进入数字广告时代后，流量的来去都可以实时监测了，但流量的质量成为了新的问题。有了广告技术加持的开放的数字广告生态允许任何规模的广告主和媒体参与其中，这也使得一些“不法分子”混入这个生态，并将各式各样的虚假流量带入并污染整个生态。

对于广告中的作弊流量有着很多版本的定义。但比较通用的标准是，当广告流量满足以下一个或多个特征时，就属于作弊流量：

非人类流量（如bots）；

不可见广告（如广告可见率即viewability指标为0）；

故意作假的广告投放。

……

当评估广告投放效果时，甄别作弊流量是营销也需要考虑的因素。不过，这背后需要广告主对于不同类型的作弊广告的产生原理都需要有较深的认识。而在现实中，品牌广告主中能做到这样的人当属凤毛麟角。

广告可见度：

广告可见度（Viewability，又名广告可见性、广告可视度），是指可见的广告曝光（Viewable Impression）占据这次投放中全部广告曝光的比例。

你可能会问，什么，难道广告还有“不可见的”吗？

答案是，确实存在不可见的幽灵广告。其中比较常见的做法是，作弊媒体将部分广告位隐藏起来，让它们既符合那些初级的监测指标规范，但又不会被人看到，比如：

广告堆叠（又称为曝光堆叠），具体做法是将一个广告隐藏在其他广告背后。这时，流量主所拥有的单个PV（Page View）将会产生多次曝光，但是能够被肉眼所看到的广告，始终只有最顶部的那一个。

像素填充，也是一种为屏幕上从未实际显示的广告提供信用背书的策略。具体做法是在看不到的iFrame，即1×1像素中加载广告，然后包装在一个小区域里。即使这个广告位是不可见的，它仍然能为第三方监测带来一个曝光或点击。

甄别作弊流量是优化广告可见度和品牌安全的第一步，因为存在作弊流量，广告的效果评估和优化便无从谈起。要想识别这些问题流量，就需要在传统的第三方广告监测之外，引入另一类型的裁判。这类裁判统称为“广告验证”方。笔者曾经使用过的、市场上较为成熟的广告验证工具厂商包括：Sizmek和Integral Ad Science（IAS），还有本人尚未使用过的Pixalate。它们的算法都能发现这类不可见流量，从而形成广告可见度的指标报告。

实际上，对广告可见性的判断，背后涉及对多种相关影响因素的不断深入的了解，比如如何定义可记录曝光（Recordable Impression）、如何甄别网站或移动应用的布局及其广告尺寸设置情况、如何把握用户浏览行为和不同内容网站中不同用户互动行为对广告可见性的影响…… 因此，世界权威组织IAB（Interactive Advertising Bureau，美国互动广告局）和MRC对于广告可见度的定义也一直在演进中。

点击率分布曲线：

在每一个广告投放之前，广告主都可以考虑设置对每个媒体中广告活动的用户点击率分布的监控。点击率分布曲线只适合当做对流量异常的监控指标，并不适合做为投放要求进行考核。

能够影响点击率的因素很多，而每次营销者的广告投放活动往往是跨时间、跨内容、跨媒体、跨平台、多种创意素材结合使用的综合投放行为，所以点击率在不同的时间、不同的内容、不同的媒体、不同的平台、不同的广告创意素材，都有可能呈现出完全不一样的表现。因此，无法约束广告必须投放出百分之多少的点击率，只能根据不同维度下的点击率分布曲线来鉴别流量的质量问题。

访问停留时长：

广告活动落地页用户访问停留时长也是一个非常有用的指标，这个指标与点击率分布曲线一样，属于监控指标，而不是一种硬性要求。用户点击广告之后来到活动落地页面，有一定的比例并不会在落地页面停留太久就会将其关闭，还有一定的比例会在落地页面产生很多后续行为，比如鼠标的活动轨迹、再次点击行为、输入框的输入动作，等等。(www.daowen.com)

如果较大比例的用户在点击广告之后，停留在落地页几小时不动，这可能就不太符合人类的行为规律。在这种情况下，广告主应及时对媒体选择和预算分布比例做出反应。

流量分布曲线：

当营销计划是有时间要求的时候，广告主可以要求时间定向投放，即对广告投放的时段和各时段的任务量设定具体的要求，这时就需要监测广告活动中的用户24小时流量分布曲线。

比如跟随大型版权电视剧内容而策划的营销活动，往往可以配合电视剧播出之前和之后的时段进行集中投放，类似这样的营销推广活动，营销者可以通过给不同的流量主设置不同的24小时流量分布曲线的要求，来让广告投放预算花得更有效率。

此外，通过查看各媒体的流量分布曲线，并对比媒体的用户浏览习惯，也可以对各个媒体的流量质量进行多一个维度的判断。比如一个美妆媒体的流量明显集中在凌晨2～7点，是不符合它的用户浏览行为规律的。这时，广告主也应及时提高警惕，从更多维度查看它的流量质量情况。

客户端比例分布：

随着智能设备种类的快速增多，在广告活动设计阶段选择定向特定的客户端（如只投放给数字电视端，或只投放给iPhone设备用户），也已成为常见的做法。这时，广告主就需要监测不同客户端的投放比例分布。

同理，通过查看用户的客户端比例分布，并对比各媒体的用户浏览场景和设备习惯，也可以对媒体的流量质量进行多一个维度的判断。比如，广告主选择在一个APP中投放广告，而这个APP并没有平板电脑的版本，却在客户端比例分布中出现了5%的iPad客户端数据；或广告主选择在一个手机游戏中投放广告，却在监测报告中发现了一定比例的PC客户端数据…… 遇到这种情况，广告主也应该调取更多维度的数据，来判定这背后是否存在流量质量问题。

操作系统比例分布：

广告活动的用户操作系统比例分布同样具备这样的双重功效：营销者既可以设计只针对某种操作系统用户进行定向广告投放，也可以根据广告投放后用户操作系统的分布比例来监测流量的质量情况。

在实际执行过程中，由于操作系统与用户习惯之间的关联关系并不是特别直接，所以这一指标的功能往往更偏向于后者，即对流量质量的辅助判断。

联网方式比例分布：

广告活动中的用户联网方式定向，也是营销者经常使用的精准投放定向方式之一。用户联网方式主要分为Wifi路由器联网和移动网络联网（如3G、4G）两种，当广告主设计广告展示的具体场景时，有时需要将场景对应到流量的选择上，甚至可以根据不同的联网方式（也就是不同的网速）来设计不同的传播内容。

比如，当广告创意是复杂而数据量大的炫酷特效，需要网速快的环境才能正常打开时，可以考虑定向那些使用Wifi路由器联网的用户进行投放。而针对身处上下班高峰时间的、移动网络中的用户来说，他们往往没有太多耐心去等待一个广告创意的打开，这时可以考虑选择使用一个简化的创意版本进行投放。

同样的，通过查看广告曝光的用户的联网方式比例分布，并对比所投放时间的用户浏览场景和设备习惯，也能形成对媒体的流量质量的进一步判断。例如，广告投放时间是半夜时段，而监测报告却显示有很大比例的移动网络联网用户，这可能暗示了流量背后存在某种问题。

浏览器比例分布：

广告活动用户的浏览器比例分布数据，更多应用于对流量质量的监测用途。

但是也有特殊情况，比如有些广告战役需要让硬广投放与微信公众号、腾讯社交广告平台上的营销活动进行联动，这时广告主可能会考虑定向腾讯QQ浏览器的用户进行广告投放，因为只有在腾讯系的浏览器里展示广告，才能通过腾讯的内部账号或设备数据体系，将用户在浏览器里的行为与腾讯社交体系数据进行打通。在这种情况下，广告主就需要增加对广告投放数据中的浏览器比例分布的考核要求。