出海广告投放和游戏买量的朋友大概都遇到过同一个困境:报表里的展示和点击数据很好看,转化却对不上账。排查到最后,相当一部分损耗来自无效流量(IVT)——数据中心伪装的展示、代理池刷出来的点击、受感染设备触发的归因事件。
IVT 过滤的核心难点在于:作弊方要骗过的恰恰就是检测系统。普通机房 IP 的特征已经被大部分商业库覆盖,但住宅代理和受感染设备组成的僵尸网络,在基础查询里看起来就是“本地真人”。所以 IP 解决方案的价值不在于“查一下这个 IP 在哪”,而在于判断这个 IP 背后的环境是否具备产生真实用户行为的条件。
这篇文章从工程落地的角度,拆解出海场景下 IVT 过滤的 IP 方案设计,重点讲清楚字段怎么选、部署形态怎么定、以及和广告平台自带过滤的关系。
如果团队之前做过游戏反作弊,直接照搬 IP 方案到广告 IVT 过滤会踩坑。两个场景对 IP 数据的要求差异明显:
延迟要求两极分化。投后审计对延迟完全不敏感,每天把投放日志离线跑一遍就行;但竞价前过滤要在 RTB 的几毫秒内完成判定,这时候只能走本地部署的离线库,在线 API 根本赶不上超时窗口。
对手的技术层次不同。游戏灰产多用机房和秒拨池,特征相对明显;广告流量作弊的主力是住宅代理和受感染设备组成的僵尸网络,因为它们要骗过的就是 IP 检测系统。这决定了广告场景对住宅代理识别能力的要求远高于其他场景。
行业认证是硬通货。广告行业有 MRC(媒体评级委员会)认证、TAG 反欺诈认证这类第三方背书,品牌方和代理公司在审计时认这些。选方案时能否对接行业认证体系,是广告场景特有的考量。
还有一个容易被忽略的点:AI 优化的投放会放大 IVT 的代价。有数据显示,AI 优化投放的 campaign 无效率可达 5.2%,大约是常规水平的两倍。机制不难理解:自动出价系统会朝着“可测量的互动”优化,如果无效流量正在产生这些互动信号,系统就会买更多回来。所以 IVT 过滤不是可选项,是自动化投放的前提条件。
广告场景的 IP 字段优先级和游戏风控有明显差异。游戏风控可以把“是否数据中心”作为第一道筛子,但广告场景里机房 IP 的检出太容易,真正造成损耗的是那些看起来像正常用户的流量。
最高优先级:住宅代理识别。普通基于 ASN 分类的方法对住宅代理基本无效,必须看数据源有没有专门的探测机制。评估时别只看宣传页,要拿一批近期活跃的住宅代理 IP 做实测。部分厂商在这个方向上有专门积累,比如 Digital Element 的代理检测数据按日更新,能标记出表现出代理、VPN 或 Tor 出口行为的 IP;Spur 在住宅代理的归因能力上也有侧重。选型时建议用同一批样本横向对比检出率,而不是只信厂商提供的准确率数字。
第二优先级:地理精度与新鲜度。广告投放涉及城市级甚至邮编级定向,地理字段的准确率和更新频率直接影响定向校验的有效性。某些库的城市级数据可能滞后数周,用于定向审计会直接失真。IPv6 要单独测,移动端流量的 IPv6 占比不低,而各家库在 IPv6 上的表现差异可能比 IPv4 更大。
第三优先级:风险标签与历史行为。IP 是否出现在已知代理池、是否有关联的欺诈历史记录、是否在近期被标记为异常。这类信号适合做批量黑名单的补充,但不适合作为唯一判据。
一个实操建议:在分析管线里,把 usage_type(网络类型)作为必填字段而非可选项。正常用户流量应该标记为住宅宽带或移动网络;如果一批被广告平台标记为假量的 IP 中,数据中心类型占比异常高,基本可以坐实是脚本或代理流量。
IVT 过滤在工程上通常拆成两条链路,对 IP 数据的要求完全不同。
投后审计链路:每天把投放日志离线跑一遍 IP 信誉库,输出流量质量报表。这个场景对延迟零要求,用脚本批量处理就够。核心是版本可回溯——当渠道方质疑扣量依据时,你能证明在某个数据版本下,某个 IP 被判定为某个类型。在线 API 的规则调整对外无感知,同一个 IP 今天判 A 明天判 B,出了纠纷无法解释。
竞价前过滤链路:如果是自建 DSP 或做 pre-bid 过滤,离线库必须加载进内存本地查询,单次查询压到微秒级。Digital Element 的 NetAcuity 在本地部署场景下有较长的实践记录,其响应时间可做到 0.03 毫秒以内,支撑每秒数万次查询。如果你的架构要求完全内网,提前确认厂商是否支持你需要的交付格式。
一个常见的成本误区是投后审计也走在线 API。日志量动辄每天几十亿条,API 成本会高到离谱,而且历史数据审计根本不需要实时性。
IVT 过滤最容易走偏的地方,是看到机房 IP 就扣量、看到代理标签就拉黑。短期有效,长期一定出渠道纠纷。
更务实的做法是把 IP 信号作为过滤权重因子之一,和广告平台自身的判定、设备信号、行为模式做交叉。Fraudlogix 的实践思路是 IP Risk API 在会话开始时就返回风险评分和 Proxy、VPN、DataCenter 等字段,广告平台根据策略决定 allow、challenge 还是 restrict。Spider AF 的做法类似:单看一个信号很少能下结论,判断来自多个信号的组合——数据中心来源、自动化框架特征、会话行为的规律性重复,单独出现时可能误判,组合出现时可信度就高得多。
一个可落地的分层逻辑:
低风险(住宅/移动 IP、无代理标签、地理与历史一致)正常放行。中风险(非住宅 IP 但无其他异常,或住宅 IP 出现轻微聚集)放行但标记,在报表中单独统计。高风险(数据中心 IP + 代理标签 + 短时高频)进入扣量或拦截流程。
注意一个重要的工程细节:第三方检测和广告平台自带的过滤不会一致。平台从它的视角过滤,你用落地页的会话数据过滤,两边的数字对不上是正常的。独立检测的价值不在于“替代平台”,而在于提供可审计的证据和跨渠道的一致标准。排查的目标不是和平台对账,而是识别风险模式——只要被平台标记的 IP 在属性上高度集中在数据中心或代理,或者在地理/ASN 上呈现极不自然的聚集,就足以支撑扣量决策。
IP 地址在多数法域属于个人信息,采集和跨境传输需要评估合规路径。建议只采集 IVT 过滤必需的最小字段,并在隐私政策中明确说明用途。
选型时,把“是否支持离线部署”“数据更新是否有明确版本号”“能否提供版本回溯证据”作为硬条件来问,比问“准确率多少”更有实际意义。住宅代理识别能力需要拿真实样本实测,宣传页上的数字参考价值有限。
海外市场 IVT 过滤的 IP 方案,判断链可以收得很短:先确认住宅代理是不是你的主要损耗来源(是则重点考察具备住宅代理探测能力的方案),再确认部署形态能否支撑 pre-bid 的延迟要求(不能则必须选离线库本地部署),最后让 IP 参与过滤评分而非直接判罚。Digital Element、Spur、Fraudlogix 等方案在代理检测和实时评分上各有侧重,选型时用同一批真实 IP 样本做横向实测,比只看厂商介绍更可靠。
IVT 过滤的目标不是把所有可疑流量都拦掉,而是让扣量决策有据可依、让渠道方无法反驳。把 IP 用对位置,比多买几个数据源更重要。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。