Метрики CTIT и VTIT. Трекинг фрода ч.1

Сегодня поговорим про не самые известные, но достаточно важные метрики, за которыми необходимо наблюдать на постоянной основе. Поговорим простыми словами о – CTIT, VTIT, CTCT, а также о показателе View-Through Rate – что они означают, что показывают и как помогают в работе (не только для борьбы с мошенниками).

Признаюсь, я первые года 3 в своей карьере UA не обращал на них внимания. Но сейчас точно считаю, что за ними нужно наблюдать обязательно на постоянной основе, чтобы эффективнее трекать различные аномалии, особенно на новых и не самых популярных источниках трафика.

CTIT – Click-to-Install Time (время от клика до установки)

CTIT (Click-to-Install Time) – это метрика, показывающая временной интервал между кликом по рекламе и установкой приложения. Говоря простыми словами, CTIT показывает, сколько времени проходит с момента, когда пользователь нажал на рекламу, до момента, когда приложение установлено и впервые запущено на устройстве.

Вспомните, сколько времени у вас уходит на установку приложения. 10+ секунд оно обычно скачивается, особенно, если не Wifi. Также вы можете еще затратить время на просмотр описания и отзывов (лично я обычно захожу в раздел отзывов и читаю первые комментарии). Поэтому быстрых установок у нас быть не должно. Та же логика работает и в сторону очень долгих установок.

Отслеживание CTIT важно по нескольким причинам. Во-первых, аномально короткое или длинное время установки может сигнализировать о проблемах или мошеннической активности. Во-вторых, анализ распределения CTIT помогает оптимизировать пользовательский путь и технические аспекты установки.

Признаки фрода по CTIT

- Чересчур короткий CTIT (менее ~10 секунд). Если значительная доля установок произошла практически мгновенно после клика. Appsflyer говорит, что всплеск установок с CTIT в первые 3–10 секунд после клика практически всегда говорит о попытке перехвата (hijacking) установки

- Необычно длинный CTIT (например, 24 часа и более). Обратная ситуация – когда между кликом и установкой проходит слишком много времени. Это характерно для схемы click flooding. Обычно работает так, что некий паблишер отправляет огромное число кликов. Поскольку он не контролирует действия реального пользователя и не знает, когда тот установит приложение, мошеннический клик часто происходит задолго до фактической установки. Поэтому для таких перехваченных конверсий CTIT выходит очень большим – порой сутки и более. Обычно такая схема «ворует» у вас органические установки, которые бы и так к вам пришли.

- Также может быть плоское или «слишком идеальное» распределение CTIT. Лично я с таким еще не сталкивался. Если простыми словами, это когда у нас очень большое кол-во установок группируются вокруг определённых цифр (например, множество установок ровно через 5, 15, 25 секунд и практически нет других вариантов).

Что еще можно анализировать при помощи CTIT

Помимо врода при помощи CTIT вы также можете сравнивать поведение пользователей на разных источниках трафика. Например ситуация, на Facebook медианное значение CTIT 5 минут, а на Mintegral – 15 минут. Это может сигнализировать о том, что из Mintegral приходят менее качественные пользователи. У которых, к примеру, хуже интернет, за счет чего им сложнее устанавливать приложение.

Метрики для оценки View-атрибуции

Если вы работаете с View атрибуцией, то необходимо также отслеживать и ее качество. В этом могут помочь нижеобозначенные метрики метрики.

VTIT - метрика, аналогичная CTIT, но считающая время от последнего рекламного показа (impression) до установки приложения

View-Through Rate показывает долю установок через показы в сравнении с установками через клики.

View-Through Rate – одна из основных метрик, за которыми нужно наблюдать при работе с View атрибуцией. В перформанс-маркетинге обычно большая доля установок приходит через клики, в то время как показы скорее вспомогательная часть установок. Поэтому если вы видите где-то у себя большую долю установок через View, значит стоит внимательно присмотреться к этому источнику. Если у одного партнёра 30–40% установок идут через показы, тогда как в среднем по другим каналам этот показатель держится на уровне 5%, вероятно, партнёр приукрашивает свою эффективность.

Среди самых популярных сеток подобное обычно замечается у Mintegral, когда получаем запредельно высокое число установок с View атрибуцией. Чаще всего сетка атрибуцирует себе установки после показа иконок, что больше похоже на воровство органического трафика. Также подобное поведение может быть и у DSP источников, которые всегда при старте кампании запрашивают баннеры, и на которые может активно идти трафик.

На примере выше скриншот рекламы Mintegral. На подобных кейсах у кампаний обычно имеем высокую долю View-Through. Чтобы не допускать подобные кейсы, в Mintegral можно выключить определенные плейсменты рекламы или радикально отключить View трафик через Validation Rules.

Если говорить про VTIT, в нормальных условиях путь от просмотра рекламы до установки приложения обычно еще больше, чем после клика. Поэтому обозначенная метрика поможет выявить аномалии, если обнаружится, что большая доля View установок произошла в считанные секунды после просмотра. Например, подобное поведение я ловил на DSP источниках, когда установки после просмотров случались за первые пару минут. Что тоже было похоже на воровство органики, тк View-Through Rate там тоже был неадекватно высокий.

Для анализа CTIT и VTIT важно наблюдать за их распределением. В идеале распределение CTIT по пользователям похоже на логнормальное. Если у нас много мошеннического трафика, то в распределении образуется несколько пиков, где они могут быть как в начале графика, так и в конце. Вот примеры графиков от MyTracker.

Вот как-то так. Если у вас есть своя BI, то все метрики вы можете добавить на отдельную страницу и быстро просматривать аномалии. Просматривать их важно на постоянной основе, особенно актуально для Mintegral и для DSP (Liftoff, Moloco), а также для новых неизвестных для вас источников.

Другие полезные статьи про User Acquisition у меня на канале

@serg_useracq