Основные модели click fraud
| Модель | Что происходит |
|---|---|
| Автоматические клики | Скрипты, браузерная автоматизация или bot infrastructure генерируют переходы. |
| Распределённая автоматизация | Много IP/ASN и сессий имитируют разнообразную аудиторию. |
| Мотивированный ручной трафик | Действия выполняют реальные браузеры/люди, но без покупательского намерения. |
| Смешанная схема | Автоматизация управляет распределёнными браузерными сессиями и частично имитирует normal behavior. |
Click fraud и invalid traffic — не одно и то же
Недействительный трафик шире кликфрода. Повторный случайный клик, технический bot traffic и преднамеренное рекламное мошенничество могут по-разному классифицироваться платформой. Поэтому site-side аналитика должна сохранять собственное evidence и не объявлять любой низкокачественный визит мошенничеством.
Яндекс отдельно описывает недействительный трафик и встроенный антифрод, который фильтрует часть активности до и после перехода на сайт. Внешняя site-side система дополняет, а не заменяет этот контур.
Какие evidence полезны
- campaign/ad/group/click identifiers и время перехода;
- частота и повторяемость рекламных визитов;
- нормализованные browser automation/consistency signals;
- стабильность fingerprint при ротации IP/ASN;
- последовательности URL и временные паттерны;
- Challenge reputation и fail streak при исправной подсистеме;
- Network Intelligence — только с явным source state и freshness.
- рекламная атрибуция: click ID, UTM, campaign/source/landing context;
- session/visitor identity и повторяемость событий;
- User-Agent, browser/network evidence и их согласованность;
- поведение после клика: последовательности URL, timing, Challenge reputation;
- сопоставление с отчётами рекламной платформы и аналитики, а не только сырыми визитами.
Почему IP blacklist недостаточен
Статические списки IP полезны как один источник, но современный трафик может идти через мобильные сети, shared NAT, hosting, VPN, proxy и постоянно менять адрес. Одновременно один адрес может обслуживать множество нормальных пользователей.
Если Network Intelligence не знает, относится ли IP к proxy/VPN/hosting, состояние должно быть NO_DATA или PARTIAL — не «proxy=false».
Score и hard rules — разные вещи
Risk score удобен для агрегирования слабых и средних evidence. Но жёсткие системные решения — например, подтверждённый поисковый crawler или явное manual rule — должны иметь приоритет над статистическим score. Иначе антифрод может повредить SEO или бизнес-исключениям.
Как выбирать реакцию
- COLLECT/SHADOW — собрать статистику и проверить precision;
- Challenge — получить дополнительное evidence при умеренном риске;
- временное ограничение — для повторяющегося подтверждённого паттерна;
- hard block — только там, где действует проверяемое жёсткое правило;
- логировать predicted action, actual action и override reason.
AntiPF как слой click-fraud evidence
AntiPF не сводит anti-fraud к IP-банам. Direct context дополняется Browser Signals Lite, Network Intelligence, Risk/Adaptive и Decision Trace; SHADOW-first позволяет измерить эффект до enforcement.
Источники и технические справки
Для проверяемых технических деталей использованы официальные материалы: