Ad fraud (рекламный фрод)

Происхождение и история термина

Английское ad fraud объединяет слова «реклама» и «мошенничество». В профессиональном обсуждении важно не только назвать обман, но и договориться, какие события вообще считать рекламным контактом. Эту задачу решают стандарты измерения: они задают общий язык для рекламодателя, площадки и компании, которая проверяет отчёт.

Документированная веха — рекомендации Media Rating Council, или MRC, американской организации по стандартам медиаизмерений. В обновлении от 24 апреля 2024 года MRC указывает, что первоначальные рекомендации по обнаружению и фильтрации недействительного трафика вышли 27 октября 2015 года, а в июне 2020 года стали обновлённым стандартом. Это история документов, а не дата изобретения рекламного обмана. ^[6]

Другая веха — запуск TAG программы Certified Against Fraud в 2016 году. TAG, Trustworthy Accountability Group, подтверждает выполнение участниками требований своей программы. Сертификация компании и решение о конкретном спорном клике относятся к разным задачам: первая характеризует организацию работы, второе требует данных о событии. ^[4]

Суть и механизм

Представим учебную ситуацию. Магазин покупает переходы на страницу товара. Площадка сообщает о тысяче кликов, и рекламодатель ожидает, что за ними стоят посетители, заинтересованные в предложении. Если часть кликов специально создана ради увеличения выплаты площадке или расхода магазина, число в отчёте перестаёт отражать то, за что стороны рассчитывали платить. Google включает подобные ручные манипуляции в примеры недействительных кликов. ^[2]

Обман может затрагивать не только само нажатие. MRC относит к сложному недействительному трафику поддельные события измерения и неверное представление сайта или приложения, где размещается реклама. Поэтому вопрос «был ли клик?» отличается от вопроса «соответствует ли действительности описанный источник клика?». ^[1]

Чтобы понять различие, полезно разделить три уровня. Событие могло произойти технически: сервер получил запрос и записал его. Оно могло не подходить для рекламного измерения: например, страницу загрузила программа, а не потенциальный покупатель. Наконец, оно могло быть частью намеренного обмана. Переход от одного вывода к следующему требует дополнительных оснований; запись в журнале не объясняет намерение участника.

Для активности, которую не следует включать в измерение, употребляют сокращение IVT — invalid traffic, «недействительный трафик». MRC связывает его с несоответствием критериям качества или отсутствием основания учитывать активность как допустимую. Это техническая категория, а не готовая юридическая квалификация. ^[1]

Простой контрпример — поисковый робот. Так называют программу, которая обходит страницы для индексации. IAB Tech Lab объясняет: такая работа может быть правомерной, но не создаёт для человека возможности увидеть рекламное сообщение. Исключение обращения робота из рекламного счётчика не означает обвинения поисковика в мошенничестве. ^[3]

Обратная ошибка — считать надёжным любой поток действий людей. Яндекс приводит среди примеров фрода клики пользователей, которые выполняют задания за деньги. Следовательно, вопрос не сводится к биологическому различию между человеком и программой: важно, какое действие имитируется и с какой целью. ^[5]

Виды и классификации

В стандарте MRC 2020 года выделены две категории. GIVT — General Invalid Traffic, общий недействительный трафик — выявляют обычными фильтрами, списками и стандартными проверками параметров. SIVT — Sophisticated Invalid Traffic, сложный недействительный трафик — требует более развитого анализа, сопоставления нескольких сигналов и других дополнительных действий. Это классификация по выявлению, а не шкала размера ущерба. ^[1]

Различие между повседневными проблемами рекламы удобно показать отдельно. Следующая таблица — редакционное сопоставление, а не новая классификация MRC.

Соседние вопросы качества тоже не нужно сливать в одно обвинение. В учебной ситуации объявление магазина оказалось рядом с оскорбительным текстом; в другой ситуации покупатель просто не заметил баннер. Для магазина оба размещения могут быть нежелательны. Но ни один из этих примеров ещё не объясняет, подделаны ли клики. Вопрос о преднамеренной фальсификации остаётся отдельным.

Как применяется на практике

Продолжим учебный пример российского магазина. За неделю число кликов выросло с условных 1000 до 3000, а заявок осталось десять. Менеджер предполагает скликивание — намеренное создание лишних кликов. Но для проверки ему сначала нужно выяснить, одинаковы ли сравниваемые данные и не изменилась ли сама покупка.

Допустим, за эту неделю магазин убрал доставку в часть городов. Посетитель мог искренне заинтересоваться товаром, перейти на сайт и отказаться после чтения условий. В таком объяснении рост бесполезных переходов не требует гипотезы об обмане. Отдельно можно представить ошибку формы: покупатель нажимает «Отправить», но заявка не сохраняется. Здесь проблема возникла после рекламного контакта.

Эти примеры не доказывают отсутствие фрода. Они показывают, почему полезно проверять несколько причин одного результата. Если форма работает, доставка не менялась и подозрение сохраняется, дальше исследуют конкретные источники переходов и статусы событий в рекламном кабинете. Вопрос становится точнее: «Какая часть этого потока признана недействительной и что произошло с её оплатой?»

Официальные справки платформ, открытые 20 октября 2026 года, дают следующие основания для сверки.

CRM — система учёта клиентов и заявок. Она отвечает на вопрос, что попало в работу магазина; рекламный кабинет — какие события учтены по правилам размещения. Поэтому в учебном расследовании менеджер не вычитает число заявок из числа оплаченных кликов как будто это одна и та же величина. Сначала он соединяет записи за одинаковый период и выясняет смысл каждой колонки.

Полезный результат такого разбора — объяснимое расхождение, а не обязательное нахождение виновного. Например, часть переходов исключена площадкой, ещё часть не привела к заявке из-за доставки, а происхождение остатка пока не установлено. Эти три вывода можно сохранить рядом, не превращая неопределённость в оправдание всего потока или обвинение партнёра.

Как измерить или проверить

Начать стоит с простого показателя, который можно воспроизвести. В учебном расчёте определим долю исключений так:

Доля исключений = N / T × 100%.

Здесь N — число исключённых событий, T — число первоначально рассмотренных событий того же вида за тот же период. Если считаются клики, обе величины выражены в кликах, а результат — в процентах. Это формула данного примера; название похожего поля в кабинете ещё не гарантирует совпадение методики.

Пусть в исходной выгрузке было 10 000 кликов, а после обработки 400 исключили. Тогда 400 / 10 000 × 100% = 4%. В учёте осталось 9600 кликов. Если поделить 400 на 9600, получится примерно 4,17%: арифметика верна, но теперь база — оставшиеся клики. Сравнивать 4% и 4,17% как результаты разных защитных систем было бы ошибкой: различается только знаменатель.

Из этих чисел нельзя получить потерю бюджета без дополнительных условий. Для наглядности введём чисто учебное допущение: каждый клик стоил 20 рублей, а все 400 исключённых кликов сначала попали в начисление. Первоначальная сумма тогда составила бы 200 000 рублей, сумма корректировки — 8000, окончательная — 192 000. Если недействительные клики отсеяли до начисления, начального списания этих 8000 вообще не было. Возможность исключения и поздней корректировки описана платформами, но приведённые деньги — не реальный кейс. ^{[2, 5]}

Чтобы расчёт можно было повторить, рядом с ним сохраняют период, вид события, исходное число, число исключений и момент выгрузки. Это редакционная схема работы с данными. Она особенно важна, когда итоговый статус появляется позднее: вчерашний и сегодняшний отчёты могут относиться к одной кампании, но отражать разную степень обработки.

Отдельно записывают, какую часть потока удалось оценить. Обновление MRC 2024 года предупреждает о недостатке сигналов из-за ограничений данных: отсутствие информации само по себе не должно превращаться ни в признание трафика недействительным, ни в автоматическое признание действительным. ^[6] В учебном отчёте можно выделить третью группу — «не удалось определить», чтобы она не растворилась среди положительных результатов.

Ошибки, ограничения и спорные вопросы

Самая заметная ошибка — искать один «опасный процент», после которого фрод якобы установлен. В нашем примере даже четырёхпроцентная доля исключений не говорит, сколько денег потеряно, кто действовал намеренно и сколько событий осталось невыявленным. Показатель отвечает только на вопрос, поставленный в его определении.

Другой риск — считать любой фильтр исчерпывающим. Список известных роботов помогает распознать перечисленные в нём программы; это не доказательство добросовестности всего остального трафика. IAB Tech Lab описывает такой список как один из инструментов фильтрации. ^[3] Сходным образом знак TAG у партнёра полезен как информация о выполнении требований программы, но не заменяет разбор конкретной кампании. ^[4]

Нельзя также уравнивать отсутствие продаж с отсутствием рекламного интереса. Учебный посетитель может прочитать предложение, сравнить цены и уйти. Для магазина это не покупка; для расследования — ещё не доказательство имитации. Разные цели измерения закономерно приводят к разным оценкам одного визита.

Наконец, защита от фрода имеет границы в обращении с данными. MRC прямо указывает, что его стандарты не разрешают обходить требования приватности. ^[6] Технический анализ отчёта не даёт права объявлять конкретного человека мошенником или собирать о нём любые сведения. Юридическую квалификацию индивидуальных действий нельзя получить из одного процента или технической метки.

Частые вопросы

Связанные термины

• Brand safety
• Видимость рекламы (viewability)
• CTR (кликабельность)
• CPM (цена 1000 показов)
• Programmatic
• Атрибуция