Как Райффайзенбанк боролся с обманщиками в СPA-сетях
Совместный кейс Райффайзенбанка и OWOX о том, как обезопасить себя от сотрудничества с недобросовестными веб-мастерами в CPA-сетях с помощью BI-аналитики.
О нас
OWOX создает продукты, которые помогают повысить качество решений, принимаемых на основе данных. С помощью OWOX BI можно собирать сырые данные в Google BigQuery, оценивать рекламные кампании с учетом их вклада в продажи и офлайн-заказов, получать ответы на вопросы к данным без SQL-запросов.
Мы сотрудничаем с Райффайзенбанком чуть больше 4 месяцев, но уже успели решить очень интересную задачу. Хотим поделиться кейсом, который может быть полезным не только банкам, но и всем, кто пользуется услугами CPA-сетей.
Проблема
Маркетологи Райффайзенбанка заметили, что за последние пару месяцев их расходы по affiliate трафику резко выросли, а доход остался прежним. При этом наблюдались частые разрывы сессий пользователей перед заказом. Банк предположил, что недобросовестные партнеры могут подменять источник трафика на странице оформления заявки. Например, с помощью расширений к браузерам, тулбаров. Работает это так: пользователь устанавливает себе расширение, допустим, чтобы получать скидки. Затем заходит на ваш сайт и оформляет заказ — в этот момент всплывает окно со скидкой. Когда человек его открывает, веб-мастер подставляет свои cookies.
Решение
Чтобы проверить гипотезу с подменой источников, маркетологи компании решили собрать сырые данные о действиях посетителей на сайте. Затем выбрать информацию о клиентах, у которых на одной странице происходили странные кратковременные обрывы сессий, при этом менялся источник трафика, а последним каналом был affiliate. Эти данные помогут понять, какие партнеры присваивают себе трафик других каналов. В результате банк прекратит работу с нечестными веб-мастерами и сможет эффективнее перераспределить маркетинговый бюджет.
Команда OWOX BI помогла Райффайзенбанку собрать и обработать необходимые данные.
Шаг 1. Собрали сырые данные
Поскольку в Google Analytics есть лимит на количество сессий, после которого применяется семплирование, аналитики решили собирать данные в Google BigQuery. Кроме того, это облачное хранилище отвечает строгим стандартам безопасности, что для банка особенно важно.
Райффайзенбанк настроил импорт данных с сайта в Google BigQuery через OWOX BI Pipeline. Такое решение позволяет передавать несемплированные данные в режиме, близком к реальному времени, и получать timestamp каждого хита. Благодаря этому можно в одном отчете отследить любую последовательность пользовательских действий, даже из разных сессий.
Например, вам нужна информация о пользователях, которые посетили страницу /promo/, затем вернулись на сайт через CPC и в итоге совершили транзакцию. И отчет нужен в разрезе даты посещения страницы /promo/ по каждому пользователю. Получить эти данные можно с помощью SQL-запроса.
В итоге вы получите вот такую таблицу со всеми необходимыми данными.
Шаг 2. Обработали данные
Аналитики OWOX совместно с коллегами из Райффайзенбанка определили, что для проверки гипотезы о подмене источников трафика понадобятся следующие данные:
- ID пользователя.
- Источник и канал первой и следующей сессии.
- Время между сессиями.
- Стартовый и конечный URL каждой сессии.
- События в сессии.
- Наличие транзакции в последней сессии.
Также к данным применили условия, по которым можно сделать вывод, что источники трафика подменялись:
- Промежуток между двумя сессиями — до 60 секунд.
- При смене источника не меняется страница.
- В последней сессии совершена транзакция.
- Последний канал — affiliate.
Эту информацию получили с помощью SQL-запроса к данным в Google BigQuery:
Шаг 3. Построили отчеты
Для дальнейшего анализа наши аналитики импортировали выбранные данные из Google BigQuery в Google Sheets с помощью аддона OWOX BI BigQuery Reports. В итоге Райффайзенбанк получил таблицу с информацией по каждому клиенту, у которого изменялся источник трафика, а промежуток между сессиями составлял не больше 60 секунд.
После данные объединили в сводном отчете, с помощью которого руководитель интернет-продаж банка может узнать, какие аффилиаты работают недобросовестно. Цифры на скриншоте ненастоящие и приведены для примера:
Например, из отчета выше видно, сколько было транзакций с измененным источником и какие именно аффилиаты подменяли источник трафика на свой. Также отчет показывает, у каких каналов отнимали транзакции. В нашем случае это CPC и Organic.
Результаты
Райффайзенбанк получил отчет, который помогает мониторить статистику по аффилиатам и выводить на чистую воду обманщиков в CPA-сетях. Компания оптимизировала расходы на рекламу, отказавшись от сотрудничества с двумя недобросовестными партнерами, которые подменяли источник заявки и необоснованно завышали счета на свои услуги.
Бахманн год назад еще об этом писал.
Да пишут то об этом регулярно, но кто занимается?!))
Ну крусавчик, чо )
О боже, какой «баян». Уже миллиард готовых решений против любого форда. А тут описывают только кукистаффинг... этому термину уже лет десять, как и методу его вычисления.
Есть готовые решения для антифрода: Adspire, AdvCake, MgCom, TrackAd. Вот табличка со сравнением функционала каждой, которую когда-то они же и составили: https://docs.google.com/spreadsheets/d/1dbYtM4wXUca0TWkVRiM94IE0Ov-V0btz-xn9r5h5e24/edit
Комментарий удален модератором