Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

semKRK #10 – Witold Wrodarczyk

349 views

Published on

"Oszustwa w performance marketingu"

Published in: Data & Analytics
  • Be the first to comment

  • Be the first to like this

semKRK #10 – Witold Wrodarczyk

  1. 1. Oszustwa w performance marketingu Witold Wrodarczyk Dyrektor Operacyjny, Adequate
  2. 2. Performance marketing CPA CPS CPO CPI CPL CPC
  3. 3. Click fraud Konkurencja wyklikuje nasze reklamy w Google
  4. 4. Nieprawidłowe kliknięcia
  5. 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. 6. Fałszywe konwersje
  7. 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. 8. Reklama Fałszywe instalacje RESET
  9. 9. Fałszywe konwersje nie tylko w CPA – wysoki współczynnik konwersji zachęca reklamodawców do alokacji budżetu
  10. 10. • 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
  11. 11. Oszustwa atrybucyjne Autor ilustracji: Freepik z flaticon.com
  12. 12. • 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
  13. 13. SKLEP Handlowcy
  14. 14.  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
  15. 15. 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
  16. 16. 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
  17. 17.  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;
  18. 18. 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
  19. 19. Wykorzystanie domeny do click spamu Co widzi reklamowawca
  20. 20. Conversion hijacking
  21. 21. Conversion hijacking – brand bidding
  22. 22. Conversion hijacking – kody rabatowe
  23. 23. ”…ale my nie dajemy żadnych rabatów…” Zdjęcie: The Office (U.S. TV series)
  24. 24. 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
  25. 25. Jak wykorzystać Google Analytics do monitoringu performance marketingu
  26. 26. Dodatkowe wymiary w Google Analytics
  27. 27. Raport podejrzanych odesłań
  28. 28. Raport użytkownika / timestamp
  29. 29. Eliminuj nierzetelnych wydawców Zob. www.goo.gl/BQYRvp
  30. 30. Odpowiedzialność sieci reklamowych i afiliacyjnych
  31. 31. Pytania? witold.wrodarczyk@adequate.pl www.adequate.pl
  32. 32. Install hijacking Zob. www.goo.gl/PGh7LU
  33. 33. Install hijacking Ad stacking Analiza ścieżek i timestamp w instalacjach aplikacji Click spam
  34. 34. Instalacje - analiza wzorców zachowań i anomalii
  35. 35. 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

×