渠道获客的从业者要如何在自身渠道数据中剔除假量，识别出优质量，并通过不断的渠道构成优化使得渠道投放的ROI效率最大化？本文笔者将基于友盟 移动统计（U-App AI版），对两个真实案例进行剖析，讲述：如何高效地做渠道评估，让App假量灰产无处遁形？
互联网下半场，在App拉新获客上的表现为：一方面显性成本不断走高，另一方面，异常渠道和虚假流量拉高了隐形成本。
针对这一问题，喜马拉雅借助友盟 移动统计（U-App AI版）构建了实时的渠道投放监控体系：识别异常渠道、虚假流量，并自动监测报警直观展示详情，为管理层和运营团队提供了及时的决策支持，同时形成投放策略迭代优化的闭环。在实践中累计节约数百万元的渠道投放成本，极大地促进了渠道获客的健康成长。
在经济寒冬的大环境下，这样的“精益获客体系”对互联网企业来说非常重要。
目前市场上各类应用、各类媒体在渠道推广上的竞争已达白热化状态。从流量红利转入存量时代，App产品的渠道推广越来越难，具体可表现为以下三个方面：
- 应用商店高筑流量壁垒：大手机厂商应用商店的商业化程度越来越严重，开始追求利益最大化的变现，应用推广成本水涨船高，平均一个激活成本2-3元的时代一去不复返，目前一个金融类应用的激活成本甚至高达几十元。
- 渠道媒体鱼龙混杂：移动媒体推广、信息流广告原生广告爆发，面对竞争态势异常激烈、鱼龙混杂的媒体环境，转化效果精准评估和异常流量甄别成为广告主推广的痛点。
- 对渠道获客从业者的数据能力要求越来越高：数据科学在渠道推广中的作用举足轻重，最大可能利用数据来驱动业务的增长，是对增长负责人、产品及运营负责人的新考验。
但正所谓“渠道是立身之本，产品是立命之本”，互联网企业不能回避问题，更需要迎难而上。
笔者认为：在常见的渠道获客方式中，无论是免费、付费还是换量，不同的渠道的天然属性固然存在一定差异（即带来的用户激活App的情况会因渠道属性天然存在一定差异）。
但抛开不可控因素，渠道获客的从业者如何在这些渠道里剔除假量，识别出优质量，并通过不断的渠道构成优化使得渠道投放的ROI效率最大化，才是解决上述三个问题的关键。
笔者为此构建了一套渠道评估体系，如下图所示：
App渠道评估体系分为：渠道反作弊评估体系和渠道质量评估体系。
- 渠道反作弊体系：以渠道真量为目标，用于识别渠道假量。
- 渠道质量评估体系：可分为渠道有效性评估体系、渠道留存评估体系和渠道ROI评估体系，分别对应新增、活跃和收益这三个目标，旨在量化渠道效率、量化渠道留存质量和量化投入产出效率。
一、真实案例分析
案例一：渠道整体按比例和时间段掺入假量
2018年12月，笔者在审核DSP渠道某个账户的质量时，发现这个账户连续3个月在各个既定指标上均是贴着KPI走，不高也不低。
长期的从业经历让笔者意识到这里面可能存在问题。于是又深入到渠道包维度（一个投放计划对应着一个渠道包）查看了各个指标的数据详情。
通过分析发现：每隔一段时间，都会有几个渠道包的1日/3日等短期留存率正常，而7日/14日/30日等中长期留存率极其低（如下图），同时这些中长期留存率低的渠道包并不是固定几个，而是在不定期轮流变化。此时基本可确定这个渠道在控制整体质量的同时掺入了假量。
这类广告商不可谓不“狡猾”：他们意识到全量造假是很容易被发现的，转而选择以退为进，整体满足KPI的情况下，在总体数量上按一定比例掺入假量，鱼龙混杂，提高假量发现的难度。
例如：每100个真实量中掺入5个假量。另外还在时间维度上神出鬼没，当月在渠道包A掺假，下个月再换到渠道包B，如果被发现，就用渠道不稳定来搪塞。
归因分析能够帮助企业识别用户的新增最终源自哪个渠道，但当渠道投放预算充足，相关指标满足KPI时，渠道运营人员往往容易忽视不同渠道存在的虚假流量。
而对于这些真假参半的异常渠道，若不去追溯每个渠道流量的质量，就是纵容虚假流量对渠道投放的长期影响，影响渠道获客的健康发展，终会给企业带来不可估量的损失。在上面这个实例中，正是因为笔者在渠道包维度追踪了数据，才最终识别出了假量。
案例二：利用某些低端机型刷量
笔者在一次关于各渠道新增用户机型分布的专题分析中，发现某几个渠道的新增用户中机型的分布十分异常：
理论上来说，不同的渠道覆盖不同的用户群，用户的机型分布也会有一定的区别，比如：华为应用商店渠道的用户，绝大多数机型会是华为手机。排除这类手机厂商自带的应用商店，在正常情况下，Android新增用户的机型分布应该呈现多元化，并且华米OV四大手机品牌应该占据着相对较大的比重。
但笔者发现：某几个渠道新增用户的机型分布中，高居榜首的却是一两个不甚知名的手机品牌的低端机型，且占比高达10%-20%（如下图）。
