CN112465549A - 一种识别渠道作弊的系统和方法 - Google Patents
一种识别渠道作弊的系统和方法 Download PDFInfo
- Publication number
- CN112465549A CN112465549A CN202011369463.7A CN202011369463A CN112465549A CN 112465549 A CN112465549 A CN 112465549A CN 202011369463 A CN202011369463 A CN 202011369463A CN 112465549 A CN112465549 A CN 112465549A
- Authority
- CN
- China
- Prior art keywords
- cheating
- channel
- module
- channels
- advertisement
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 38
- 230000006399 behavior Effects 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 239000006185 dispersion Substances 0.000 claims 1
- 230000006872 improvement Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000014759 maintenance of location Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000004308 accommodation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012857 repacking Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013209 evaluation strategy Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G06Q30/0241—Advertisements
- G06Q30/0248—Avoiding fraud
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种识别渠道作弊的系统，其特征在于：包括收集模块、分类模块、标准模块和评价模块；所述收集模块，用于获取各个广告当日的投放数据，包括展示数、点击数、点击率、转化数和转化率；所述分类模块，用于对各广告的投放数据按渠道商汇总，并按行业和地区分为不同的组；其中，相同的行业和地区的渠道划分为同一组；所述标准模块，用于根据剔除作弊渠道后的投放数据制定并更新各组的不同时间内的标准参数；所述评价模块，用于根据所述标准参数评价各渠道商是否有作弊行为，并将有作弊作为的渠道标记为作弊渠道。本发明通过对不同渠道总体指标的评估，识别出作弊渠道，减小到新的作弊手段的时滞性。
Description
技术领域
本发明涉及互联网广告技术领域，尤其涉及一种识别渠道作弊的系统和方法。
背景技术
在互联网广告领域，作弊手段越来越丰富。而现有的技术手段主要通过对单个广告的展示、点击、转化的真实性进行判断，通过对单个的广告作弊行为发现来评价渠道的作弊行为，但这种方式对于新的作弊方案无法及时发现，存在滞后性。例如，某方案在投放第一广告前，根据在渠道的历史广告中确定与第一广告相似的第二广告，并预估第一广告在渠道的第一作弊风险评分，根据第一作弊风险评分确定第一广告的投放渠道；在第一广告在投放渠道的投放过程中，确定第一广告的第二作弊风险评分，并根据第一广告的第二作弊风险评分优化流量；第一广告在投放渠道的投放完成后，根据评估的第一广告的第三作弊风险评分和与第一广告有关的广告主历史扣款数据预估第一广告的扣款比例。
还有的技术方案以渠道用户的留存率判断是否存在作弊，但是这对于数据的时滞性比较长，而且增大了采集数据的周期。比如，某方案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。
发明内容
本发明所要解决的技术问题在于，提供一种识别渠道作弊的系统和方法，通过对不同渠道总体指标的评估，识别出作弊渠道，减小到新的作弊手段的时滞性。
为了解决上述技术问题，本发明提供了一种识别渠道作弊的系统，包括收集模块、分类模块、标准模块和评价模块；
所述收集模块，用于获取各个广告当日的投放数据，包括展示数、点击数、点击率、转化数和转化率；
所述分类模块，用于对各广告的投放数据按渠道商汇总，并按行业和地区分为不同的组；其中，相同的行业和地区的渠道划分为同一组；
所述标准模块，用于根据剔除作弊渠道后的投放数据制定并更新各组的不同时间内的标准参数；
所述评价模块，用于根据所述标准参数评价各渠道商是否有作弊行为，并将有作弊作为的渠道标记为作弊渠道。
作为上述方案的改进，所述渠道是指多级渠道，既包括代理的一级渠道，也包括所述一级渠道下属的各级渠道。
在上述技术方案中，通过对多级渠道进行评价，实现了对最小作弊单元的精准定位，从而使得作弊行为的影响最小化，使得广告主的优质渠道的利益都得到保证。
作为上述方案的改进，所述不同时间既指一天内的不同的时间段，又指一年内的不同时段。
在上述技术方案中，一天内不同的时间段内用户的行为会发生变化，从而导致对广告的响应行为数据发生变化。而一年内的不同时段内，人们的行为也会发生变化，尤其是节假日的影响，更会对人们对于某一类广告的响应产生巨大的影响。通过充分考虑一天内的不同的时间段和一年内的不同时段对人们行为的影响，可以实现对渠道行为数据更加精确的测量与衡量。
作为上述方案的改进，所述标准模块既考虑不同的行业的比较关系，又考虑不同地区的比较关系。
在上述技术方案中，考虑不同行业和不同地区的影响，标准模块设置各组的标准参数的基数。通过对不同行业和不同地区的横向比较，实现各个地区数据的自动调整，从而将过高的数据可以自动筛选出来，实现系统的自动适应。
作为上述方案的改进，所述评价模块只对点击数或转化数达到一定值的渠道商进行评价。
在上述技术方案中，考虑到小微渠道数据较少，点击率和转化率数据偏离正常范围，容易被误判，因此不纳本评价中。从另一方面讲，作弊行为需要有一定的量才能够涵盖作弊成本，因此，过小的点击数或转化数不具有作弊的可能性。评价模块在对渠道商进行评价时，依据广告结算方式从展示数、点击数、点击率、转化数和转化率中选择一种或两种进行评价。
作为上述方案的改进，所述评价模块根据各组的数据离散情况设置离散阈值，并将渠道与标准参数相比偏离超过离散阈值的渠道判定为有作弊行为。
在上述技术方案中，如果各组中渠道商数据集中度高，则阈值设置较小。如果各组中渠道商数据集中度低，则阈值设置较大。根据数据离散情况设置离散阈值的方式可以保证数据的自适应性，并且更好地将异常数据进行识别。
作为上述方案的改进，各组的所述离散阈值并不都相同。
在上述技术方案中，各组的离散阈值根据各组和数据特征确定。同一行业，不同地区的各组之间的离散阈值可能不同；同一地区，不同行业的各组之间的离散阈值也可能不同。离散阈值不能超过预设的上限。
作为上述方案的改进，所述行业分类中至少包括游戏行业。
在上述技术方案中，行业分类方法有很多，但游戏行业是本系统中存在的一个分类。游戏行业因为其高重复安装率等特点，使其数据明显不同于其他行业。因此，该划分可以提高本系统的精确性。
作为上述方案的改进，如果渠道商有一个指标符合作弊行为要求，则判定该渠道商具有作弊行为。
在上述技术方案中，由于作弊方法多种多样，所以每个数据都存在异常的可能性。这种设置可以使得多种作弊手段均可以被识别出来。
相应地，本发明还提供了一种识别渠道作弊的方法，包括如下步骤。
A.使用上述的收集模块获取各个广告当日的投放数据，包括展示数、点击数、点击率、转化数和转化率。
在本步骤中，收集各个广告的关键指标，用以后续的评价，并且可以针对不同的广告结算方式针对性的选择展示数、点击数、点击率、转化数和转化率中的部分指标。这种方式对于各种广告都具有比较好的适应性。
B.使用上述的分类模块对各广告的投放数据按渠道商汇总，并按行业和地区分为不同的组；其中，相同的行业和地区的渠道划分为同一组。
在本步骤中，行业和地区是渠道数据具有区别的客观因素，通过将具有相同客观因素的渠道分为同一组的方式，使得各渠道商之间具有了更好的可比性，也可以通过对这些群体的分析比较进行评判。
C.使用上述的标准模块根据剔除作弊渠道后的数据制定并更新各组的不同时间内的标准参数。
在本步骤中，根据真实渠道数据的信息制定标准参数。本方法第一次运行时，没有作弊渠道，而在之后运行时，则将步骤D中识别出的作弊渠道剔除，从而保证了数据的及时性。
D. 使用上述的评价模块根据所述标准参数评价各渠道商是否有作弊行为，并将有作弊作为的渠道标记为作弊渠道。
在本步骤中，根据步骤C中的标准参数对各个渠道商进行评价。评价的对象包含之前有作弊行为的渠道商。
实施本发明，具有如下有益效果。
本发明通过对广告投放关键数据的收集，减少了评价渠道商的广告投放质量的关键指标，减少了数据干扰，同时减少了服务器的负荷。本发明通过对行业和地区的分类，使得对广告投放的外部因素得以去除，从而可以对各组内的数据进行整合分析、评价。本发明以优质渠道的广告数据制定标准，使得标准更加准确，筛选效果更佳。
附图说明
图1是本发明一种识别渠道作弊的系统的第一实施例结构示意图。
图2是本发明一种识别渠道作弊的方法的第一实施例流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
如图1所示的本发明第一实施例，提供了一种识别渠道作弊的系统，包括收集模块100、分类模块200、标准模块300和评价模块400。
收集模块100，用于获取各个广告当日的投放数据，包括展示数、点击数、点击率、转化数和转化率。
具体地说，系统根据不同的广告结算方式选择不同的投放数据进行收集。
1.CPM（cost pre Impressions）：每千次广告展示费用。一般适用于品牌广告投放，主要曝光，一般这类结算方式的广告位对应的位置也比较显眼和突出。这类广告以展示数为主要指标，因此收集的投放数据就是展示数。
2.CPC（Cost Per Click）：每次点击广告费用；一般用户转化或者精准以及原生广告中，或者竞价类广告；这类广告以点击付费，因此收集的投放数据就是点击数和点击率。
3.CPA（Cost Per Action）：按照每次行为来计费；比如一次下载，比如填写表单等等；一般用于市场活动，推广转化等；也有少部分用来辅助销售用，比如获取一次电话请求。这类广告以转化付费，因此收集的数据就是转化数和转化率。
4.CPS（Cost Per Sale）：按照交易转化结果来计费；这一般用于电商类有明确转化的，或者金融类，游戏类有转化后明确成交的，往往不是一次性付费，而是转化成功后付费一次，有的媒体还会参与；比如游戏用户转化后在游戏里面付费的利润的一半分成；这类广告虽然是按效果付费，但是作弊过程依然要以转化行为对应，因此收集的数据就是转化数和转化率。
5.CPD/CPT（Cost Per Day）：按照一个时间周期来结算的方式，在固定周期内不管多少点击和展示这个广告就都是广告主的；一般也是应用于品牌投放和高曝光；这类广告对展示和点击两种方式都有涉及，因此收集的数据就是展示数、点击数、点击率、转化数和转化率。
收集模块100在收集到广告当日的投放数据后，还会与广告对应的配置数据进行匹配，并添加广告对应的渠道商、行业、地区信息。同一个广告可以对应多个渠道商和多个地区，但只能对应一个行业。收集模块100对行业分类，将广告分为游戏、影音娱乐、实用工具、社交通讯、教育、新闻阅读、拍摄美化、美食、出行导航、旅游住宿、购物比价、商务、儿童、金融理财、运动健康、便捷生活、汽车等17个分类。这17个分类涵盖了广告推广中所有的广告类型。而由于各个行业的特点不同，可以根据其行业特点制定相应的评估策略。比如，据移动数据分析公司Tune的分析显示，App下载量中有近30%是卸载再重装的。Tune还发现，对于特定的App类别，尤其是那些对用户而言有短期需求的 App，如旅游类 App 和约会类App，它们的重装率都比较高。此外，游戏类 App 的重装率往往高于非游戏类 App。
分类模块200，用于对各广告的投放数据按渠道商汇总，并按行业和地区分为不同的组；其中，相同的行业和地区的渠道划分为同一组。
具体地说，如果广告A投放行业为游戏行业，投放地区为中国、美国和日本；广告B投放行业为游戏行业，投放地区为中国、美国、英国；广告C投放行业为美食，投放地区为中国、美国、日本。则分类模块200比较行业后发现广告A和广告B均为游戏行业，而广告C为美食行业，则广告A和广告B有可能出现在同一组中。再比较投放地区，广告A和广告B在中国和美国均有投放，因此广告A和广告B出现在“游戏+中国”的组中，同时也出现在“游戏+美国”的组中。渠道是指多级渠道，既包括代理的一级渠道，也包括所述一级渠道下属的各级渠道。比如渠道a下属两个子渠道b和c，则广告A会被同时标上渠道a和其子渠道b的标签。
标准模块300，用于根据剔除作弊渠道后的投放数据制定并更新各组的不同时间内的标准参数。
具体地说，标准模块300依据优质渠道的投放数据对各组数据进行计算，得出各组的平均数作为标准参数，并且标准参数是随时间而变化的。标准参数既随一天之内的时间变化 ，又随一年之中不同的时间而变化。比如组M的标准参数为m，则上午8：00-9：00之间的m为980，而下午8：00-9：00之间的m变更为1500。这是由于人们白天忙于工作和学习，并处于紧张的状态，导致各类数据值较低，而当晚上人们工作完成或者学习结束时，拥有大量的时间并处于放松状态，广告对人们的吸引力增加，导致数据上升。同样的，周末时，人们的状态与工作日不相同，也会导致广告的吸引力上升。更典型地，当国庆长假来临时，人们会提前制定出行计划，并关注出行导航、游戏住宿类的产品，从而导致上述两个行业的广告数据在长假前明显上升。另外，由于不同国家的发展水平阶段不同，人们的行为习惯存在着区域化的特征。比如，在智能机刚普及的发展中国家，人们的手机内存往往不足，当人们需要下载一个新的APP时，往往需要对已有APP进行删除，这导致广告效果下降，因此该国家的标准参数小于发达国家。
评价模块400，用于根据所述标准参数评价各渠道商是否有作弊行为，并将有作弊作为的渠道标记为作弊渠道。
具体地说，比率数据只有在一定的数量的基础上才具有意义，因为点击数或转化数过小的数据误差较大，尤其是点击率和转化率的数据异常，容易导致误判，所以评价模块400只对点击数或转化数达到一定值的渠道商进行评价。评价模块400采用标准参数+离散阈值的方法设定正常的范围，并将超出范围的的值的渠道标记为作弊渠道。比如标准参数为1000，离散阈值为120，则正常范围为【880,1120】。各组的所述离散阈值并不都相同。同一行业，不同地区的各组之间的离散阈值可能不同；同一地区，不同行业的各组之间的离散阈值也可能不同。各个行业都设置离散阈值的上限，离散阈值不能超过预设的上限。如果渠道商有一个指标符合作弊行为要求，则判定该渠道商具有作弊行为。当渠道商在一个地区有作弊行为时，判定该渠道商在所有地区具有作弊行为。这是由于渠道由在一个地区有作弊行为，则说明其反作弊手段低劣，不能识别并处理掉作弊流量，并且较大概率地使得该作弊方法在其他地区重复。
相应地，如图2所示，本发明还提供了一种识别渠道作弊的方法，包括如下步骤。
S1.使用上述的收集模块获取各个广告当日的投放数据，包括展示数、点击数、点击率、转化数和转化率。
在本步骤中，按照当地时间对广告数据进行收集处理，这样可以使得全球范围内的数据处理间隔开来，不会因为对全球数据的同时处理增大服务器的负荷，甚至宕机。另外，由于人们活动的规律性，以一个自然日的方式进行数据收集，可以保证数据的连续性，规避不同日期的数据波动导致的数据异常。本方法收集数据时，集中在当地时间12：00，此时当地大部分人们都已经入睡，而当地的广告数据处于低谷，使得数据的处理并不会影响正在进行中的业务。
S2.使用上述的分类模块对各广告的投放数据按渠道商汇总，并按行业和地区分为不同的组；其中，相同的行业和地区的渠道划分为同一组。
在本步骤中，一个渠道商可以分在多个组中，这样可以实现一个地区和行业内所有符合条件的渠道商进行汇总和评估。本步骤中渠道的数据包含上步骤S1中收集的数据和广告投放中的投放区域及渠道商数据。
S3.使用上述的标准模块根据剔除作弊渠道后的数据制定并更新各组的不同时间内的标准参数。
在本步骤中，标准参数根据步骤S1中的投放数据制定。比如投放数据有点击数、点击率，则标准参数包括点击数的标准参数和点击率的标准参数。本步骤中的渠道商数据是剔除掉步骤S4中标记为作弊渠道后的数据，因而具有较高的质量。
S4. 使用上述的评价模块根据所述标准参数评价各渠道商是否有作弊行为，并将有作弊作为的渠道标记为作弊渠道。
在本步骤中，被标记为作弊渠道的渠道商会保留一段时间的作弊标签，并在经过这段时间后取消作弊标签，并进行重新评估。当一个渠道商每次标记为作弊渠道时，该作弊标签持续的时间都比上一次的作弊标签持续的时间翻倍。
在本实施例中，未描述部分与上一实施例中相同，不再赘述。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种识别渠道作弊的系统，其特征在于：包括收集模块、分类模块、标准模块和评价模块；
所述收集模块，用于获取各个广告当日的投放数据，包括展示数、点击数、点击率、转化数和转化率；
所述分类模块，用于对各广告的投放数据按渠道商汇总，并按行业和地区分为不同的组；其中，相同的行业和地区的渠道划分为同一组；
所述标准模块，用于根据剔除作弊渠道后的投放数据制定并更新各组的不同时间内的标准参数；
所述评价模块，用于根据所述标准参数评价各渠道商是否有作弊行为，并将有作弊作为的渠道标记为作弊渠道。
2.如权利要求1所述的一种识别渠道作弊的系统，其特征在于，所述渠道是指多级渠道，既包括代理的一级渠道，也包括所述一级渠道下属的各级渠道。
3.如权利要求1所述的一种识别渠道作弊的系统，其特征在于，所述不同时间既指一天内的不同的时间段，又指一年内的不同时段。
4.如权利要求1所述的一种识别渠道作弊的系统，其特征在于，所述标准模块既考虑不同的行业的比较关系，又考虑不同地区的比较关系。
5.如权利要求1所述的一种识别渠道作弊的系统，其特征在于，所述评价模块只对点击数或转化数达到一定值的渠道商进行评价。
6.如权利要求1所述的一种识别渠道作弊的系统，其特征在于，所述评价模块根据各组的数据离散情况设置离散阈值，并将渠道与标准参数相比偏离超过离散阈值的渠道判定为有作弊行为。
7.如权利要求6所述的一种识别渠道作弊的系统，其特征在于，各组的所述离散阈值并不都相同。
8.如权利要求1所述的一种识别渠道作弊的系统，其特征在于，所述行业分类中至少包括游戏行业。
9.如权利要求1所述的一种识别渠道作弊的系统，其特征在于，如果渠道商有一个指标符合作弊行为要求，则判定该渠道商具有作弊行为。
10.一种识别渠道作弊的方法，其特征在于，包括：
A.使用如权利要求1-9任一项所述的收集模块获取各个广告当日的投放数据，包括展示数、点击数、点击率、转化数和转化率；
B.使用如权利要求1-9任一项所述的分类模块对各广告的投放数据按渠道商汇总，并按行业和地区分为不同的组；其中，相同的行业和地区的渠道划分为同一组；
C.使用如权利要求1-9任一项所述的标准模块根据剔除作弊渠道后的数据制定并更新各组的不同时间内的标准参数；
D. 使用如权利要求1-9任一项所述的评价模块根据所述标准参数评价各渠道商是否有作弊行为，并将有作弊作为的渠道标记为作弊渠道。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011369463.7A CN112465549A (zh) | 2020-11-30 | 2020-11-30 | 一种识别渠道作弊的系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011369463.7A CN112465549A (zh) | 2020-11-30 | 2020-11-30 | 一种识别渠道作弊的系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112465549A true CN112465549A (zh) | 2021-03-09 |
Family
ID=74804801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011369463.7A Pending CN112465549A (zh) | 2020-11-30 | 2020-11-30 | 一种识别渠道作弊的系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112465549A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110335086A (zh) * | 2019-07-10 | 2019-10-15 | 西安点告网络科技有限公司 | 广告反作弊的方法和装置 |
| CN113592547A (zh) * | 2021-07-29 | 2021-11-02 | 上海苍苔信息技术有限公司 | 一种渠道送量激励方法和系统 |
| CN113657931A (zh) * | 2021-08-14 | 2021-11-16 | 杭州推盟网络科技有限公司 | 一种互联网广告业务渠道资源综合处理系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106372959A (zh) * | 2016-08-22 | 2017-02-01 | 广州图灵科技有限公司 | 一种基于互联网的用户访问行为数字营销系统及方法 |
| CN106612202A (zh) * | 2015-10-27 | 2017-05-03 | 网易（杭州）网络有限公司 | 一种网游渠道刷量的预估判别方法及系统 |
| 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 |
| CN109034867A (zh) * | 2018-06-21 | 2018-12-18 | 腾讯科技（深圳）有限公司 | 点击流量检测方法、装置及存储介质 |
| 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 |
| CN109561052A (zh) * | 2017-09-26 | 2019-04-02 | 北京国双科技有限公司 | 网站异常流量的检测方法及装置 |
| 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 |
| CN110210886A (zh) * | 2018-05-31 | 2019-09-06 | 腾讯科技（深圳）有限公司 | 识别虚假操作方法、装置、服务器、可读存储介质、系统 |
| US20200126114A1 (en) * | 2018-10-17 | 2020-04-23 | Ku-Chang Kuo | Blockchain-Based Advertising Delivering and Evaluation Method |
| CN111127070A (zh) * | 2019-11-08 | 2020-05-08 | 广州坚和网络科技有限公司 | 一种发现渠道作弊的方法 |
| CN111861585A (zh) * | 2020-08-03 | 2020-10-30 | 上海酷量信息技术有限公司 | 一种广告多级渠道商流量跟踪系统和方法 |
| CN111985948A (zh) * | 2019-05-22 | 2020-11-24 | 上海鸿标文化传播有限公司 | 一种移动广告数据自动跟踪监测平台 |
-
2020
- 2020-11-30 CN CN202011369463.7A patent/CN112465549A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106612202A (zh) * | 2015-10-27 | 2017-05-03 | 网易（杭州）网络有限公司 | 一种网游渠道刷量的预估判别方法及系统 |
| CN106372959A (zh) * | 2016-08-22 | 2017-02-01 | 广州图灵科技有限公司 | 一种基于互联网的用户访问行为数字营销系统及方法 |
| 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 |
| CN109561052A (zh) * | 2017-09-26 | 2019-04-02 | 北京国双科技有限公司 | 网站异常流量的检测方法及装置 |
| 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 |
| CN110210886A (zh) * | 2018-05-31 | 2019-09-06 | 腾讯科技（深圳）有限公司 | 识别虚假操作方法、装置、服务器、可读存储介质、系统 |
| CN109034867A (zh) * | 2018-06-21 | 2018-12-18 | 腾讯科技（深圳）有限公司 | 点击流量检测方法、装置及存储介质 |
| 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 |
| US20200126114A1 (en) * | 2018-10-17 | 2020-04-23 | Ku-Chang Kuo | Blockchain-Based Advertising Delivering and Evaluation Method |
| CN111985948A (zh) * | 2019-05-22 | 2020-11-24 | 上海鸿标文化传播有限公司 | 一种移动广告数据自动跟踪监测平台 |
| CN111127070A (zh) * | 2019-11-08 | 2020-05-08 | 广州坚和网络科技有限公司 | 一种发现渠道作弊的方法 |
| CN111861585A (zh) * | 2020-08-03 | 2020-10-30 | 上海酷量信息技术有限公司 | 一种广告多级渠道商流量跟踪系统和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 余慧佳;刘奕群;张敏;马少平;茹立云;: "基于目的分析的作弊页面分类", 中文信息学报, no. 02 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110335086A (zh) * | 2019-07-10 | 2019-10-15 | 西安点告网络科技有限公司 | 广告反作弊的方法和装置 |
| CN113592547A (zh) * | 2021-07-29 | 2021-11-02 | 上海苍苔信息技术有限公司 | 一种渠道送量激励方法和系统 |
| CN113657931A (zh) * | 2021-08-14 | 2021-11-16 | 杭州推盟网络科技有限公司 | 一种互联网广告业务渠道资源综合处理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10915924B1 (en) | Advertising futures marketplace methods and systems | |
| CN112465549A (zh) | 一种识别渠道作弊的系统和方法 | |
| JP5662446B2 (ja) | リアルタイム広告入札に対して競争評価モデルを使用するための学習システム | |
| Lu | Predicting customer churn in the telecommunications industry––An application of survival analysis modeling using SAS | |
| US9824367B2 (en) | Measuring effectiveness of marketing campaigns across multiple channels | |
| EP2836976A1 (en) | System, method and computer program for providing qualitative ad bidding | |
| Dullaghan et al. | Integration of machine learning techniques to evaluate dynamic customer segmentation analysis for mobile customers | |
| CN107679920A (zh) | 一种广告的投放方法和装置 | |
| Tsai et al. | Informational and noninformational advertising content | |
| Polydoropoulou et al. | Willingness to pay for advanced traveler information systems: SmarTraveler case study | |
| WO2004107232A1 (ja) | コンタクトポイント・ナビゲーション・システム及びその方法又はその方法を記録した記録媒体及びその方法を伝送する伝送媒体 | |
| CN112488756A (zh) | 一种根据时间维度自动选择广告的系统和方法 | |
| CN111861585A (zh) | 一种广告多级渠道商流量跟踪系统和方法 | |
| Tsai et al. | Non-informational advertising informing consumers: How advertising affects consumers’ decision-making in the US auto insurance industry | |
| He et al. | Consumer engagement in energy markets: The role of information and knowledge | |
| Kim et al. | Effects of degrees of acceptance and awareness on a rate system for lowering mobile bills | |
| CN112488760A (zh) | 一种根据时间维度自动选择非实时广告的系统和方法 | |
| CN111178934A (zh) | 获取目标对象的方法及装置 | |
| Chaudhari et al. | Impact of free app promotion on future sales: A case study on Amazon Appstore | |
| Robertshaw et al. | An empirical measure of the availability, completeness and reliability of voluntarily disclosed personal information for direct marketing purposes | |
| Bruner et al. | Predicting innovativeness: Development of the technology adoption scale | |
| Jeon et al. | Non-Monotonic Effects of Financial Incentives on Mobile App Engagement | |
| CN118037460A (zh) | 一种保险产品的评测方法及系统 | |
| Poutanen | Analysis of online advertisement performance using Markov chains | |
| US20050209908A1 (en) | Method and computer program for efficiently identifying a group having a desired characteristic |
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 | ||
| CB02 | Change of applicant information |
Address after: Room 313-319, 3rd floor, building 3, room 418-420, 4th floor, 283 Jianguo West Road, Xuhui District, Shanghai 200031 Applicant after: Shanghai kuliang Technology Co.,Ltd. Address before: Room 313-319, 3rd floor, building 3, room 418-420, 4th floor, 283 Jianguo West Road, Xuhui District, Shanghai 200031 Applicant before: Shanghai kuliang Information Technology Co., Ltd |
|
| CB02 | Change of applicant information |