Comment les analystes de données de localisation détectent la fraude

Le bot Instagram Français

Comment les analystes de données de localisation détectent la fraude

Au cours de la dernière décennie, les appareils mobiles connectés ont tout changé pour les consommateurs et les commerçants. Les consommateurs peuvent désormais se connecter et accéder à des milliers de services, où qu'ils soient. En d’autres termes, les spécialistes du marketing peuvent désormais accéder à leurs données ainsi qu’importe où ils vont, ce qui leur permet de mieux comprendre les intentions et les intérêts des consommateurs. Et les habitudes. Mais ces données de localisation ne sont que précises.

À mesure que la collecte de données devient plus sophistiquée, elle améliore également la manière dont des acteurs malveillants peuvent générer des données fausses et commettre des arnaques de publicité sur les emplacements mobiles. Des données inexactes affectent directement les bénéfices de 88% des entreprises et l'entreprise moyenne perd 12% de ses bénéfices.

Comme vous pouvez le constater dans Gravy Analytics, les données du flux d’enchères et de l’emplacement source du SDK contiennent des informations inexactes et inexactes. Jusqu'à 60% des données d'emplacement de flux d'enchères peuvent être problématiques. Le défi des processeurs de données de localisation est non seulement de trouver des données erronées pouvant fournir de fausses informations dans les décisions marketing et commerciales du client, mais également de les exploiter pour améliorer la détection future.

D'où proviennent les données de localisation frauduleuses?
Comprendre le fonctionnement des tricheurs et comprendre vos compétences commence par comprendre votre motivation. Il n'est pas étonnant que cela se résume à de l'argent. L'incitation financière la plus forte est le CPM élevé pour l'inventaire des annonces, accompagné d'informations de localisation adaptées à votre public cible. La taille et la complexité de l'écosystème publicitaire, ainsi que les diverses formes d'escroqueries par la publicité sur site mobile, rendent difficile la détection de la fraude et sont relativement faciles à dissimuler.

Nous pouvons voir des points de données frauduleux entrant dans le jeu de données de nombreuses manières, mais les plus fréquentes sont les suivantes:

  • Applications engagées dans des activités frauduleuses qui envoient un grand nombre de signaux (ou d'utilisateurs finaux)
  • Site Web mobile déguisé en application utilisant des données calculées de latitude / longitude
  • Emplacements et dispositifs usurpés
  • Horodatage ajusté manuellement
  • SDK inclus dans l'application générant une mauvaise activité utilisateur

Trouver des données frauduleuses
Savoir comment les points de données frauduleux sont générés peut vous aider à les identifier et à les éliminer afin d'éviter des résultats erronés et des décisions erronées basées sur ces résultats, tels que l'affectation de fonds marketing à la mauvaise cible. Dans ce processus, les modèles sont les meilleurs amis des spécialistes des données, et ces modèles apparaissent beaucoup plus précisément lorsque plusieurs sources sont agrégées.

Les processeurs de données d'emplacement les plus périphériques fonctionnent avec plusieurs partenaires d'acquisition de données, limitant rarement les données d'un périphérique à une source unique. Lorsque vous comparez et mettez en contraste les données d'un appareil dans plusieurs applications ou Ad Exchange, vous pouvez voir que l'appareil était à un certain endroit à un moment donné et que l'appareil est réel. Pour le même appareil, vous verrez un avertissement indiquant que certaines ou toutes les données peuvent être frauduleuses en raison d'incohérences entre des données provenant de sources différentes.

Lorsque plusieurs sources de données sont fusionnées et que des points de données apparemment "défectueux" sont supprimés en fonction des anomalies des modèles attendus, examinez de près les données restantes pour rechercher des signes d'informations suspectes, telles que:

  • Données de latitude / longitude au point central exact du pays ou à 0,0
  • Données de latitude / longitude dans des zones où l'homme ne peut pas vivre, comme l'Arctique
  • Périphériques qui semblent se déplacer à une vitesse irréelle entre deux endroits
  • Les appareils qui semblent être à deux endroits à la fois

Certains signes de données frauduleuses sont un peu plus furtifs que d'autres, mais lorsque les analystes identifient des tendances problématiques, ils capturent des algorithmes basés sur des facteurs tels que le temps de résidence, la distance entre les signaux reçus dans le temps et les données provenant de sources multiples. Vous pouvez mettre à jour constamment. Appareil. Une fois les données frauduleuses divulguées et supprimées, le reste des données sera beaucoup plus stable.

Les fausses données peuvent toujours être utiles aux entreprises
Vous devez supprimer les données frauduleuses de l'ensemble de données utilisé pour la plupart des analyses, mais pas uniquement de ces données. Savoir qu'un point de données est une arnaque ne signifie pas que cela n'en vaut pas la peine. Cela peut nous aider à détecter de futures escroqueries. Par exemple, nous utilisons de plus en plus de signaux de localisation frauduleux pour coordonner et développer des algorithmes de détection de fraude. Utiliser le mauvais point de données pour améliorer la détection de la fraude signifie qu'il n'y a pas de données inutiles.

Prendre le temps d'identifier les données problématiques est un processus difficile, mais il garantit que nos clients peuvent faire confiance à leurs données et à leurs résultats. Ironiquement, la quantité de données frauduleuses et suspectes facilite la détection future. Pour obtenir les informations les plus fiables, les spécialistes du marketing et les annonceurs doivent s'assurer que les fournisseurs de données avec lesquels ils travaillent prennent les mesures nécessaires pour identifier les données frauduleuses. Avec seulement des données de localisation plus fiables, les spécialistes du marketing peuvent mieux comprendre le comportement réel des consommateurs.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *