过渠道用户的留存率判断作弊的方法存在时效性差的问题，现提出如下方案，其包括S1：统计正常渠道在设置时间段内的访问位置的流量分布；其中，访问位置包括但不限制于手机应用软件按版块、兴趣、频道、主题、置顶位、作者、媒体等进行分类的位置。本发明需要与渠道推广达到较长日期后才能发现留存率存在异常，并在短时间内即可形成分析结果，且不需要人工判断留存曲线，本发明可以套用在不同的主要功能分析上，使用范围广。
Description
技术领域
本发明涉及软件技术领域，尤其涉及一种发现渠道作弊的方法。
背景技术
应手机应用软件的推广需求，产生了专门为通过把手机应用软件推广给新用户从而获取手机应用软件生产商提供的报酬的渠道。因存在利益驱动，以及存在生成虚假用户的技术手段，有的渠道通过作弊来非法获取手机应用软件推广收入。及时有效地发现存在作弊的渠道，有助于维护手机应用软件生产商的正常利益，净化网络环境。
目前，最广泛的判断渠道作弊的方法是通过渠道用户的留存率。此方法存在的问题：时效性差，当通过留存率发现渠道存在作弊时，有可能生产商与渠道商的结算周期已过，片面性，留存率低，可能只是因为渠道的质量低，并非因为存在虚假用户，所以我们提出一种发现渠道作弊的方法，用于解决上述所提出的问题。
发明内容
基于背景技术存在通过渠道用户的留存率判断作弊的方法存在时效性差的技术问题，本发明提出了一种发现渠道作弊的方法。
本发明提出的一种发现渠道作弊的方法，包括以下步骤：
S1：统计正常渠道在设置时间段内的访问位置的流量分布；其中，访问位置包括但不限制于手机应用软件按版块、兴趣、频道、主题、置顶位、作者、媒体等进行分类的位置；
S2：统计监测渠道的用户在设置时间段内的访问位置的流量分布；其中访问位置，包括但不限制于手机应用软件按版块、兴趣、频道、主题、置顶位、作者、媒体等进行分类的位置；
S3：将正常渠道在设置时间段内的访问位置的流量分布、监测渠道的用户在设置时间段内的访问位置的流量分布进行对比，判断正常渠道在设置时间段内的访问位置的流量分布、统计监测渠道的用户在设置时间段内的访问位置的流量分布是否相同；
S4：获取监测渠道访问所有位置的停留时长分布，判断监测渠道访问所有位置页面的停留时长分布变化是否连续，如不连续，则判断监测渠道存在作弊行为。
优选的，所述S1中，分别统计所述访问流量中各个位置的访问数量，在预先划分的各个停留时长的访问数量，根据访问流量个各个位置的访问数量，计算总访问数量，以及在各个位置访问数量占总访问数量的比值，根据上述访问流量 在各个位置的访问数量，以及访问数量在在总访问数量的比值，汇总得到访问数量的按位置的访问数量分布。
优选的，所述S4中，所述获取监测渠道的停留时长分布包括：划分停留时长的单位、区间；计算监测渠道在每个停留时长区间内的访问数量；计算监测渠道的总访问数量，以及在每个停留时长区分内的访问数量占总访问数量的比值，从而得到监测渠道的访问的停留时长分布；判断监测渠道的访问页面的停留时长分布是否连续。
优选的，所述判断监测渠道的访问页面的停留时长分布是否连续，判断为分布不连续需满足以下条件之一：假设共n个停留时长区间，停留时长按从小到大排列，第k个（1<k<n)停留时长的访问数量大于第一预设值，且大于第k-1个停留时长的访问数量乘以第k+1个停留时长的访问数量、再开根号、再乘以第二预设值；假设共n个停留时长区间，任何第k（1<=k<=n)个停留时长的访问数量占比大于第三预设值。
优选的，所述第一预设值来源于前期对大量作弊渠道的统计分析，当第K个停留时长的访问数量大于第一预设值时，比较第k-1个、第k个、第k+1个停留时长的访问数量才具有足够的数据支撑；
第二预设值来源于对前期对大量正常渠道的统计分析，第k个（1<k<n)停留时长的访问数量大于第k-1个停留时长的访问数量乘以第k+1个停留时长的访问数量、再开根号、再乘以第二预设值时，才能充分体现第k个停留时长的访问数量变化不连续、存在明显异常；
第三预设值来源于对前期对大量正常渠道的统计分析，当渠道在第k个停留时长的访问数量大于第三预设值时，说明该渠道的页面访问时长过分集中在单一停留时长上，不符合正常用户群体使用规律。
优选的，所述S4中，若判定渠道监测存有作弊的行为，则可以启动整理系统，将判定的结果以报告的形式向软件生产商进行发送。
优选的，所述判定报告发送之日进行及时，设定5-7个工作日为软件生产商的申诉期，在申诉期内收到申诉报告之后，对申述报告进行整理、收集，若在申诉期内未收到申诉报告，则判定软件生产商存有作弊行为。
优选的，所述申述报告收到之后，组织技术人员对软件生产商所呈现的申诉报告进行判别，若申诉理由成立，则作弊行为不成立，若申诉理由不成立，则判定存有作弊行为。
本发明的有益效果：
与现有技术中，需要与渠道推广达到较长日期后才能发现留存率存在异常，并在短时间内即可形成分析结果，且不需要人工判断留存曲线，本发明可以套用在不同的主要功能分析上，使用范围广。
并且在对判定之后，提供有效的申诉期，以此可以实现减少判断的错误率，使得在对作弊监管的步骤上更加严谨，缜密。
附图说明
图1为本发明提出的的工作流程图。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
参照图1，一种发现渠道作弊的方法，包括以下步骤：
本实施例中，S1中，分别统计访问流量中各个位置的访问数量，在预先划分的各个停留时长的访问数量，根据访问流量个各个位置的访问数量，计算总访问数量，以及在各个位置访问数量占总访问数量的比值，根据上述访问流量 在各个位置的访问数量，以及访问数量在在总访问数量的比值，汇总得到访问数量的按位置的访问数量分布。
本实施例中，S4中，获取监测渠道的停留时长分布包括：划分停留时长的单位、区间；计算监测渠道在每个停留时长区间内的访问数量；计算监测渠道的总访问数量，以及在每个停留时长区分内的访问数量占总访问数量的比值，从而得到监测渠道的访问的停留时长分布；判断监测渠道的访问页面的停留时长分布是否连续。
本实施例中，判断监测渠道的访问页面的停留时长分布是否连续，判断为分布不连续需满足以下条件之一：假设共n个停留时长区间，停留时长按从小到大排列，第k个（1<k<n)停留时长的访问数量大于第一预设值，且大于第k-1个停留时长的访问数量乘以第k+1个停留时长的访问数量、再开根号、再乘以第二预设值；假设共n个停留时长区间，任何第k（1<=k<=n)个停留时长的访问数量占比大于第三预设值。
本实施例中，第一预设值来源于前期对大量作弊渠道的统计分析，当第K个停留时长的访问数量大于第一预设值时，比较第k-1个、第k个、第k+1个停留时长的访问数量才具有足够的数据支撑；
第二预设值来源于对前期对大量正常渠道的统计分析，第k个（1<k<n)停留时长的访问数量大于第k-1个停留时长的访问数量乘以第k+1个停留时长的访问数量、再开根号、再乘以第二预设值时，才能充分体现第k个停留时长的访问数量变化不连续、存在明显异常；
第三预设值来源于对前期对大量正常渠道的统计分析，当渠道在第k个停留时长的访问数量大于第三预设值时，说明该渠道的页面访问时长过分集中在单一停留时长上，不符合正常用户群体使用规律。
本实施例中，S4中，若判定渠道监测存有作弊的行为，则可以启动整理系统，将判定的结果以报告的形式向软件生产商进行发送。
本实施例中，判定报告发送之日进行及时，设定5-7个工作日为软件生产商的申诉期，在申诉期内收到申诉报告之后，对申述报告进行整理、收集，若在申诉期内未收到申诉报告，则判定软件生产商存有作弊行为。
本实施例中，申述报告收到之后，组织技术人员对软件生产商所呈现的申诉报告进行判别，若申诉理由成立，则作弊行为不成立，若申诉理由不成立，则判定存有作弊行为。
本实施例中，与现有技术中，需要与渠道推广达到较长日期后才能发现留存率存在异常，并在短时间内即可形成分析结果，且不需要人工判断留存曲线，本发明可以套用在不同的主要功能分析上，使用范围广。
并且在对判定之后，提供有效的申诉期，以此可以实现减少判断的错误率，使得在对作弊监管的步骤上更加严谨，缜密。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种发现渠道作弊的方法，其特征在于，包括以下步骤：
S1：统计正常渠道在设置时间段内的访问位置的流量分布；其中，访问位置包括但不限制于手机应用软件按版块、兴趣、频道、主题、置顶位、作者、媒体等进行分类的位置；
S2：统计监测渠道的用户在设置时间段内的访问位置的流量分布；其中访问位置，包括但不限制于手机应用软件按版块、兴趣、频道、主题、置顶位、作者、媒体等进行分类的位置；
S3：将正常渠道在设置时间段内的访问位置的流量分布、监测渠道的用户在设置时间段内的访问位置的流量分布进行对比，判断正常渠道在设置时间段内的访问位置的流量分布、统计监测渠道的用户在设置时间段内的访问位置的流量分布是否相同；
S4：获取监测渠道访问所有位置的停留时长分布，判断监测渠道访问所有位置页面的停留时长分布变化是否连续，如不连续，则判断监测渠道存在作弊行为；
所述S4中，所述获取监测渠道的停留时长分布包括：划分停留时长的单位、区间；计算监测渠道在每个停留时长区间内的访问数量；计算监测渠道的总访问数量，以及在每个停留时长区分内的访问数量占总访问数量的比值，从而得到监测渠道的访问的停留时长分布；判断监测渠道的访问页面的停留时长分布是否连续；
所述判断监测渠道的访问页面的停留时长分布是否连续，判断为分布不连续需满足以下条件之一：假设共n个停留时长区间，停留时长按从小到大排列，第k个（1<k<n)停留时长的访问数量大于第一预设值，且大于第k-1个停留时长的访问数量乘以第k+1个停留时长的访问数量、再开根号、再乘以第二预设值；假设共n个停留时长区间，任何第k（1<=k<=n)个停留时长的访问数量占比大于第三预设值；
所述第一预设值来源于前期对大量作弊渠道的统计分析，当第K个停留时长的访问数量大于第一预设值时，比较第k-1个、第k个、第k+1个停留时长的访问数量才具有足够的数据支撑；
第二预设值来源于对前期对大量正常渠道的统计分析，第k个（1<k<n)停留时长的访问数量大于第k-1个停留时长的访问数量乘以第k+1个停留时长的访问数量、再开根号、再乘以第二预设值时，才能充分体现第k个停留时长的访问数量变化不连续、存在明显异常；
第三预设值来源于对前期对大量正常渠道的统计分析，当渠道在第k个停留时长的访问数量大于第三预设值时，说明该渠道的页面访问时长过分集中在单一停留时长上，不符合正常用户群体使用规律。
2.根据权利要求1所述的一种发现渠道作弊的方法，其特征在于，所述S1中，分别统计访问流量中各个位置的访问数量，在预先划分的各个停留时长的访问数量，根据访问流量各个位置的访问数量，计算总访问数量，以及在各个位置访问数量占总访问数量的比值，根据上述访问流量 在各个位置的访问数量，以及访问数量在在总访问数量的比值，汇总得到访问数量的按位置的访问数量分布。
3.根据权利要求1所述的一种发现渠道作弊的方法，其特征在于，所述S4中，若判定渠道监测存有作弊的行为，则可以启动整理系统，将判定的结果以报告的形式向软件生产商进行发送。
4.根据权利要求3所述的一种发现渠道作弊的方法，其特征在于，判定报告发送之日进行及时，设定5-7个工作日为软件生产商的申诉期，在申诉期内收到申诉报告之后，对申述报告进行整理、收集，若在申诉期内未收到申诉报告，则判定软件生产商存有作弊行为。
5.根据权利要求4所述的一种发现渠道作弊的方法，其特征在于，所述申述报告收到之后，组织技术人员对软件生产商所呈现的申诉报告进行判别，若申诉理由成立，则作弊行为不成立，若申诉理由不成立，则判定存有作弊行为。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911090244.2A CN111127070B (zh) | 2019-11-08 | 2019-11-08 | 一种发现渠道作弊的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911090244.2A CN111127070B (zh) | 2019-11-08 | 2019-11-08 | 一种发现渠道作弊的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111127070A CN111127070A (zh) | 2020-05-08 |
| CN111127070B true CN111127070B (zh) | 2023-08-11 |
Family
ID=70495709
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911090244.2A Active CN111127070B (zh) | 2019-11-08 | 2019-11-08 | 一种发现渠道作弊的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111127070B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112465549A (zh) * | 2020-11-30 | 2021-03-09 | 上海酷量信息技术有限公司 | 一种识别渠道作弊的系统和方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103605714A (zh) * | 2013-11-14 | 2014-02-26 | 北京国双科技有限公司 | 网站异常数据的识别方法及装置 |
| CN105760455A (zh) * | 2016-02-04 | 2016-07-13 | 腾讯科技（深圳）有限公司 | 广告点击的反作弊方法及装置 |
| CN107153971A (zh) * | 2017-05-05 | 2017-09-12 | 北京京东尚科信息技术有限公司 | 用于识别app推广中设备作弊的方法及装置 |
| CN108876464A (zh) * | 2018-06-27 | 2018-11-23 | 珠海市君天电子科技有限公司 | 一种作弊行为检测方法、装置、服务设备及存储介质 |
| CN109034906A (zh) * | 2018-08-03 | 2018-12-18 | 北京木瓜移动科技股份有限公司 | 广告转化的反作弊方法、装置、电子设备及存储介质 |
| CN109586990A (zh) * | 2017-09-29 | 2019-04-05 | 北京国双科技有限公司 | 一种识别作弊流量的方法及装置 |
| CN110097389A (zh) * | 2018-01-31 | 2019-08-06 | 上海甚术网络科技有限公司 | 一种广告流量反作弊方法 |
| CN110232597A (zh) * | 2019-06-14 | 2019-09-13 | 苏州开心盒子软件有限公司 | 广告渠道的评估方法、装置、设备和存储介质 |
| CN110348715A (zh) * | 2019-06-28 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 基于流量指标监测的渠道异常检测方法、装置和电子设备 |
-
2019
- 2019-11-08 CN CN201911090244.2A patent/CN111127070B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103605714A (zh) * | 2013-11-14 | 2014-02-26 | 北京国双科技有限公司 | 网站异常数据的识别方法及装置 |
| CN105760455A (zh) * | 2016-02-04 | 2016-07-13 | 腾讯科技（深圳）有限公司 | 广告点击的反作弊方法及装置 |
| CN107153971A (zh) * | 2017-05-05 | 2017-09-12 | 北京京东尚科信息技术有限公司 | 用于识别app推广中设备作弊的方法及装置 |
| CN109586990A (zh) * | 2017-09-29 | 2019-04-05 | 北京国双科技有限公司 | 一种识别作弊流量的方法及装置 |
| CN110097389A (zh) * | 2018-01-31 | 2019-08-06 | 上海甚术网络科技有限公司 | 一种广告流量反作弊方法 |
| CN108876464A (zh) * | 2018-06-27 | 2018-11-23 | 珠海市君天电子科技有限公司 | 一种作弊行为检测方法、装置、服务设备及存储介质 |
| CN109034906A (zh) * | 2018-08-03 | 2018-12-18 | 北京木瓜移动科技股份有限公司 | 广告转化的反作弊方法、装置、电子设备及存储介质 |
| CN110232597A (zh) * | 2019-06-14 | 2019-09-13 | 苏州开心盒子软件有限公司 | 广告渠道的评估方法、装置、设备和存储介质 |
| CN110348715A (zh) * | 2019-06-28 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 基于流量指标监测的渠道异常检测方法、装置和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111127070A (zh) | 2020-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8880604B2 (en) | Determination of a spammer through social network characterization | |
| US7609650B2 (en) | Collection of data at target wireless devices using data collection profiles | |
| US7551922B2 (en) | Rule based data collection and management in a wireless communications network | |
| US6754470B2 (en) | System and method for measuring wireless device and network usage and performance metrics | |
| US20110106942A1 (en) | Data collection associated with components and services of a wireless communication network | |
| CN111092852A (zh) | 基于大数据的网络安全监控方法、装置、设备及存储介质 | |
| EP2378712A1 (en) | System and method for measuring wireless device and network usage and performance metrics | |
| CN103336737B (zh) | 信息操纵系统及其实施的方法 | |
| CN108770017B (zh) | 一种无线资源动态均衡方法及系统 | |
| CN111010426A (zh) | 一种消息推送方法及装置 | |
| WO2014126576A2 (en) | Churn prediction in a broadband network | |
| CN111127070B (zh) | 一种发现渠道作弊的方法 | |
| CN101741974A (zh) | 一种终端及统计终端可加载模块使用率的方法 | |
| CN104333456A (zh) | 一种云计算环境下服务计费的方法及系统 | |
| CN102104847A (zh) | 基于流量和起呼区域的短消息监控方法 | |
| CN105429792A (zh) | 用户行为流量获取方法及装置、用户行为分析方法及系统 | |
| CN112351429B (zh) | 基于深度学习的有害信息检测方法及系统 | |
| CN113709060A (zh) | 一种基于大数据的手机短视频流量时延控制方法及系统 | |
| CN107181601A (zh) | 一种流量提醒方法及装置 | |
| CN106600300B (zh) | 应用程序用户粘度的分析方法及装置 | |
| CN110928750B (zh) | 数据处理方法、装置及设备 | |
| CN112396313B (zh) | 一种利用智能手表优化电话销售工作绩效的方法 | |
| CN115563082A (zh) | 一种基于实时话单大数据的诈骗号码识别方法和装置 | |
| CN109510903B (zh) | 一种识别国际诈骗号码的方法 | |
| CN103473312A (zh) | 一种独立的依据信息获取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |