"Oszustwa w performance marketingu"

1. Oszustwa w performance marketingu
Witold Wrodarczyk
Dyrektor Operacyjny, Adequate

2. Performance marketing
CPA
CPS
CPO
CPI
CPL
CPC

3. Click fraud
Konkurencja
wyklikuje nasze
reklamy w Google

4. Nieprawidłowe kliknięcia

5.  Google wykrywa fałszywe kliknięcia
 Wyższy CTR → Niższe CPC
 Ważny jest koszt konwersji
 To najczęściej nie konkurencja
 Unikaj ograniczenia budżetu!
(zob. www.goo.gl/BU6Ftt)
Dlaczego nie warto się tym przejmować

6. Fałszywe konwersje

7.  fikcyjne dane
 prawdziwe dane osób wykorzystane bez ich
zgody
 dane osób udostepniających tożsamość w
celach zarobkowych, faktycznie nie
zainteresowanych zakupem
 transakcje nie są opłacane
 transakcje są zawierane z zamiarem anulowania
 Wykorzystanie botów, farm i programów
„zarabiania w sieci”
Fałszywe konwersje

8. Reklama
Fałszywe instalacje
RESET

10. Fałszywe konwersje nie
tylko w CPA – wysoki
współczynnik konwersji
zachęca reklamodawców
do alokacji budżetu

11. • Wysokie współczynniki
konwersji nietypowe dla
danego rodzaju źródła powinny
zwrócić Twoją uwagę.
• Stosuj walidację danych, re-
captcha i doouble opt-in
• Waliduj leady, zamówienia i
transakcje.
• Wykorzystaj import konwersji
offline lub/i parametry Value
Track {placement}, {target}.
Jak wykrywać źródła fałszywych konwersji

12. Oszustwa
atrybucyjne
Autor ilustracji: Freepik z flaticon.com

13. • prawdziwi użytkownicy
Fraud atrybucyjny
• opłacone transakcje
• źródło jest zupełnie inne niż to, za które płacimy, a
oszuści stworzyli iluzję, że to oni dostarczyli klienta.
• rzeczywiste konwersje

14. SKLEP
Handlowcy

15.  Za ten ruch już wcześniej zapłaciłeś
 Płacisz podwójnie
 Źródła dostarczające klientów są
niedoszacowane i tracisz je
 Marnujesz budżet
 Sprzedaż spada
Dlaczego zła atrybucja jest problemem

16. FM TV TV FM TV WOM
Last
Click
FB AW AW TV FB AW AW
Last
Click
TV FB AW FM AW FB AW FB Assist
AW FB SEO RTB AW Assist
CLICK FLOOD
Last
ClickRUCH BEZPOŚREDNI

19. Klienci szukający ubezpieczenia
Klienci kupujący ubrania
Klienci rozważający zakup samochodu
Klienci szukający kredytu Konwersja w
innym banku
Zalando
Farfetch
Answear
Fiat
Opel PZUmBank
ING
Pekao
AudiAXA
Konwersja
AXA
Konwersja
Audi
Konwersja
Zalando

20.  Kliknięcia bez udziału użytkownika (adware, pop-up lub pop-under, ramki)
 Wyłudzane kliknięcia (reklamy zasłaniające treść, zwodnicze przyciski [x])
 Omyłkowe kliknięcia (imitacje przycisków nawigacji, nieoczekiwane
pojawienie się reklamy np. w polu gry)
Click spam – ruch tani i bezwartościowy
 Spam w social media (np. sensacyjny
nagłówek wymuszający serię
kliknięć);
 Spam email, np. oferta otrzymania
bezpłatnego smartfonu;
 Włamania na serwery stron www,
przekierowujące ruch z nich
na stronę reklamodawcy;

21. Reklamy ukryte
przed
użytkownikiem
REKLAMA
1 px
REKLAMA
1 px
REKLAMA
1 px
REKLAMA
1 px
REKLAMA
1 px
REKLAMA
REKLAMA
1 px
1 px
REKLAMA
1 px
REKLAMA
1 px
REKLAMA
1 px
REKLAMA
1 px
Strona docelowa
reklamy widocznej
Ad Stacking
Strony docelowe
niewidocznych reklam
(otwarte w 1 pikselu)
1 px
REKLAMA
WIDOCZNA
DLA
UŻYTKOWNIKA

22. Wykorzystanie domeny do click spamu
Co widzi reklamowawca

23. Conversion hijacking

24. Conversion hijacking – brand bidding

25. Conversion hijacking – kody rabatowe

27. ”…ale my nie dajemy
żadnych rabatów…”
Zdjęcie: The Office (U.S. TV series)

28. Interwał
0
Konw
ersja
Interwał
1
Last
Click
Interwał
2
Assist
1
Interwał
3
Assist
2
Assist
3
 Analiza ścieżek konwersji
 Nie wierz, że „Google Analytics gubi dane”
 Analiza w kontekście timestamp
 Analiza poszczególnych wydawców i segmentów
 Analiza wzorców zachowań i anomalii
Jak wykrywać fraud
Last
Click
Konw
ersja

29. Jak wykorzystać Google Analytics
do monitoringu performance marketingu

30. Dodatkowe wymiary w Google Analytics

31. Raport podejrzanych odesłań

32. Raport użytkownika / timestamp

33. Eliminuj nierzetelnych wydawców
Zob. www.goo.gl/BQYRvp

34. Odpowiedzialność sieci reklamowych i afiliacyjnych

35. Pytania?
witold.wrodarczyk@adequate.pl
www.adequate.pl

36. Install hijacking
Zob. www.goo.gl/PGh7LU

37. Install
hijacking
Ad
stacking
Analiza ścieżek i timestamp w instalacjach aplikacji
Click spam

38. Instalacje - analiza wzorców zachowań i anomalii

39. 0
1000
2000
3000
4000
5000
6000
0 100 200 300 400 500 600 700 800
Liczba podejrzanych instalacji na wydawcę
71% podejrzanych instalacji
(>200/wydawcę)
92% podejrzanych instalacji (>20/wydawcę)
Rekordziści
odpowiadają za
37% podejrzanych
instalacji
(>1000/wydawcę
Instalacje aplikacji - analiza wydawców