วิธีตรวจจับการฉ้อโกงโฆษณา (Ad Fraud) และป้องกันการทำ Click Injection บนอุปกรณ์ Android

จะตรวจจับการทำ Click Injection ในการตลาดเชิงประสิทธิภาพได้อย่างไร? การตรวจจับ Click Injection ต้องอาศัยการวิเคราะห์เวลาที่ติดตั้งแอปบน Android ผ่าน Google Play Install Referrer API เพื่อระบุเหตุการณ์ที่บันทึกเวลาการคลิกโฆษณาไว้หลังจากที่กระบวนการติดตั้งแอปเริ่มต้นขึ้นบน Google Play หรือการคลิกที่เกิดขึ้นในช่วงเวลาที่สั้นผิดปกติเมื่อเทียบกับค่ามาตรฐานของแอปและช่องทางต่างๆ

Click Injection เป็นรูปแบบหนึ่งของการฉ้อโกงโฆษณาบนมือถือที่มีความซับซ้อนและพบได้เฉพาะบนอุปกรณ์ Android โดยแอปที่เป็นอันตรายจะคอยสังเกตเหตุการณ์การติดตั้งของระบบปฏิบัติการเพื่อส่งคำสั่งคลิกโฆษณาจำลองในขณะที่แอปเป้าหมายกำลังดาวน์โหลด การฉ้อโกงนี้อาศัยความหน่วงระหว่างการเริ่มดาวน์โหลดจนถึงการเปิดใช้งานแอปครั้งแรก เพื่อแย่งชิงสิทธิ์การระบุแหล่งที่มา (Attribution) จากช่องทางการตลาดที่ถูกต้องหรือจากการค้นหาทั่วไป (Organic Discovery)

คำศัพท์	คำนิยาม	องค์ประกอบที่เกี่ยวข้อง	เป้าหมายการค้นหา
Ad Fraud	การสร้างคลิกหรือการแปลงผลลัพธ์ (Conversion) ปลอมเพื่อหลอกใช้งบประมาณโฆษณา	Attribution Tracking	ข้อมูลทั่วไป / เชิงพาณิชย์
Click Injection	รูปแบบการฉ้อโกงเฉพาะบน Android ที่ส่งคลิกจำลองระหว่างการติดตั้งแอป	Google Play Install Referrer	เชิงเทคนิค / ข้อมูล
Google Play Install Referrer	แพลตฟอร์ม API ที่ให้ข้อมูลเมตาของการแนะนำและประทับเวลาการคลิก/เริ่มติดตั้งจาก Google Play; สัญญา AIDL ระดับต่ำยังกำหนดฟิลด์การตั้งเวลาฝั่งเซิร์ฟเวอร์เพิ่มเติมอีกด้วย	Performance Marketing	ข้อมูลทั่วไป

ทำไม Click Injection ถึงตรวจจับได้ยากในการทำ Attribution บน Android

การโจรกรรม Attribution แบบเงียบๆ: เหตุใดข้อมูลพฤติกรรมในแอปจึงดูปกติ

ในการตลาดดิจิทัลเชิงประสิทธิภาพ การจราจร (Traffic) ที่ฉ้อโกงมักจะเปิดเผยตัวเองผ่านเมตริกการมีส่วนร่วมหลังติดตั้งที่ลดลง รูปแบบการสร้าง Conversion ปลอม เช่น ฟาร์มอุปกรณ์, โปรแกรมจำลอง, หรือการปลอม SDK มักจะทำให้เกิดพฤติกรรมในแอปที่ผิดปกติ เว้นแต่จะมีการสร้างข้อมูลเหล่านั้นขึ้นมาด้วย ในสภาพแวดล้อมที่ไม่มีการควบคุม ผู้ใช้งานปลอมเหล่านี้จะไม่สร้างความประทับใจโฆษณา ไม่ผ่านขั้นตอนการใช้งานเบื้องต้น และไม่เปลี่ยนสถานะเป็นลูกค้าที่ซื้อจริง

ทว่า Click Injection มีพฤติกรรมที่ต่างออกไปโดยสิ้นเชิง ในกรณีนี้ ผู้ใช้งานจริงที่ดาวน์โหลดแอปคือมนุษย์ที่มีความตั้งใจสูง ผู้ใช้งานค้นพบแอป เริ่มการดาวน์โหลดจาก Google Play Store และทำตามขั้นตอนการใช้งานเบื้องต้นอย่างครบถ้วน เนื่องจากเป็นผู้ใช้งานจริง ข้อมูลการใช้งานในแอปจึงดูเป็นปกติ ทั้งอัตราการรักษาผู้ใช้งาน (Retention) ตั้งแต่วันที่ 1 ถึง 30 ความถี่ในการใช้งาน และรูปแบบการซื้อสินค้าในแอป

นี่ทำให้ Click Injection เป็นการโจมตีที่ตรวจจับได้ยาก การฉ้อโกงนี้ไม่ได้ทำลายประสบการณ์ผู้ใช้หรือทำให้เครื่องมือวิเคราะห์สินค้าเสียหาย แต่กลับไปทำลายความถูกต้องของ Attribution แทน นักการตลาโดยตรง ทำให้นักการตลาดจ่ายเงินค่า Cost Per Install (CPI) หรือ Cost Per Action (CPA) ให้กับเครือข่ายโฆษณาที่ฉ้อโกง ด้วยความเชื่อว่าผู้เผยแพร่โฆษณานั้นนำกลุ่มผู้ใช้งานที่มีคุณภาพสูงมาให้

ผลกระทบทางเศรษฐกิจ: การสูญเสียงบประมาณการตลาดให้กับยอดดาวน์โหลดแบบออร์แกนิก

เป้าหมายหลักของการทำ Click Injection คือกลุ่มผู้ใช้งานแบบออร์แกนิก เมื่อผู้ใช้ออร์แกนิกค้นหาแอปใน Google Play Store และแตะ "ติดตั้ง" ผู้ใช้คนนั้นถูกได้มาโดยไม่ต้องใช้จ่ายงบโฆษณา การส่งคลิกโฆษณาปลอมในขณะที่กำลังดาวน์โหลดแอปจะทำให้เครือข่ายฉ้อโกงแย่งชิงสิทธิ์การระบุแหล่งที่มาของการติดตั้งที่เป็นออร์แกนิกนั้นไป

ผลกระทบทางการเงินจะส่งผลกระทบสองด้าน:

การจัดสรรเงินทุนที่ผิดพลาด: งบประมาณการตลาดถูกจ่ายไปเป็นค่าตอบแทนสำหรับการติดตั้งที่เกิดขึ้นตามธรรมชาติ ซึ่งไม่จำเป็นต้องใช้งบโปรโมทใดๆ
เมตริกออร์แกนิกที่ถูกกดให้ต่ำลง: เนื่องจาก Conversion แบบออร์แกนิกถูกจำแนกว่าเป็นยอดติดตั้งจากพาร์ทเนอร์ที่เสียเงิน ทีมการตลาดจึงประเมินความเร็วพื้นฐานที่แท้จริงของการค้นพบแอปและคุณค่าของแบรนด์ต่ำเกินไป

เมื่อเวลาผ่านไป การโจรกรรม Attribution นี้จะบิดเบือนการประเมินช่องทางการตลาด ทำให้นักการตลาดเพิ่มงบโฆษณาในช่องทางที่ฉ้อโกง และลดการลงทุนในแคมเปญการตลาดของแบรนด์ที่แท้จริง

ทำไมการติดตามแบบ Postback มาตรฐานถึงไม่สามารถตรวจจับ Click Injection ระหว่างดาวน์โหลดได้

ไปป์ไลน์ Postback แบบ Server-to-Server (S2S) มาตรฐานทำงานภายใต้กรอบการระบุแหล่งที่มาแบบ last-touch (การสัมผัสครั้งสุดท้าย) เมื่อแอปที่ติดตั้งใหม่เริ่มทำงานเป็นครั้งแรก เครื่องมือวัดผลจะตรวจสอบในฐานข้อมูลว่ามีการคลิกครั้งล่าสุดที่เกี่ยวข้องกับรหัสโฆษณาหรือโทเค็นของผู้ใช้ภายในหน้าต่างเวลาที่กำหนดหรือไม่

หากเครือข่ายโฆษณาส่งคลิกปลอมมาเพียงไม่กี่นาทีก่อนเปิดแอป คลิกนั้นจะอยู่ในลำดับสุดท้ายของบันทึกการ Attribution ตรรกะ Postback ที่อาศัยเพียงบันทึกเวลาการคลิกครั้งล่าสุดไม่สามารถแยกแยะได้ว่าคลิกนั้นเกิดขึ้นก่อนที่ผู้ใช้จะไปยังร้านค้าหรือเกิดขึ้นในขณะที่กำลังดาวน์โหลดแอปอยู่

การป้องกัน Click Injection จำเป็นต้องเจาะลึกเข้าไปในจุดบอดของการดาวน์โหลดนี้ โดยการบันทึกเวลาในระดับระบบปฏิบัติการโดยตรงจากโครงสร้างพื้นฐานของ Google Play Store

นักพัฒนาที่มองหาเครื่องมือวิเคราะห์ลูกค้าและ SDK ที่มีประสิทธิภาพสามารถตรวจสอบรายละเอียดได้ผ่าน mobile analytics SDK package.

Click Injection ใช้เหตุการณ์การติดตั้งบน Android เพื่อขโมย Conversion อย่างไร

กลไกของการโจมตี: แอปยูทิลิตี้ที่เป็นอันตรายและตัวตรวจจับเบื้องหลัง

Click Injection อาศัยแอปที่เป็นอันตรายซึ่งทำงานอยู่บนอุปกรณ์ Android ของผู้ใช้งาน โดยปกติแล้วแอปเหล่านี้จะถูกปลอมตัวเป็นเครื่องมืออเนกประสงค์ เช่น ไฟฉาย, เครื่องสแกน QR Code, ตัวล้างไฟล์ระบบ หรือเกมทั่วไป ซึ่งเผยแพร่อยู่ในตลาดแอปของบุคคลที่สามหรือผ่านรายชื่อแอปที่ถูกแฮ็ก

เมื่อติดตั้งแล้ว แอปอันตรายจะขออนุญาตทำงานเบื้องหลัง ในอดีต แอปเหล่านี้บน Android ใช้วิธีสังเกตเหตุการณ์การติดตั้งเพื่อดูว่ามีการดาวน์โหลดแอปเป้าหมายเกิดขึ้นหรือไม่ แม้ว่า Android เวอร์ชันปัจจุบันจะจำกัดการทำงานเบื้องหลังมากขึ้น แต่แอปอันตรายก็ยังพยายามหาช่องทางในการสังเกตแพลตฟอร์มเพื่อระบุเมื่อมีการติดตั้งแอปใหม่

[แอปยูทิลิตี้อันตรายเบื้องหลัง]
           │
           ├─► ขั้นตอนที่ 1: ตรวจพบสัญญาณสถานะการติดตั้ง
           ├─► ขั้นตอนที่ 2: ระบุชื่อแพ็กเกจเป้าหมาย (เช่น com.example.app)
           ├─► ขั้นตอนที่ 3: ร้องขอลิงก์การติดตามจากเซิร์ฟเวอร์โฆษณาที่ฉ้อโกง
           └─► ขั้นตอนที่ 4: ส่งคลิกโฆษณาจำลองผ่านคำขอ headless

การใช้ประโยชน์จากช่องว่างของเวลา: ความหน่วงระหว่างการเริ่มดาวน์โหลดและเปิดแอป

ในช่วงเวลาระหว่างที่ผู้ใช้แตะ "ติดตั้ง" บน Google Play Store และช่วงเวลาที่แตะ "เปิด" จะเกิดความหน่วงตามธรรมชาติขึ้นสามช่วง:

การถ่ายโอนไฟล์: ไฟล์ APK ของแอปจะถูกดาวน์โหลดผ่าน Wi-Fi หรือเครือข่ายมือถือ ซึ่งความเร็วขึ้นอยู่กับขนาดไฟล์และแบนด์วิดท์
การตรวจสอบและติดตั้ง: ระบบปฏิบัติการ Android จะตรวจสอบลายเซ็นดิจิทัลและแตกไฟล์ลงในเครื่อง
ความหน่วงในการเปิดแอป: ผู้ใช้มองเห็นการติดตั้งเสร็จสิ้นและแตะไอคอนเพื่อเปิดแอปเป็นครั้งแรก ซึ่งอาจใช้เวลาตั้งแต่ไม่กี่วินาทีจนถึงหลายชั่วโมง

ช่วงเวลาดังกล่าวคือช่องโหว่ เมื่อแอปอันตรายตรวจพบว่าการดาวน์โหลดเป้าหมายเริ่มต้นขึ้น มันจะมีเวลาเพียงพอในการร้องขอ URL การติดตามและส่งคลิกปลอมก่อนที่แอปเป้าหมายจะเริ่มรันโค้ดครั้งแรก

วิธีที่ผู้ฉ้อโกงเล่นตลกกับกฎการทำ Attribution แบบ Last-Touch

โมเดลแบบ last-touch จะให้เครดิต Conversion ทั้งหมดแก่การคลิกครั้งสุดท้ายก่อนการติดตั้ง ผู้ฉ้อโกงใช้ Click Injection เพื่อให้เวลาคลิกของตนอยู่ในลำดับหลังจากจุดสัมผัส (Touchpoints) ที่ถูกต้องทั้งหมด

หากผู้เผยแพร่โฆษณาที่ถูกต้องส่งความประทับใจและการคลิกที่แท้จริงมาก่อนหลายวัน ( $t_{\text{legitimate}}$ ) และแอปอันตรายส่งคลิกปลอมเข้ามาไม่กี่วินาทีก่อนเปิดแอป ( $t_{\text{injected}}$ ) เส้นเวลาของ Attribution จะบันทึกว่า:

t_{\text{legitimate}} < t_{\text{download\_start}} < t_{\text{injected}} < t_{\text{app\_launch}}

ภายใต้ตรรกะแบบ last-touch เครื่องมือ Attribution จะให้ Conversion แก่การคลิกปลอมนั้นไป โดยทิ้งเครดิตของผู้เผยแพร่โฆษณาที่ถูกต้องไปอย่างสิ้นเชิง

Android click injection attack during a genuine app install

คณิตศาสตร์ของการคำนวณเวลา Install Referrer และการย้อนกลับของคลิก

การกำหนดฟิลด์เวลาของแพลตฟอร์ม: เวลาคลิกเทียบกับเวลาเริ่มติดตั้ง

การเอาชนะ Click Injection ต้องประเมินลำดับการติดตั้งเทียบกับฟิลด์เวลาที่แพลตฟอร์มให้มา แทนที่จะใช้เวลาจากอุปกรณ์ของลูกค้า (Client-side wall clock) ที่ตรวจสอบไม่ได้

Google Play Install Referrer Client Library แสดงฟิลด์เวลาหลักสองฟิลด์:

Referrer Click Timestamp ( $t_{\text{referrer\_click}}$ ): เวลาที่บันทึกโดย Google Play เมื่อคลิกลิงก์อ้างอิง (referrerClickTimestampSeconds)
Install Begin Timestamp ( $t_{\text{install\_begin}}$ ): เวลาที่บันทึกเมื่อการติดตั้งแอปเริ่มขึ้นบน Google Play (installBeginTimestampSeconds)

ในบริการ AIDL ของ Play Install Referrer ยังมีฟิลด์เวลาฝั่งเซิร์ฟเวอร์ด้วย แม้ค่าจาก Library ลูกค้าจะเป็นสัญญาณเวลาที่ดี แต่สถาปัตยกรรมหลังบ้านจะตรวจสอบค่าเหล่านี้เทียบกับบันทึกการคลิกจากเครือข่ายโฆษณาต้นทางเพื่อสร้างลำดับเวลาจากหลายแหล่ง

การคำนวณ Click-to-Install-Begin Time

เครื่องมือ Attribution จะคำนวณ Click-to-Install-Begin Time ( $\text{CTIT}_{\text{install\_begin}}$ ):

\text{CTIT}_{\text{install\_begin}} = t_{\text{install\_begin}} - t_{\text{referrer\_click}}

ในการเดินทางของผู้ใช้จริงที่การโฆษณาเป็นตัวกระตุ้นให้ติดตั้ง ลำดับเวลาที่คาดหวังคือการคลิกต้องมาก่อนการเริ่มติดตั้ง:

\text{ลำดับเวลาที่คาดหวัง}: \quad t_{\text{referrer\_click}} \le t_{\text{install\_begin}} \implies \text{CTIT}_{\text{install\_begin}} \ge 0

ในพฤติกรรมมนุษย์ปกติ $\text{CTIT}_{\text{install\_begin}}$ จะมีค่าที่ผันแปรตามความเร็วการเชื่อมต่อและการตัดสินใจของผู้ใช้

การตรวจจับ Click Inversion: การระบุลำดับเวลาที่ไม่สอดคล้องกัน

Click Injection สร้างการย้อนกลับของเวลา (Temporal Inversion) ที่การคลิกโฆษณาเกิดขึ้น หลังจาก ที่การติดตั้งแอปเริ่มขึ้นแล้ว:

\text{เงื่อนไขการย้อนกลับ (การแทรกคลิกปลอม)}: \quad \text{CTIT}_{\text{install\_begin}} < 0

ลำดับเวลา (t) ──►
[ผู้ใช้คลิก "ติดตั้ง" ใน Play Store] ───► [เริ่มติดตั้ง Google Play] ──► [เปิดแอปครั้งแรก]
                   │                               │                               │
                   ▼                               ▼                               ▼
        t_download_click (จริง)             t_install_begin                 t_app_first_launch
                                                   ▲                               ▲
                                                   │  [คลิกปลอมที่ถูกแทรก]         │
                                                   └─── t_referrer_click ──────────┘
                                                   (CTIT_install_begin < 0: ตรวจพบการย้อนกลับ)

ค่า Click-to-Install-Begin ที่ติดลบเป็นสัญญาณผิดปกติที่บ่งบอกถึงการฉ้อโกง ซึ่งควรนำไปประเมินร่วมกับหลักฐานการ Attribution อื่นๆ ในนโยบายการประเมินการฉ้อโกง

วิธีการติดตั้ง Google Play Install Referrer Telemetry ใน Android SDK

การเพิ่ม Dependency ใน build.gradle

ในการบันทึกเวลาจากร้านค้าบน Android แอปต้องมี Library ของ Google Play Install Referrer

เพิ่ม Dependency ลงในไฟล์ build.gradle ของแอป:

dependencies {
    implementation("com.android.installreferrer:installreferrer:2.2")
}

การเชื่อมต่อกับ InstallReferrerClient

InstallReferrerClient สื่อสารกับ Google Play Store ผ่านบริการ Android IPC เนื่องจากข้อมูล Referrer เก็บได้นานอย่างน้อย 90 วันและจะไม่เปลี่ยนจนกว่าจะติดตั้งใหม่ แอปควรเรียกใช้ข้อมูลนี้ครั้งเดียวเมื่อเริ่มเปิดแอปและเก็บข้อมูลไว้ภายในเครื่อง

ตัวอย่างการใช้งาน Kotlin เพื่อดึงข้อมูลเวลาและคำนวณความผิดปกติ:


```kotlin
// [CODE_BLOCK_01] ตัวอย่าง Kotlin
// การดึงข้อมูล Install Referrer และคำนวณ CTIT เพื่อตรวจสอบการฉ้อโกง
```

การส่งข้อมูล Referrer ที่กรองแล้วไปยังหลังบ้าน

การประเมินฝั่งไคลเอนต์ให้ข้อมูลที่รวดเร็ว แต่การตัดสินใจเรื่อง Attribution ขั้นสุดท้ายต้องดำเนินการที่เซิร์ฟเวอร์หลังบ้านเพื่อป้องกันการแก้ไขข้อมูลบนอุปกรณ์

การเปรียบเทียบระหว่าง Click Injection และ Click Spamming

ความแตกต่างในด้านเวลา ปริมาณ และโปรไฟล์ Conversion

มิติการประเมิน	Click Injection	Click Spamming	การ Attribution ที่ถูกต้อง
ความสัมพันธ์กับแพลตฟอร์ม	มักพบใน Android	ทุกแพลตฟอร์ม	ทุกแพลตฟอร์ม
เวลา CTIT	ติดลบ (ย้อนกลับ)	ปกติ	บวก (ตามธรรมชาติ)

เมื่อใดที่จำเป็นต้องป้องกัน Click Injection สำหรับนักการตลาด

การกำหนดกฎใน OpoInstall

OpoInstall มีเอนจินการตรวจสอบการฉ้อโกงเพื่อระบุการโจมตี Attribution

Click Hijacking Window Period: กำหนดเกณฑ์ MTTI ขั้นต่ำเพื่อระบุการดาวน์โหลดที่ผิดปกติ
Real-Time Attribution: ประเมินการคลิกตามนโยบายก่อนส่ง Postback ไปยังเครือข่ายโฆษณา
Installation Device and IP Anomaly: ตรวจสอบความผิดปกติของ IP หรืออุปกรณ์ที่ติดตั้งซ้ำๆ

สรุป

Click Injection เป็นรูปแบบการฉ้อโกงที่สร้างความเสียหายทางการเงินอย่างหนัก เนื่องจากเป็นการขโมย Attribution ของผู้ใช้จริงที่มีพฤติกรรมปกติ การป้องกันงบการตลาดต้องอาศัยการตรวจสอบแบบสองชั้น: ผ่าน API ของ Google Play และผ่านระบบเอนจินตรวจสอบการฉ้อโกงแบบเรียลไทม์ เพื่อให้มั่นใจว่าการจัดสรร Attribution ไปยังแหล่งที่มาที่ถูกต้อง

หากต้องการดูวิธีการติดตั้ง Attribution และระบบป้องกันการฉ้อโกงเพื่อปกป้องแคมเปญ Android ของคุณ สามารถตรวจสอบรายละเอียดได้ที่ mobile attribution implementation reference หรือเริ่มตั้งค่าได้ที่ OpoInstall developer console.

คำถามที่พบบ่อย (FAQ)

ทำไม Click Injection ถึงเป็นปัญหาเฉพาะบน Android?

Click Injection มักถูกเชื่อมโยงกับ Android เนื่องจากสถาปัตยกรรมระบบปฏิบัติการในอดีตอนุญาตให้แอปเบื้องหลังตรวจสอบสถานะการติดตั้งแพ็กเกจได้ แอปอันตรายจึงใช้ประโยชน์จากสัญญาณนี้เพื่อส่งคลิกโฆษณาจำลองขณะแอปเป้าหมายกำลังดาวน์โหลด บน iOS ระบบ Sandbox ที่เข้มงวดป้องกันไม่ให้แอปตรวจพบการติดตั้งแอปอื่น

Google Play Install Referrer API ช่วยตรวจจับ Click Injection ได้อย่างไร?

API นี้จะให้ข้อมูลเวลาที่แม่นยำเมื่อมีการคลิกลิงก์อ้างอิงและเมื่อเริ่มติดตั้งแอป หากเวลาการคลิกเกิดขึ้นหลังจากเริ่มติดตั้ง ระบบหลังบ้านจะมองว่านี่คือการย้อนกลับของเวลา (Inversion) ซึ่งเป็นสัญญาณของความผิดปกติและนำไปสู่การคัดกรองออก

Click Injection เกิดขึ้นกับการดาวน์โหลดแบบออร์แกนิกได้หรือไม่?

ได้ การดาวน์โหลดแบบออร์แกนิกเป็นเป้าหมายหลักของการฉ้อโกงนี้ เมื่อผู้ใช้ค้นหาและดาวน์โหลดแอปโดยตรงจากร้านค้า แอปอันตรายที่ติดตั้งอยู่ในเครื่องอาจตรวจพบการติดตั้งและแทรกคลิกปลอมเข้ามา ทำให้เครือข่ายโฆษณาฉ้อโกงแย่งชิงเครดิตการ Attribution ของช่องทางออร์แกนิกไป

สรุปและแนวทางการตัดสินใจ

Click Injection เป็นรูปแบบการฉ้อโกงโฆษณาบนมือถือที่ทำลายผลประโยชน์ทางการเงิน เนื่องจากขโมยเครดิตของ Attribution จากผู้ใช้งานจริงที่ดูเหมือนปกติ การพึ่งพาเพียงตัวชี้วัดการใช้งานแอปหรือข้อมูลเวลาคลิกที่ไม่ได้ตรวจสอบจะทำให้แคมเปญ Android เสี่ยงต่อการถูกขโมย Attribution

การปกป้องงบประมาณการตลาดจากการทำ Click Injection จำเป็นต้องใช้สถาปัตยกรรมการตรวจสอบสองชั้น: การดึงฟิลด์เวลาผ่าน Google Play Install Referrer API และการบังคับใช้กฎป้องกันการฉ้อโกงแบบเรียลไทม์ที่ประตูเชื่อมต่อ Attribution ด้วยการจับคู่ข้อมูล Telemetry จากไคลเอนต์กับระบบเอนจินตรวจสอบการฉ้อโกงอย่าง OpoInstall ทีมการตลาดจะสามารถระบุการย้อนกลับของเวลา ปฏิเสธการคลิกที่ผิดกฎ และปรับปรุงความมั่นใจว่าการจัดสรรงบประมาณจะส่งผลต่อแหล่งที่มาของการได้มาซึ่งลูกค้าที่แท้จริง

ข้อมูลเพิ่มเติม

แนวคิด: Mobile Ad Fraud, Click Injection, Install Hijacking, Click-to-Install-Begin Time (CTIT), Mean Time to Install (MTTI)
เทคโนโลยี: Google Play Install Referrer API, Play Integrity API, Android SDK Architecture, Cheating Monitoring Engine
APIs & Data Interfaces: Google Play InstallReferrerClient, OpoInstall Cheating Monitoring Rule Configuration, S2S Attribution Rejection Postbacks
เอกสารอ้างอิงทางการ: