精品案例 手机APP的虚假用户识别

　　大家好，媛子又出没在精品案例了。（已接收到熊大转达的熊孩子抗议信号，将很快回归多元剑法版块……）

　　本次案例，在媛子的同事——集才华美貌于一身的晖晖老师的大力支持下，指（zhe）导（mo）集才华身高于一身的小鲜肉一枚，在集美景高温于一身的厦门，顺利完工。请各位看官笑纳。

　　在这个三岁小孩都嚷嚷着要玩手机的年代，手机里没几个像样的APP都不好意思跟人家打招呼。然而，很多手机小白在选择APP时，要么简单粗暴地选择“装机必备”的APP下载，要么像小编一样坚信“群众的眼睛是雪亮”的，认准下载量或者注册用户最多的APP，不管三七二十一，就决定是你了，皮卡丘……（咳咳，走错片场了）。一直以来，小编都自诩这个方法最靠谱，直到听说用户流量是可以购买的！（崩溃脸）在各式各样如海洋般的APP中，小编就一下子找不着北了。难道，对于可恶的虚假用户、虚假流量，我们真的束手无策了吗？

　　虚假用户扰乱我们这些潜在用户的下载判断，对于APP开发商来说更是“一生恨”：根据维基百科的数据，截至2017年，苹果App Store中应用数目已经超过2,200,000，而Google Play中应用数目则超过2,700,000。

　　在这一庞大基数的背后，应用开发者面临着极其激烈而残酷的竞争。由此应运而生的，则是一个新兴的行业：应用市场优化ASO（App Store Optimization），其主要任务推广APP，吸引更多用户注册，提高APP市场占有份额。但是承担ASO优化的代理商有时会通过使用虚假用户造成推广假象，从APP开发商获得高额利润。

　　为了识别虚假用户，我们使用某APP市场咨询公司的用户数据——包括了刻画用户在APP上操作情况的用户行为变量、用户访问网页数、用户开始使用APP的方式以及用户访问的时长等，加入人为噪音，并对其进行分析。

　　通过初步的描述统计，我们可以发现，自然用户的行为变量的变化明显比虚假用户更为复杂；自然用户的操作步数也明显多于虚假用户。

　　在用户访问页数上，自然用户访问网页数分布是单峰，而虚假用户是双峰。箱线图说明虚假用户访问网页数普遍低于自然用户，但波动较大；在用户访问时长上，虚假用户的访问时长分布仍为双峰，并且虚假用户在时长100分钟左右所占人数比例更高。而从箱线图上看，虚假用户时长反而整体高于自然用户。

　　至于用户开始方式，由于开始方式和用户类别均为名义变量，我们可使用列联表分析判断二者独立性，结果说明不同用户的打开方式具有显著不同。

　　初步描述分析后，我们知道用户行为变量、访问页数等变量与是否虚假用户有着千丝万缕的关系，可是具体什么关系，关系的强弱和作用方式就需要我们做进一步的量化分析了。

　　由于数据集中虚假用户和自然用户数目相差很大，所以如果你想直接代入数据跑模型，那就图样图森破了。我们首先要根据交叉验证重复抽样得到平衡数据，然后才能用市面上经常见到的0-1回归或神经网络、SVM支持向量基等或简单易行或不明觉厉的判断方法。

　　使用模型预测准确度ACC和分类问题逃不开的AUC（ROC曲线下面积）作为评价标准，神经网络优于0-1回归和SVM支持向量基，所以案例中我们只呈现了神经网络的结果——先根据经验公式算出隐层大概的节点数目，再此基础上不断尝试可能的节点数建模，直到找出最优的拟合模型（此处省去一万字Ծ‸Ծ）。

　　上图水妈看到必大笑三声：又为我的丑图百讲贡献素材了！所以机智的我们悬崖勒马，只呈现系数较大的节点，并且使用不同的颜色表示变量到隐层不同的节点，呈现了如下小清新的Look——根据权重数值大小不难看出，判断虚假用户的主要依据是节点1和4，二者又受行为变量和开始方式等解释变量的影响。

　　根据最终的模型，我们可以用来判断一个用户是否为虚假用户。在能准确预测虚假用户的前提下，我们就能实现精准营销，根据提取的自然用户特征，有针对性地投放广告；与此同时，我们也能根据虚假用户的特征，开发识别或是屏蔽虚假用户的软件，从此与“僵尸粉”say byebye。

　　想了解更多案例详情，请加入狗熊会高校会员，详情咨询王老师（电话，邮箱xuan. ）。

　　媛子小分队成员：黄明亮、晖晖老师、媛子、刘天赐、樊金麟返回搜狐，查看更多

作者：admin

抖音快手 站点 QQ交谈