19 Min. Read

La incómoda verdad sobre la reconciliación publicitaria

Michel Hotoveli Michel Hotoveli Jul 21, 2019

Mobile advertising is here to stay. Having grown by 30% year-over-year in 2018 to $184 billion, further growth is still to come with more and more advertisers shifting budgets towards mobile. Alongside this massive growth we’ll note an undeniable presence and industry concern over fraud. In many ways, fraud has been present in the advertising landscape since its early days and has been somewhat responsible for several developments and changes introduced into our industry over the years. 

Sin embargo, la percepción sobre el impacto real del fraude en la industria pinta un panorama ligeramente diferente al de la realidad.

Los casos de estudio, la investigación y los reportes te harían creer que el fraude se bloquea o que se puede bloquear antes de que toque tu presupuesto de marketing, y que siempre se maneja en tiempo real, que la actividad fraudulenta se detecta a medida que ocurre, y que se filtra mediante avanzadas herramientas contra el fraude diseñadas para proteger a los anunciantes de continuas estafas.

Si bien lo anterior es correcto para la mayoría del tráfico identificado y bloqueado, hay una verdad tácita (y desagradable) dentro de nuestra industria: algunos ataques de fraude logran filtrarse por entre las grietas. Aunque resulte incómodo admitirlo, definitivamente no podemos ignorarlo. Los algoritmos de machine learning ofrecen a los marketers la capacidad de aplicar patrones de comportamiento fraudulento conocidos para detectar y bloquear actividades fraudulentas en tiempo real, pero el factor humano en juego pone a prueba continuamente las limitaciones de la máquina en un esfuerzo por lograr una ventaja ocasional. Esto significa que algunos intentos de actividad maliciosa serán exitosos.

Los marketers invierten un tiempo precioso utilizando diferentes tecnologías con el propósito de cerrar la brecha entre la expectativa y la realidad. Los proveedores de atribución bloquean los ataques de fraude a medida que se producen, sincronizándose con los partners a través de postbacks para evitar que se transmita el pago por esta actividad. Otras herramientas de análisis se aplican para llevar a cabo una investigación más profunda de los datos, para asegurarse de que nada pase desapercibido, identificando casos de juego sucio en retrospectiva, seguido por un riguroso proceso de reconciliación.

Las soluciones de prevención del fraude pueden bloquear patrones conocidos; sin embargo, los algoritmos de machine learning a tardan tiempo en aprender los patrones desconocidos. Estos patrones evolucionan de forma constante y se introducen continuamente en la actividad permanente a medida que se materializan. Las tendencias de fraude están hechas esencialmente de puntos de datos dispersos con características similares que primero necesitamos agrupar para poder identificar. Los primeros casos podrían descartarse como incidentes aislados y no relacionados, en un primer momento, solo para luego asignarlos a una tendencia que ocurre durante algún tiempo, una vez que se determinen y etiqueten como fraudulentos, por lo que se requerirá retrospectiva.

Subscribe to AppsFlyer content

The latest mobile marketing tips & trends delivered to your inbox.

Esto es evolución, cariño

En los últimos años, los anuncios en línea en su conjunto y los anuncios in-app en particular han pasado por un proceso de evolución en el cual maduraron junto con el mercado y las fuerzas que operan dentro de este. Un claro aumento en la medición de eventos post-instalación y el marketing centrado en el LTV están marcando la tendencia hacia un mercado más centrado en la calidad del usuario. Los anunciantes se están alejando de los modelos estrictamente basados en el costo por instalación (CPI) y están recompensando a los publishers por usuarios más involucrados y de alta calidad al introducir más objetivos basados en el costo por acción (CPA), al darse cuenta de que no todas las instalaciones son iguales y que algunos usuarios tienen más valor que otros.

El bloqueo en tiempo real sigue siendo, y así será por siempre, una parte crucial de la detección del fraude; sin embargo, es solo una capa de la protección. La lógica indicada anteriormente simplemente significa que nuestro análisis conductual debe continuar evolucionando; debemos inspeccionar datos, incluso después de que se lleve a cabo una instalación. Nuestros modelos de marketing no se detienen ahí, lo cual significa que los defraudadores tampoco.

La noción de que los defraudadores realmente siguen métodos que se sabe que se identifican en tiempo real sería un tanto ingenuo. Los defraudadores están altamente motivados, son innovadores y se adaptan fácilmente a cualquier cambio que introduzca el mercado, algunos son capaces de reaccionar a los nuevos bloqueos que aparecen en su camino en tan solo 2 o 3 días. Esto simplemente significa que los defraudadores ya han ido mejorando su juego y han modificado sus diversas herramientas para imitar el flujo de un usuario activo lo suficientemente bien como para pasar desapercibidos por los eventos más profundos y posteriores a la atribución, llegando incluso hasta las compras reales.

Moving out of our comfort zone is key in order to identify suspicious behavior trends that can only be flushed out post-install. Recognizing fraud that has managed to bypass all the known blocks put ahead of it, masquerading as a legitimate install. The current status-quo of keeping a blind eye from anything not identified and blocked in real-time is simply not aligned with the fact that some fraud does indeed go under the radar at first view. It is estimated that 1 in 4 app installs are fraudulent, this activity can and should be reconciled, how much of it is up to marketers keeping up and evolving their methods. 

Enfrentar los hechos sería el enfoque más constructivo en este momento; debemos comprender la creciente necesidad de contar con una solución integral que reúna la atribución y el análisis del fraude continuo para no dar nada por sentado y enfrentar la dura realidad. 

 

Learn more about the most innovative fraud protection solution in the industry

Mobile advertising is here to stay. Having grown by 30% year-over-year in 2018 to $184 billion, further growth is still to come with more and more advertisers shifting budgets towards mobile. Alongside this massive growth we’ll note an undeniable presence and industry concern over fraud. In many ways, fraud has been present in the advertising landscape since its early days and has been somewhat responsible for several developments and changes introduced into our industry over the years. 

Sin embargo, la percepción sobre el impacto real del fraude en la industria pinta un panorama ligeramente diferente al de la realidad.

Los casos de estudio, la investigación y los reportes te harían creer que el fraude se bloquea o que se puede bloquear antes de que toque tu presupuesto de marketing, y que siempre se maneja en tiempo real, que la actividad fraudulenta se detecta a medida que ocurre, y que se filtra mediante avanzadas herramientas contra el fraude diseñadas para proteger a los anunciantes de continuas estafas.

Si bien lo anterior es correcto para la mayoría del tráfico identificado y bloqueado, hay una verdad tácita (y desagradable) dentro de nuestra industria: algunos ataques de fraude logran filtrarse por entre las grietas. Aunque resulte incómodo admitirlo, definitivamente no podemos ignorarlo. Los algoritmos de machine learning ofrecen a los marketers la capacidad de aplicar patrones de comportamiento fraudulento conocidos para detectar y bloquear actividades fraudulentas en tiempo real, pero el factor humano en juego pone a prueba continuamente las limitaciones de la máquina en un esfuerzo por lograr una ventaja ocasional. Esto significa que algunos intentos de actividad maliciosa serán exitosos.

Los marketers invierten un tiempo precioso utilizando diferentes tecnologías con el propósito de cerrar la brecha entre la expectativa y la realidad. Los proveedores de atribución bloquean los ataques de fraude a medida que se producen, sincronizándose con los partners a través de postbacks para evitar que se transmita el pago por esta actividad. Otras herramientas de análisis se aplican para llevar a cabo una investigación más profunda de los datos, para asegurarse de que nada pase desapercibido, identificando casos de juego sucio en retrospectiva, seguido por un riguroso proceso de reconciliación.

Las soluciones de prevención del fraude pueden bloquear patrones conocidos; sin embargo, los algoritmos de machine learning a tardan tiempo en aprender los patrones desconocidos. Estos patrones evolucionan de forma constante y se introducen continuamente en la actividad permanente a medida que se materializan. Las tendencias de fraude están hechas esencialmente de puntos de datos dispersos con características similares que primero necesitamos agrupar para poder identificar. Los primeros casos podrían descartarse como incidentes aislados y no relacionados, en un primer momento, solo para luego asignarlos a una tendencia que ocurre durante algún tiempo, una vez que se determinen y etiqueten como fraudulentos, por lo que se requerirá retrospectiva.

Subscribe to AppsFlyer content

The latest mobile marketing tips & trends delivered to your inbox.

Esto es evolución, cariño

En los últimos años, los anuncios en línea en su conjunto y los anuncios in-app en particular han pasado por un proceso de evolución en el cual maduraron junto con el mercado y las fuerzas que operan dentro de este. Un claro aumento en la medición de eventos post-instalación y el marketing centrado en el LTV están marcando la tendencia hacia un mercado más centrado en la calidad del usuario. Los anunciantes se están alejando de los modelos estrictamente basados en el costo por instalación (CPI) y están recompensando a los publishers por usuarios más involucrados y de alta calidad al introducir más objetivos basados en el costo por acción (CPA), al darse cuenta de que no todas las instalaciones son iguales y que algunos usuarios tienen más valor que otros.

El bloqueo en tiempo real sigue siendo, y así será por siempre, una parte crucial de la detección del fraude; sin embargo, es solo una capa de la protección. La lógica indicada anteriormente simplemente significa que nuestro análisis conductual debe continuar evolucionando; debemos inspeccionar datos, incluso después de que se lleve a cabo una instalación. Nuestros modelos de marketing no se detienen ahí, lo cual significa que los defraudadores tampoco.

La noción de que los defraudadores realmente siguen métodos que se sabe que se identifican en tiempo real sería un tanto ingenuo. Los defraudadores están altamente motivados, son innovadores y se adaptan fácilmente a cualquier cambio que introduzca el mercado, algunos son capaces de reaccionar a los nuevos bloqueos que aparecen en su camino en tan solo 2 o 3 días. Esto simplemente significa que los defraudadores ya han ido mejorando su juego y han modificado sus diversas herramientas para imitar el flujo de un usuario activo lo suficientemente bien como para pasar desapercibidos por los eventos más profundos y posteriores a la atribución, llegando incluso hasta las compras reales.

Moving out of our comfort zone is key in order to identify suspicious behavior trends that can only be flushed out post-install. Recognizing fraud that has managed to bypass all the known blocks put ahead of it, masquerading as a legitimate install. The current status-quo of keeping a blind eye from anything not identified and blocked in real-time is simply not aligned with the fact that some fraud does indeed go under the radar at first view. It is estimated that 1 in 4 app installs are fraudulent, this activity can and should be reconciled, how much of it is up to marketers keeping up and evolving their methods. 

Enfrentar los hechos sería el enfoque más constructivo en este momento; debemos comprender la creciente necesidad de contar con una solución integral que reúna la atribución y el análisis del fraude continuo para no dar nada por sentado y enfrentar la dura realidad. 

 

Learn more about the most innovative fraud protection solution in the industry

Mobile advertising is here to stay. Having grown by 30% year-over-year in 2018 to $184 billion, further growth is still to come with more and more advertisers shifting budgets towards mobile. Alongside this massive growth we’ll note an undeniable presence and industry concern over fraud. In many ways, fraud has been present in the advertising landscape since its early days and has been somewhat responsible for several developments and changes introduced into our industry over the years. 

Sin embargo, la percepción sobre el impacto real del fraude en la industria pinta un panorama ligeramente diferente al de la realidad.

Los casos de estudio, la investigación y los reportes te harían creer que el fraude se bloquea o que se puede bloquear antes de que toque tu presupuesto de marketing, y que siempre se maneja en tiempo real, que la actividad fraudulenta se detecta a medida que ocurre, y que se filtra mediante avanzadas herramientas contra el fraude diseñadas para proteger a los anunciantes de continuas estafas.

Si bien lo anterior es correcto para la mayoría del tráfico identificado y bloqueado, hay una verdad tácita (y desagradable) dentro de nuestra industria: algunos ataques de fraude logran filtrarse por entre las grietas. Aunque resulte incómodo admitirlo, definitivamente no podemos ignorarlo. Los algoritmos de machine learning ofrecen a los marketers la capacidad de aplicar patrones de comportamiento fraudulento conocidos para detectar y bloquear actividades fraudulentas en tiempo real, pero el factor humano en juego pone a prueba continuamente las limitaciones de la máquina en un esfuerzo por lograr una ventaja ocasional. Esto significa que algunos intentos de actividad maliciosa serán exitosos.

Los marketers invierten un tiempo precioso utilizando diferentes tecnologías con el propósito de cerrar la brecha entre la expectativa y la realidad. Los proveedores de atribución bloquean los ataques de fraude a medida que se producen, sincronizándose con los partners a través de postbacks para evitar que se transmita el pago por esta actividad. Otras herramientas de análisis se aplican para llevar a cabo una investigación más profunda de los datos, para asegurarse de que nada pase desapercibido, identificando casos de juego sucio en retrospectiva, seguido por un riguroso proceso de reconciliación.

Las soluciones de prevención del fraude pueden bloquear patrones conocidos; sin embargo, los algoritmos de machine learning a tardan tiempo en aprender los patrones desconocidos. Estos patrones evolucionan de forma constante y se introducen continuamente en la actividad permanente a medida que se materializan. Las tendencias de fraude están hechas esencialmente de puntos de datos dispersos con características similares que primero necesitamos agrupar para poder identificar. Los primeros casos podrían descartarse como incidentes aislados y no relacionados, en un primer momento, solo para luego asignarlos a una tendencia que ocurre durante algún tiempo, una vez que se determinen y etiqueten como fraudulentos, por lo que se requerirá retrospectiva.

#sl-start#

Subscribe to AppsFlyer content

The latest mobile marketing tips & trends delivered to your inbox.
#sl-end#

Esto es evolución, cariño

En los últimos años, los anuncios en línea en su conjunto y los anuncios in-app en particular han pasado por un proceso de evolución en el cual maduraron junto con el mercado y las fuerzas que operan dentro de este. Un claro aumento en la medición de eventos post-instalación y el marketing centrado en el LTV están marcando la tendencia hacia un mercado más centrado en la calidad del usuario. Los anunciantes se están alejando de los modelos estrictamente basados en el costo por instalación (CPI) y están recompensando a los publishers por usuarios más involucrados y de alta calidad al introducir más objetivos basados en el costo por acción (CPA), al darse cuenta de que no todas las instalaciones son iguales y que algunos usuarios tienen más valor que otros.

El bloqueo en tiempo real sigue siendo, y así será por siempre, una parte crucial de la detección del fraude; sin embargo, es solo una capa de la protección. La lógica indicada anteriormente simplemente significa que nuestro análisis conductual debe continuar evolucionando; debemos inspeccionar datos, incluso después de que se lleve a cabo una instalación. Nuestros modelos de marketing no se detienen ahí, lo cual significa que los defraudadores tampoco.

La noción de que los defraudadores realmente siguen métodos que se sabe que se identifican en tiempo real sería un tanto ingenuo. Los defraudadores están altamente motivados, son innovadores y se adaptan fácilmente a cualquier cambio que introduzca el mercado, algunos son capaces de reaccionar a los nuevos bloqueos que aparecen en su camino en tan solo 2 o 3 días. Esto simplemente significa que los defraudadores ya han ido mejorando su juego y han modificado sus diversas herramientas para imitar el flujo de un usuario activo lo suficientemente bien como para pasar desapercibidos por los eventos más profundos y posteriores a la atribución, llegando incluso hasta las compras reales.

Moving out of our comfort zone is key in order to identify suspicious behavior trends that can only be flushed out post-install. Recognizing fraud that has managed to bypass all the known blocks put ahead of it, masquerading as a legitimate install. The current status-quo of keeping a blind eye from anything not identified and blocked in real-time is simply not aligned with the fact that some fraud does indeed go under the radar at first view. It is estimated that 1 in 4 app installs are fraudulent, this activity can and should be reconciled, how much of it is up to marketers keeping up and evolving their methods. 

Enfrentar los hechos sería el enfoque más constructivo en este momento; debemos comprender la creciente necesidad de contar con una solución integral que reúna la atribución y el análisis del fraude continuo para no dar nada por sentado y enfrentar la dura realidad. 

 

Learn more about the most innovative fraud protection solution in the industry

Mobile advertising is here to stay. Having grown by 30% year-over-year in 2018 to $184 billion, further growth is still to come with more and more advertisers shifting budgets towards mobile. Alongside this massive growth we’ll note an undeniable presence and industry concern over fraud. In many ways, fraud has been present in the advertising landscape since its early days and has been somewhat responsible for several developments and changes introduced into our industry over the years. 

Sin embargo, la percepción sobre el impacto real del fraude en la industria pinta un panorama ligeramente diferente al de la realidad.

Los casos de estudio, la investigación y los reportes te harían creer que el fraude se bloquea o que se puede bloquear antes de que toque tu presupuesto de marketing, y que siempre se maneja en tiempo real, que la actividad fraudulenta se detecta a medida que ocurre, y que se filtra mediante avanzadas herramientas contra el fraude diseñadas para proteger a los anunciantes de continuas estafas.

Si bien lo anterior es correcto para la mayoría del tráfico identificado y bloqueado, hay una verdad tácita (y desagradable) dentro de nuestra industria: algunos ataques de fraude logran filtrarse por entre las grietas. Aunque resulte incómodo admitirlo, definitivamente no podemos ignorarlo. Los algoritmos de machine learning ofrecen a los marketers la capacidad de aplicar patrones de comportamiento fraudulento conocidos para detectar y bloquear actividades fraudulentas en tiempo real, pero el factor humano en juego pone a prueba continuamente las limitaciones de la máquina en un esfuerzo por lograr una ventaja ocasional. Esto significa que algunos intentos de actividad maliciosa serán exitosos.

Los marketers invierten un tiempo precioso utilizando diferentes tecnologías con el propósito de cerrar la brecha entre la expectativa y la realidad. Los proveedores de atribución bloquean los ataques de fraude a medida que se producen, sincronizándose con los partners a través de postbacks para evitar que se transmita el pago por esta actividad. Otras herramientas de análisis se aplican para llevar a cabo una investigación más profunda de los datos, para asegurarse de que nada pase desapercibido, identificando casos de juego sucio en retrospectiva, seguido por un riguroso proceso de reconciliación.

Las soluciones de prevención del fraude pueden bloquear patrones conocidos; sin embargo, los algoritmos de machine learning a tardan tiempo en aprender los patrones desconocidos. Estos patrones evolucionan de forma constante y se introducen continuamente en la actividad permanente a medida que se materializan. Las tendencias de fraude están hechas esencialmente de puntos de datos dispersos con características similares que primero necesitamos agrupar para poder identificar. Los primeros casos podrían descartarse como incidentes aislados y no relacionados, en un primer momento, solo para luego asignarlos a una tendencia que ocurre durante algún tiempo, una vez que se determinen y etiqueten como fraudulentos, por lo que se requerirá retrospectiva.

Subscribe to AppsFlyer content

The latest mobile marketing tips & trends delivered to your inbox.

Esto es evolución, cariño

En los últimos años, los anuncios en línea en su conjunto y los anuncios in-app en particular han pasado por un proceso de evolución en el cual maduraron junto con el mercado y las fuerzas que operan dentro de este. Un claro aumento en la medición de eventos post-instalación y el marketing centrado en el LTV están marcando la tendencia hacia un mercado más centrado en la calidad del usuario. Los anunciantes se están alejando de los modelos estrictamente basados en el costo por instalación (CPI) y están recompensando a los publishers por usuarios más involucrados y de alta calidad al introducir más objetivos basados en el costo por acción (CPA), al darse cuenta de que no todas las instalaciones son iguales y que algunos usuarios tienen más valor que otros.

El bloqueo en tiempo real sigue siendo, y así será por siempre, una parte crucial de la detección del fraude; sin embargo, es solo una capa de la protección. La lógica indicada anteriormente simplemente significa que nuestro análisis conductual debe continuar evolucionando; debemos inspeccionar datos, incluso después de que se lleve a cabo una instalación. Nuestros modelos de marketing no se detienen ahí, lo cual significa que los defraudadores tampoco.

La noción de que los defraudadores realmente siguen métodos que se sabe que se identifican en tiempo real sería un tanto ingenuo. Los defraudadores están altamente motivados, son innovadores y se adaptan fácilmente a cualquier cambio que introduzca el mercado, algunos son capaces de reaccionar a los nuevos bloqueos que aparecen en su camino en tan solo 2 o 3 días. Esto simplemente significa que los defraudadores ya han ido mejorando su juego y han modificado sus diversas herramientas para imitar el flujo de un usuario activo lo suficientemente bien como para pasar desapercibidos por los eventos más profundos y posteriores a la atribución, llegando incluso hasta las compras reales.

Moving out of our comfort zone is key in order to identify suspicious behavior trends that can only be flushed out post-install. Recognizing fraud that has managed to bypass all the known blocks put ahead of it, masquerading as a legitimate install. The current status-quo of keeping a blind eye from anything not identified and blocked in real-time is simply not aligned with the fact that some fraud does indeed go under the radar at first view. It is estimated that 1 in 4 app installs are fraudulent, this activity can and should be reconciled, how much of it is up to marketers keeping up and evolving their methods. 

Enfrentar los hechos sería el enfoque más constructivo en este momento; debemos comprender la creciente necesidad de contar con una solución integral que reúna la atribución y el análisis del fraude continuo para no dar nada por sentado y enfrentar la dura realidad. 

 

Learn more about the most innovative fraud protection solution in the industry

Mobile advertising is here to stay. Having grown by 30% year-over-year in 2018 to $184 billion, further growth is still to come with more and more advertisers shifting budgets towards mobile. Alongside this massive growth we’ll note an undeniable presence and industry concern over fraud. In many ways, fraud has been present in the advertising landscape since its early days and has been somewhat responsible for several developments and changes introduced into our industry over the years. 

Sin embargo, la percepción sobre el impacto real del fraude en la industria pinta un panorama ligeramente diferente al de la realidad.

Los casos de estudio, la investigación y los reportes te harían creer que el fraude se bloquea o que se puede bloquear antes de que toque tu presupuesto de marketing, y que siempre se maneja en tiempo real, que la actividad fraudulenta se detecta a medida que ocurre, y que se filtra mediante avanzadas herramientas contra el fraude diseñadas para proteger a los anunciantes de continuas estafas.

Si bien lo anterior es correcto para la mayoría del tráfico identificado y bloqueado, hay una verdad tácita (y desagradable) dentro de nuestra industria: algunos ataques de fraude logran filtrarse por entre las grietas. Aunque resulte incómodo admitirlo, definitivamente no podemos ignorarlo. Los algoritmos de machine learning ofrecen a los marketers la capacidad de aplicar patrones de comportamiento fraudulento conocidos para detectar y bloquear actividades fraudulentas en tiempo real, pero el factor humano en juego pone a prueba continuamente las limitaciones de la máquina en un esfuerzo por lograr una ventaja ocasional. Esto significa que algunos intentos de actividad maliciosa serán exitosos.

Los marketers invierten un tiempo precioso utilizando diferentes tecnologías con el propósito de cerrar la brecha entre la expectativa y la realidad. Los proveedores de atribución bloquean los ataques de fraude a medida que se producen, sincronizándose con los partners a través de postbacks para evitar que se transmita el pago por esta actividad. Otras herramientas de análisis se aplican para llevar a cabo una investigación más profunda de los datos, para asegurarse de que nada pase desapercibido, identificando casos de juego sucio en retrospectiva, seguido por un riguroso proceso de reconciliación.

Las soluciones de prevención del fraude pueden bloquear patrones conocidos; sin embargo, los algoritmos de machine learning a tardan tiempo en aprender los patrones desconocidos. Estos patrones evolucionan de forma constante y se introducen continuamente en la actividad permanente a medida que se materializan. Las tendencias de fraude están hechas esencialmente de puntos de datos dispersos con características similares que primero necesitamos agrupar para poder identificar. Los primeros casos podrían descartarse como incidentes aislados y no relacionados, en un primer momento, solo para luego asignarlos a una tendencia que ocurre durante algún tiempo, una vez que se determinen y etiqueten como fraudulentos, por lo que se requerirá retrospectiva.

Subscribe to AppsFlyer content

The latest mobile marketing tips & trends delivered to your inbox.

Esto es evolución, cariño

En los últimos años, los anuncios en línea en su conjunto y los anuncios in-app en particular han pasado por un proceso de evolución en el cual maduraron junto con el mercado y las fuerzas que operan dentro de este. Un claro aumento en la medición de eventos post-instalación y el marketing centrado en el LTV están marcando la tendencia hacia un mercado más centrado en la calidad del usuario. Los anunciantes se están alejando de los modelos estrictamente basados en el costo por instalación (CPI) y están recompensando a los publishers por usuarios más involucrados y de alta calidad al introducir más objetivos basados en el costo por acción (CPA), al darse cuenta de que no todas las instalaciones son iguales y que algunos usuarios tienen más valor que otros.

El bloqueo en tiempo real sigue siendo, y así será por siempre, una parte crucial de la detección del fraude; sin embargo, es solo una capa de la protección. La lógica indicada anteriormente simplemente significa que nuestro análisis conductual debe continuar evolucionando; debemos inspeccionar datos, incluso después de que se lleve a cabo una instalación. Nuestros modelos de marketing no se detienen ahí, lo cual significa que los defraudadores tampoco.

La noción de que los defraudadores realmente siguen métodos que se sabe que se identifican en tiempo real sería un tanto ingenuo. Los defraudadores están altamente motivados, son innovadores y se adaptan fácilmente a cualquier cambio que introduzca el mercado, algunos son capaces de reaccionar a los nuevos bloqueos que aparecen en su camino en tan solo 2 o 3 días. Esto simplemente significa que los defraudadores ya han ido mejorando su juego y han modificado sus diversas herramientas para imitar el flujo de un usuario activo lo suficientemente bien como para pasar desapercibidos por los eventos más profundos y posteriores a la atribución, llegando incluso hasta las compras reales.

Moving out of our comfort zone is key in order to identify suspicious behavior trends that can only be flushed out post-install. Recognizing fraud that has managed to bypass all the known blocks put ahead of it, masquerading as a legitimate install. The current status-quo of keeping a blind eye from anything not identified and blocked in real-time is simply not aligned with the fact that some fraud does indeed go under the radar at first view. It is estimated that 1 in 4 app installs are fraudulent, this activity can and should be reconciled, how much of it is up to marketers keeping up and evolving their methods. 

Enfrentar los hechos sería el enfoque más constructivo en este momento; debemos comprender la creciente necesidad de contar con una solución integral que reúna la atribución y el análisis del fraude continuo para no dar nada por sentado y enfrentar la dura realidad. 

 

Learn more about the most innovative fraud protection solution in the industry