A PPC kampányok kapcsán a hirdetési csalás (click fraud) egy nagyon is valós probléma, amivel meglepően kevesen foglalkoznak aktívan. Pedig elképesztően sok pénzt lehet így elégetni hirdetőként. Ráadásul teljesen feleslegesen. Ebben a cikkben azt járom körbe, hogy mit tudsz tenni a click fraud kiszűrése érdekében akár megrendelőként, akár PPC tanácsadóként.

Click Fraud során olyan kattintások érkeznek egy-egy hirdetésre, ahol a cél a hirdetési bevétel generálása, jellemzően botok használtával.

Ez ellen viszont akár megrendelőként, akár PPC szakértőként is lehet küzdeni.

Az egyik megoldás, hogyha egy egyszerűbb médiatervet készítünk, és saját magunk válogatjuk össze, hogy honnan szeretnénk forgalmat terelni display hirdetésekkel az oldalunkra. Ez bár sokszor jó megoldás, de nagyon időigényes tud lenni. És néha korlátozod is magad azokra az oldalakra, csatornákra, amiket ismersz.

A másik megoldás, hogyha elindítunk egy kampányt és menet közben nézzük, hogy melyek azok a források, ahonnan gyanúsan alacsony minőségű, spam, kamu kattintások és leadek jönnek. Ehhez használhatjuk akár a Google Ads Placements / Where ads showed reportot vagy akár néhány Google Analytics szemgenst (segment) is.

A click fraud kategóriába persze nem csak a botok által végzett kamu kattintások tartoznak bele, hanem az is, ha valaki véletlenül kattint egy hirdetésre, vagy épp a versenytársad akar egy kis extra költséget okozni neked.

A Google próbál ez ellen küzdeni, de természetesen az Ads rendszere sem tökéletes. Néhány apró lépéssel viszont a saját kezedbe veheted az irányítást és te magad is ki tudod szűrni, hogyha „megpróbál valaki meglopni”.

Ez főként akkor okoz gondot, ha valaki olyan területen hirdet, ahol könnyű „fake usereket” vagy „kamu leadeket” generálni.

Ilyen lehet egy egyszerűbb form kitöltés (például név + email cím megadása). Ha célként az van beállítva egy kampánynál, hogy erre optimalizáljon a Google, akkor könnyen és gyorsan eljut oda a Google algoritmusa (vagy maga a PPC-s), hogy az olcsó kattintású csatorna felé tereli budgetet. Dőlnek a leadek, milyen jó, nem?

Nem mindig. Ha ugyanis ebben az esetben a leadeket botok generálják, akkor a teljes kampányoptimalizálási folyamat arra épül, hogy azokra a display felületekre optimalizáljuk a hirdetéseinket, ahonnan a fake userek jönnek. Vagyis a mikrokonverzió megtörténik (= formot kitöltik), de mivel ez click fraudból ered a kattintás így makrokonverzió nem lesz ezekből soha. A PPC-st megdícsérik milyen sok leadet hozott. A sales vagy marketinges kolléga csak annyit lát, hogy ezek nagy része használhatatlan, kamu, trash.

Hogyan lehet védekezeni ezek ellen a gyakorlatban? Elsőként érdemes azonosítani azokat a viselkedési mintákat, amik a fake forgalmat jellemzik. Ha ezt megtesszük és tudjuk „kik ellen” kell harcolni, akkor jöhet majd a következő lépés.

Fake traffic típusai

A kamu display hirdetési forgalomnak az alábbi 3 formáját érdemes elkülöníteni és nevesíteni:

1. Csak display forrásból érkező látogató: ez a user csak display kampányból jön az oldalra. De semmilyen más forrásból nem jár nálad soha. (Fake #1)
2. Egyszeri látogató, magas engagement-tel: ez a látogató csak egyszer nézi meg az oldalad, de mégis eljut oda, hogy egyből (mikro)konvertál, kitölti a formot, alacsony lesz a bounce rate-je, és magas a session duration, azaz amennyi időt nálad tölt az oldalon. A bounce rate csökkentés egyik módja, hogy miután megérkezik az oldalra, akkor kis idő után frissíti az oldalt. Így máris nem tűnik bounce-nak a user session. (Fake #2)
3. Egy felhasználó, sorozatos konverzióval: ez a típus több session során számos konverziót hajt végre. Gyakran visszajön az oldalra display hirdetésből és (szinte) mindig konvertál. Ha csak konverzióra optimalizált kampányt csinálsz ez egy rendkívül veszélyes click fraud típus. (Fake #3)

Most hogy tudjuk melyik 3 click fraud típust azonosítottuk Display kampányok során, nézzük meg hogy lehet harcolni velük Google Analytics használatával.

Analytics szegmensek a Fake Traffic ellen

A szegmenseket a Segment résznél az Advanced / Conditions alatt fogjuk létrehozni.

Az egyik első és legfontosabb lépés, hogy Session helyett mindenképp USER-t érdemes használni, mert így az egyedi felhasználót tudjuk „nyakon csípni”.

A beállításoknál pedig a Default Channel Grouping-ot fogjuk használni.

Fake #1: Csak display forrásból érkező látogató

Ez a USER csak display forrásból jön hozzád. Akár többször is. De soha semmilyen más oldalt nem néz meg nálad. Most szűrjük ki őket.

Szabály #1: USER Display forrásból jön ÉS a session-ök száma több mint 1

Szabály #2: kizárjuk azokat a felhasználókat, akik más csatornából jöttek hozzánk.

Szabály #3: USER, aki NEW VISITOR az oldalon. Így azokat igyekszünk kiszűrni, akik a display kampány miatt érkeztek az oldalra.

A teljes szegmens így fog kinézni.

EREDMÉNY: Ezzel a 3 szabállyal ki tudjuk azokat szűrni, akik csak display hirdetésből jönnek, sehonnan máshonnan.

Fake #2: Egyszeri látogató, magas engagementtel

Szabály #1: az a USER, aki Display forrásból jött

Szabály #2: USER, aki csak 1 oldalt nézett meg, de közben 15 mp-nél több időt töltött el ott.

Szabály #3: kizárjuk azokat, akik bármilyen más forrásból jöttek.

EREDMÉNY: kiszűrjük azokat a kamu felhasználókat, akik magas engagementtel próbálnak trükközni és click fraud-ot okozni.

Fake #3: Egy felhasználó, sorozatos konverzióval

Szabály #1: szűrjük azokat a felhasználókat, akik Display forrásból jönnnek és New Visitor-ok, vagyis új felhasználók.

Szabály #2: Az a User, aki 2-nél több célt teljesített. Itt fontos, hogy „per user” legyen a Goal Completion (ne session).

EREDEMÉNY: kiszűrjük a sorozatosan visszatérő csalókat, akik csak Displayből jönnek, de (szinte) MINDIG konvertálnak.

Ha pedig ezeket a szemgenseket használjuk Google Analyticsben, akkor gyorsan látható, hogy mikor futtattunk olyan display kampányokat ahol magas a click fraud gyanúja.

Fontos persze kiemelni, hogy csak azért, mert valaki kizárólag display forrásból jön hozzánk és semmilyen más forrásból nem tér vissza, az még nem jelenti automatikusan azt, hogy itt 100%-os biztonsággal kijelenthető, hogy fake userről van szó. Azonban jó indikátor tud lenni, amikor az ábrán megugrik valamelyik grafikon, ahogy az látható ebben az esetben is.

A cél az, hogy kiszúrjuk, ha valahol gyanús adatokat látunk. És ilyenkor egy kicsit mélyebbre tudjunk ásni a kampányokban és a célzásban, hogy kiderüljön honnan jönnek a gyanús kattintások, konverziók.

Display kampányok elemzése

Persze nem csak Analyticsben van lehetőség ezeknek a szűrésére, hanem Google Ads-ben is. De az Analytics jó vizuális „trigger”, hogy mikor érdemes mélyebbre ásni a Google Ads fiókban.

Ha szeretnéd megnézni, hogy egy display kampány milyen felületen jelent meg az adott időszakban, akkor a kampányra rákattitnva, majd a baloldali menüből a Placements részt kiválasztva a Where ads showed részen találsz erre vonatkozóan részletes információkat.

Itt egy ilyen táblázatot fogsz találni, amit az elérhető mutatószámok alapján (megjelenés, kattintás, CPC stb.) sorba tudsz rendezni, vagy akár szűrni is tudod.

Ha pedig látod Analyticsben, hogy hol vannak a gyanús „megugrások”, akkor manuálisan ellenőrizni tudod, hogy melyik források hozták ezeket a felhasználókat.

Klasszikus display célzások esetében nagyon valószerűtlen, ha nagy számú megjelenésből 1-1,5%-nál nagyobb átkattintási arányt érünk el.

Gyakran 1% felett már érdemes ellenőrizni, hogy az adott site valóban releváns felhasználókat irányt át a weboldalra vagy csupán egy click fraud-ból üzemeltetett „portálról” van szó.

Ilyenkor jön jól a fent bemutatott 3 típusú szegmens Google Analyticsben. Mert amint ezeket létrehozod, akkor jól mérhetővé válik, hogy milyen források / csatornák lehetnek nagyon gyanúsak. És lehet egy „hint” arra, hogy érdemes átnézni a megjelenési helyeket és szűkíteni a listát.

Magyar piaci sajátosságok

Miért kell ezzel az egésszel mégis foglalkozni?

Egyrészt azért mert a click fraud nagyon is valós dolog. Volt, van és sajnos biztosan lesz is.

Vannak, akik arra építenek és csinálnak botokat, hogy hirdetési bevételt csaljanak ki a hirdetőktől. Ha Te is engeded, hogy a display hirdetéseid ilyen oldalakon jelenjenek meg, akkor Te is ki vagy téve ennek a veszélynek.

A legjobb példája ennek az, ha megnézed az általánosabb célzású display kampányaidnál, hogy a mobil app-ok mekkora forgalmat terelnek a weboldaladra. Megdöbbentő, hogy mennyi pénzt lehet elégetni a zseblámpa, idióta játék vagy fingás hang imitáló appokkal. (Ez nem vicc, több tucat ilyen alkalmazás érhető el az App Store-okban.)

Másrészt a magyar piac egyik sajátossága, hogy a „display inventory” minősége sajnos nem elég jó.

Mivel a magyar piacon a Google Display hálózata számolatlanul sok trash site-ot és app-ot foglal magába, így nagyon sok pénzt tudsz elégetni feleslegesen. Úgy, hogy nem is tudsz róla. Csak elfogadod, hogy tíz és százezrek (vagy akár milliók) égnek el display hirdetésekben. Legtöbbször eredmény nélkül.

Ha viszont használsz valamilyen komolyabb click fraud szűrő rendszert, vagy akár csak egy fentihez hasonló Analytics alapú szegmentálást, akkor jelentős összeget tudsz megtakarítani. Mert nem költöd el olyan hirdetésekre, amik semmilyen üzleti hasznot nem fognak hozni neked.

2020. júniusa óta érhetőek el itthon is minden Google Ads fiókban a Discovery típusú hirdetések. Ha biztos(abb)ra akarsz menni, akkor ezt a Display hirdetési formátumot érdemes kipróbálni. Itt ugyanis kisebb az esélye a fake kattintásoknak.

Ezen felül persze lehet úgy is küzdeni a fake kattintások ellen, hogy ismertebb, nagyobb oldalakon próbálsz meg hirdetni. Ha megnézed az adott piacon nagyobb, releváns oldalakat, akkor csinálhatsz olyan kampányt, amibe csak ezeket rakod bele (pl. DKT top 50 magyar weboldal forgalom alapján). Aztán persze érdemes szűkíteni célcsoport és demográfia szerint (például kizárod a 18-24-es korosztályt és a 65+t is, ha ők nem célcsoportod a kampánynál). Mert ezekről a releváns oldalakról jellemzően jó forgalmat lehet szerezni még ma is. A Google persze mindenképp az algoritmusra akarja bízni a dolgot, hogy optimalizálja neked a display kampányokat. De érdemes akár egy „ellenkampányt” indítani tesztként a fentiek alapján. Így meg tudod nézni, hogy jobb számokat tudsz-e kihozni, mint a Google algoritmusa. Néha meglepő eredmények jönnek ki!