Adzine Top-Stories per Newsletter
MOBILE

Guide für den Kampf gegen Mobile Fraud – Fünf Schritte für das Marketingarsenal

Von Andreas Naumann, 29. September 2016
Adobe Stock Bild: everettovrk

Ad Click Fraud (Werbeklickbetrug) ist ein Problem, dessen Bekämpfung Geld, Zeit und Ressourcen in Milliardenhöhe kostet. Oftmals unbeachtet bleibt dabei, dass Mobile Fraud sich nicht nur direkt auf das Budget auswirkt, sondern im gleichen Schritt wertvolle Erkenntnisse über Werbekampagnen und Werbemaßnahmen verfälscht. Um für die Bekämpfung von Fraud gewappnet zu sein, ist es daher unbedingt erforderlich, dass die Marketingteams der Unternehmen in die Lage versetzt werden, sich selbst aktiv gegen Fraud zur Wehr zu setzen. Nur so kann das Problem von Ad Fraud verstanden und nachhaltig gelöst werden.

Um die internen Teams bei dieser Herausforderung zu unterstützen, sind vor allem die richtigen Tools im Kampf gegen Ad Fraud entscheidend. Zu diesem Zweck haben wir einen Guide entwickelt, der in fünf einfachen Schritten Marketer in die Lage versetzt, Fraud zu identifizieren und aktiv aus ihren Kampagnen fernzuhalten. Die folgenden Schritte stellen Empfehlungen dar, die in letzter Konsequenz Unternehmen dabei helfen sollen, ihre Marketingbudgets zu schützen. Zudem sind die Tools hilfreich, um die Performance von Marketingmaßnahmen unverfälscht zu messen und Marketern somit in Zukunft Entscheidungen auf solider Datenbasis zu ermöglichen.

Schritt 1: Internes und externes Training

Fraud wird von Personen betrieben, die mittlerweile eine hohe Kompetenz in Marketingprozessen entwickelt haben. Sie nutzen dabei eine Lücke, die auch auf Seiten der Marketer entsteht: Durch immer neue KPIs in der digitalen Welt ist es auch für Marketingverantwortliche eine Herausforderung, Performance-Indikatoren angemessen zu interpretieren. Die entscheidende Frage lautet also: Wie gut kennt sich das Marketingteam mit den gängigsten Varianten von Ad Fraud aus? Und: Weiß das Team über die Möglichkeiten Bescheid, wie Fraud innerhalb ihrer Marketingmaßnahmen identifiziert werden kann?

Es mag zwar etwas Zeit benötigen, um die nötige Expertise der Teams in diesem Gebiet aufzubauen, aber der interne Aufbau von Know-how zahlt sich langfristig aus, spätestens beim Blick auf die Kosteneffizienz zukünftiger Marketingmaßnahmen.

Deshalb: Ermöglicht es euren Mitarbeitern, an Konferenzen teilzunehmen. Veranstaltet Trainings und Workshops und teilt euer Wissen innerhalb eurer Marketingteams.

Schritt 2: Führt ein Tool zum Datenmanagement innerhalb Eurer eigenen Business Intelligence (BI) ein

Angesichts der Komplexität von Mobile-Marketing-Kampagnen gibt es zwangsläufig eine Vielzahl an verschiedenen Datenquellen im Ökosystem, die dabei helfen können, Ad Fraud von Kampagnen zu verbannen. Das Thema ist so komplex, da jede Mobile-Marketing-Kampagne eigene, einzigartige Datenpunkte in verschiedenen Teilen der Wertschöpfungskette generiert. Zunächst ist die Erkenntnis wichtig, dass die eigenen Daten sinnvoll strukturiert und aufbereitet werden müssen, um dann Tools zur Bekämpfung von Fraud erfolgreich zu implementieren.

Aus verschiedenen Gründen, wie beispielsweise Privatsphäreeinstellungen, können einige Daten nur für bestimmte Parteien in der Wertschöpfungskette zugänglich sein.

Folgendes Beispiel soll diesen Zusammenhang besser verständlich machen: Ein Mobile-Marketer verfügt über interne Datenbanken mit ziemlich detaillierten Nutzerdaten, wohingegen ein Werbenetzwerk die Hoheit über die Nutzerdaten der Zielgruppen besitzt. In der Mitte stehen dritte Instanzen, wie beispielsweise Adjust oder andere Anbieter, die als Attribution-Plattformen beide Seiten miteinander verbinden. Um diese Verknüpfung transparent und nachvollziehbar zu machen, müssen die Daten auf beiden Seiten entsprechend strukturiert und aufbereitet sein. Marketingteams sollten daher über eine Art von eigens erstellten oder lizenzierten Business-Intelligence-Systemen verfügen, die sie selbst managen können.

Schritt 3: Tools, um aktiv gegen den Betrug vorzugehen

Sobald einmal die Möglichkeiten bzw. Fähigkeiten vorhanden sind, um Daten von verschiedenen Quellen zu sammeln und sinnvolle Schlüsse aus den Daten zu ziehen, können Tools zur Verhinderung von Fraud angewendet werden. Eine der primären Voraussetzungen für die Verhinderung von Ad Fraud ist die Fähigkeit, auf direktem Weg einschreiten zu können. Betrügerischer Traffic von resultierenden Payouts bis zu fragwürdigen Herausgebern wird somit direkt blockiert. Es ist wichtig zu wissen, dass betrügerische oder falsche Install-Conversions von zahlreichen Tracking-Systemen nach wie vor akzeptiert werden - wie es im Falle von integriertem Stack vorkommt - und damit das gesamte Potential der datengestützten Kampagnenevaluation schwinden lassen.

Wie auch immer betrügerischer Traffic am Ende identifiziert wird, man muss in der Lage sein, diesen speziellen Filter im Voraus anzuwenden, noch bevor weitere Akteure mit eingebunden werden. Das Anwenden der Filter geschieht entweder über eine Attribution-Plattform oder durch ein direktes Weiterleiten von Daten zu einer Plattform, wie Segment oder sogar ein internes BI-System, das für die Distribution von Daten zuständig ist. Nur so lässt sich eine korrekte Evaluation der Marketingkampagne gewährleisten.

Schritt 4: Tools zur Zuordnung von Metadaten an IP-Adressen

Ähnlich zu Tools zur Verhinderung von Fraud sollten Marketer über eine Art von IP-Datenbank verfügen, die Metadaten zu IP-Adressen zu verschiedenen Zeitpunkten der Wertschöpfungskette liefert.

Dies stellt deshalb einen wichtigen Vorgang dar, weil durch das Abstimmen der IP-Daten die Gültigkeit der IP-Adressen der User bestätigt werden kann. Die Überprüfung der IP-Adressen ist der einfachste und effektivste Weg, um zu bestätigen, dass der Traffic nicht nur von einer verdächtigen Quelle kommt (wie zum Beispiel einem Datencenter oder Tor-Exit-Knotenpunkt). Teile dieser Metadaten können bereits durch verschiedene Dienstleister in der Wertschöpfungskette zur Verfügung gestellt worden sein. Allerdings ist nie klar, welche Qualität die Metadaten dann haben, da die Herkunft oft unklar ist. Eine eigene Lösung sorgt hier für Daten aus erster Hand, mit denen sich selbstbewusst ermitteln und verhandeln lässt. Deshalb ist es meistens am besten, ein eigenes Metadatentool zu erwerben, dass angepasst werden kann.

Schritt 5: Tools, die KPIs für spezifische Traffic-Quellen definieren

Abschließend sollten Marketer sich ein angemessenes Database-Frontend (vielleicht sogar intern entwickelt) zulegen, das spezielle KPIs für Traffic-Quellen definiert und es ermöglicht, Eckdaten von globalen Quellen zu vergleichen. Idealerweise erlaubt das Tool auch, Rohdaten von verschiedenen Quellen (Sources) zu importieren und zu verwalten, um Analysen und Vergleiche im Fall einer Fraud-Milderung zu ermöglichen. Der Import von Rohdaten in diesem Szenario kann dabei helfen Diskrepanzen zu identifizieren und zusätzliche Metadaten zu bereits verfügbaren Daten liefern. Dies kann wiederum zu einer verbesserten Mustererkennungsfähigkeit führen.

Zusammengefasst:

Unter den Umständen der Komplexität von Mobile-Ad-Ökosystemen und des gleichzeitigen Anstiegs von Ad Fraud ist es eine große Herausforderung, Marketer mit einfach Schritten und Tools in die Lage zu versetzen, eigenständig dieser Entwicklung entgegenzuwirken. Wir hoffen, dass diese Guideline dabei helfen kann, die wesentlichen Bausteine eines wirksamen Anti-Fraud-Setups aufzuzeigen.

Im ersten Schritt spielt Attribution die wichtigste Rolle, um Fraud zu identifizieren. Die Frage, woher der Mobile Traffic kommt, ist entscheidend. Allerdings ist Attribution nur der Anfang dieses Puzzles: Betrügerischer Traffic kann viele Formen und Gestalten annehmen und ist deshalb nicht immer einfach zu durchschauen. Es ist ein ständiges Wettrennen zwischen Betrügern und Beschützern. Aus diesem Grund sollten Marketingteams fortlaufend weitergebildet werden, wie bereits im ersten und womöglich wichtigsten Schritt beschrieben.

Foto: Adjust / Andreas Naumann Über den Autor/die Autorin:

Andreas Naumann ist versiert in groß angelegten Datenanalysen und seit Januar 2016 als Leiter der Anti-Fraud-Initiative bei adjust. In den vorgegangenen acht Jahren war er bei vielen führenden europäischen Marketing-Netzwerken wie Zanox, Trademob und Glispa für die Betrugsbekämpfung verantwortlich. Zusammen mit adjust arbeitet Naumann an einem Algorithmus mit dem in Echtzeit Fraud erkannt und herausgefiltert werden kann, sodass adjust’s Kunden saubere Daten erhalten, die den Erfolg der Kampagne realistisch widerspiegeln.