文/罗曼罗

运营人员可能会遇到的事情：做渠道投放的时候，每个渠道都投放了，点击量特别高，但是激活量却只有个位数。点击量和激活数量都很高，但是留存率却很低。花了大量费用在渠道投放上，但是效果却并不好。

其实，在移动互联网生态中存在很多不为人知的渠道“刷量”工作室，这些工作室以非常低廉的价格贡献质量同样低廉的用户数据，这给 App 生态圈带来了很多恶意后果。面对“刷量”，运营人员往往在虚假数据面前束手无策。那么，“刷量”到底是怎么进行的？在运营过程中我们要怎样去判断数据是否有“水分”？

一、关于“刷量”

早期的统计分析平台的 SDK 基于明文的 json 数据包，工作室可以很方便的用程序伪造这些数据包，模拟出新增、活跃、留存、时长等用户数据。随着统计分析平台的发展，很多分析平台推出了基于二进制协议的 SDK ，开发人员还可以自行调用加密开关。这些技术的提升使统计平台的安全性和数据准确性得到了提高。如果 App 升级到安全协议版本的 SDK，刷量工作室已经很难采用直接模拟数据包的形式来刷量了。

所谓道高一尺魔高一丈，平台有平台的方法，刷量工作室有刷量的方式。他们可能是采用分布式人肉刷量的方式来刷量（形式可以参考基于任务的积分墙）；也有可能是采用更为智能的方式，通过编写程序脚本，修改真机参数，驱动真机运行（有兴趣的同学可以了解一下 igrimace 这个 iOS 的刷量工具）。这些行为已经跟真实的用户行为几乎没有差别了，统计平台也很难从技术上分辨这些数据。

那么，有什么办法能识别这些虚假数据呢？一些有经验的运营人员，会通过渠道效果评估的数据指标和反作弊模块两方面来分辨出真假用户的差异。同时，友盟新出的用户评级产品，通过设备在友盟数据平台的全局行为来评估渠道用户质量的好坏。下面，我们来仔细分析，如何通过这些指标和工具来辨别真假用户。

二、如何识别“刷量”数据

1、渠道效果评估

1.1、留存率

有时候渠道“刷量”会选择在次日、7 日、30 日这些重要时间点上导入用户数据。我们会发现 App 在次日、7 日、30 日这些关键时间点上的数据明显高于其他时间点。其实真实的用户的留存曲线是一条平滑的指数衰减曲线，如果你发现你的留存曲线存在陡升陡降的异常波动，基本上就是渠道干预了数据。可想而知，这样的用户的质量是非常差的，也不具备商业价值。