کشف کاربران جعلی

آنچه در این سال‌ها بسیار مورد مناقشه بوده است، کیفیت کاربرانی‌ است که از سوی شرکت‌های تبلیغاتی به مصرف‌کنندگان این تبلیغات داده می‌شود. ارزیابی این مساله در دنیای دیجیتال نسبت به دنیای آنالوگ(تبلیغات ATL، تراکتی،…) بسیار ساده‌تر است. ابتدا باید بستر داده‌ای ساخت تا به‌صورت کامل بتوان مشخص کرد که هر کاربر، از کدام شرکت تبلیغاتی آمده است. برای ارزیابی کیفیت باید حتما هدف نهایی که پرداخت هزینه‌ محصول/ خدمت شما توسط مشتری‌ است را در نظر گرفت. ترجیحا این پرداخت باید اینترنتی و به حساب شما باشد. هدف نهایی را باید به چند هدف میانی تقسیم کرد. طبعا هر مرحله، معادل انجام کاری توسط کاربر در محصول است.

در نهایت، از میان کاربرانی که پرداخت هزینه را انجام داده‌اند، از نظر پرداخت آنلاین یا نقدی، تکرار و تنوع خرید محصولات و مواردی از این دست و متناسب با کسب و کار خود، رفتار کاربران را بررسی کنید. اگر کسب‌وکار شما، بستر عرضه و تقاضاست، عرضه‌کنندگان را نیز بررسی کنید. سفارش‌های کاربرانی که از یک شرکت تبلیغاتی می‌آیند نباید همواره توسط یک یا چند عرضه‌کننده مشخص انجام شود. از میان کاربرانی که پرداخت هزینه را انجام نداده‌اند، باید دید این کاربران تا کدام هدف میانی آمده‌اند؟ آیا یک یا چند الگو از نام/ نام‌خانوادگی/ شماره موبایل/ ایمیل و مسائلی از این دست می‌توان یافت؟ آیا تا مرحله‌ای آمده‌اند که یک روبات صرفا می‌تواند بیاید؟ نکته دیگر، نرخ تبدیلی بیشتر از نرخ تبدیل ارگانیک و مستقیم است. ارگانیک به کلیه مخاطبینی گفته می‌شود که با استفاده از جست‌وجو در اینترنت به محصول شما رسیده‌اند. هر رفتاری که بهتر از رفتار کاربرانی باشد که به‌صورت خودجوش سراغ محصول شما می‌آیند، مشکوک است. وقتی نرخ تبدیل ثبت‌نام به ثبت‌سفارش ما از ورودی‌های ارگانیک، نصف همین نرخ برای ورودی‌های یک شرکت تبلیغاتی باشد، حتما به آن شرکت و ورودی‌هایش شک کنید!

تشخیص این موارد، بدون ارتباط مستقیم با مشتریان امکان‌پذیر نیست. پس شما یک سیستم مشتمل از داده‌های دقیق و با جزئیات بالا از یکسو و تماس‌های متنوع و مداوم با مشتری و در صورت وجود عرضه‌کنندگان باید داشته باشید. این سیستم بدون جهت حرکت نخواهد کرد، همواره بر اساس سناریوها و فرضیه‌ها، در بازه‌های زمانی مشخص(مثلا یک هفته) عمل می‌کند، داده‌های جمع‌آوری شده ارزیابی می‌شود، نتایج استخراج شده و فرضیه‌های بعدی تولید شده و کار به همین شکل ادامه پیدا می‌کند. پس از طی این مسیر، شرکت‌های تبلیغاتی که بهترین کاربران را برای شما ایجاد می‌کنند، شناسایی می‌شوند، آنها که کاربر بی‌کیفیت به محصول شما می‌رسانند نیز شناسایی می‌شوند. اگر احیانا تقلب یا تخلفی هم صورت بگیرد، به‌صورت واضح، می‌توانید تشخیص دهید که در کجای محصول و به چه شکلی اتفاق افتاده است. حفره محصول را رفع کنید، مستندات را تهیه کنید و از شرکت تبلیغاتی شکایت کنید تا شرکت‌ها و محصولات دیگر نیز متوجه شوند و از ضرر خود جلوگیری کنند.

آنچه باید در این ارزیابی مورد توجه قرار بگیرد قانون ۷ است. قانون ۷ می‌گوید یک نفر برای اینکه به کسب‌وکار/ محصول شما اعتماد کند، حداقل ۷ بار باید پیام شما را بشنود. پس اگر یکی از تبلیغ‌دهندگان بیشتر ورودی برای شما ایجاد کرد و این ورودی‌ها بعدا از راه‌های دیگری به شما مراجعه کرده و از محصول استفاده می‌کردند، ارزش آن تبلیغ‌دهنده را باید در نظر بگیرد. برای تفهیم بهتر مساله، یک مثال را که به‌صورت عملی برای ما اتفاق افتاده مطرح می‌کنیم. ما یک بستر آنلاین عرضه و تقاضا داریم که عرضه‌کنندگان، متخصصانی هستند که خدماتی ارائه می‌دهند. ما با ارزیابی کانال‌های تبلیغاتی و بهینه کردن تبلیغات توانستیم با بودجه ثابت، تا ۱۰ برابر کیفیت و کمیت ورودی را بهبود دهیم. الزاما همه محصولات در کانال‌ها و نقاطی که یک شرکت تبلیغاتی تبلیغ می‌کند بازخورد یکسان ندارند. بهینه‌سازی محصول و محل تبلیغ یکی از فرآیند‌های جاری در مجموعه ماست. از سوی دیگر منجر به جلوگیری از تقلب یکی از تبلیغ دهنده‌ها نیز شد. حفره موجود در سیستم ما مربوط به مرحله ثبت‌نام/ ورود بود. در محصول ما، پس از دریافت شماره موبایل، یک کد برای مشتری ارسال می‌شد. حفره این بود که اول دریافت پیامک توسط مشتری چک نمی‌شد و دوم مشتری می‌توانست بیش از چند کد وارد کند. ما در اثر تماس مرتب با مشتریان، متوجه شدیم تعدادی از مشتریان را داریم که اصلا به تماس پاسخ نمی‌دهند و بعضا شماره در دسترس نیست. نام و نام‌خانوادگی قابل تشخیص هم نداشتند. شماره موبایل این افراد نیز همگی از الگوهایی تبعیت می‌کردند. پیامک‌های کد ثبت‌نام هم به هیچ‌کدام نرسیده بود. در سیستم‌های آنالیتیکس، عموم این شماره‌ها، کد یکتای یکسان داشتند.

 نرخ تبدیل ثبت‌نام به ثبت‌سفارش برای کاربران این تبلیغ‌دهنده در بازه‌های یک هفته‌ای بررسی شد، نرخ تبدیل یک بود، یعنی همه کسانی که ثبت‌نام کرده بودند، ثبت سفارش هم کرده بودند. به‌صورت واضح هیچ‌کدام هم متخصصی انتخاب نکرده بودند و صرفا آنچه در قرارداد با شرکت تبلیغاتی که «ثبت‌سفارش» بوده، اتفاق افتاد. به این صورت دیگر نیازی به بررسی متخصصان ایجاد نشد و با همین بررسی به‌صورت واضح اطمینان از تقلب شرکت تبلیغاتی برای ما حاصل شد. حفره را رفع کردیم و مستندات برای شرکت تبلیغاتی ارسال شد که متعاقبا اطلاع‌رسانی‌های رسمی در مورد فعالیت آنها صورت خواهد گرفت. مورد مشابهی که برای یکی از بزرگ‌ترین فروشگاه‌های آنلاین اتفاق افتاده بود، این بود که قرارداد با شرکت‌های تبلیغاتی، روی «سفارش‌ها با هزینه پرداخت شده» بود. شرکت تبلیغ‌دهنده کالایی را خریده بود که با هزینه حمل، کمتر از نصف هزینه پرداختی به ازای هر سفارش توسط فروشگاه آنلاین به شرکت تبلیغاتی بود. شرکت تبلیغاتی در واقع ایجاد درآمد می‌کرد!

چند سال پیش نیز، ویدئویی از تبلیغات یک تبلیغ‌دهنده منتشر شد، عموما این تبلیغ‌دهندگان در فضای وب، روی «ثبت‌نام در وب‌سایت مشتری» قرارداد بسته و براساس تعداد ثبت‌نام‌کنندگان ارزیابی می‌شدند. مشتریان برای اینکه کاربر کمترین پیچیدگی و در عین حال بیشترین تمایل به ثبت‌نام را داشته باشد، هیچ‌گونه تشخیص هویتی حین ثبت‌نام به‌کار نمی‌گرفتند. در نتیجه روبات می‌توانست با استفاده از یک لیست بلند بالا از چند هزار ایمیل، ظرف یک روز، چند هزار نفر به کاربران شما اضافه کند که هیچ‌وقت برای شما هیچ کار دیگری نخواهند کرد، چرا که اساسا وجود ندارند. به همین دلایل است که باید هدف نهایی را به اهداف میانی تقسیم کرد. ثبت‌نام، ثبت سفارش، گزینه‌های موجود در ثبت سفارش، پیگیری سفارش، پرداخت آنلاین و هر مورد که متناسب با کسب‌وکار شماست. فواصل زمانی بین اینها و تکرار سفارش‌گذاری نیز یکی دیگر از فاکتورهای مهم است.

سوالی که ایجاد می‌شود این است که چگونه می‌توانیم چنین اطلاعاتی را به‌دست بیاوریم؟ سیستم‌هایی وجود دارند که از کاربرانی که وارد محصول شما می‌شوند، ضمن اینکه وارد حریم خصوصی کاربران نمی‌شوند، با استفاده از مشخصاتی که از دستگاه (موبایل، لپ‌تاپ، تبلت،...) آنها می‌گیرند، آن دستگاه‌ را یکتا تشخیص می‌دهند. از سوی دیگر، با استفاده از یک راهکار دیگر، به تفکیک تشخیص می‌دهند که هر کاربر، از کدام تبلیغ هر تبلیغ‌دهنده به محصول شما آمده است. باید از این سیستم‌ها استفاده و این داده‌ها را با داده‌های درون محصول، یکجا تجمیع کرد. در بسیاری موارد با استفاده از یک یا چند داشبورد ساده و در بعضی موارد با استفاده از علم داده، می‌توان به تشخیص‌های لازم رسید.

 با استفاده از این داده‌ها برای بهره‌وری بیشتر می‌توان یک قدم فراتر رفت. می‌توان با دسته‌بندی مشتریان، متناسب با هر دسته، پیشنهادهایی داد که بیشترین احتمال را برای پذیرفتن از سمت مخاطب داشته باشد؛ پیشنهادهای شخصی‌سازی شده. پایان سخن اینکه در این مقاله سعی شد در مورد ارزیابی کیفی و کمی کاربرانی که توسط آژانس‌های تبلیغاتی جذب می‌شوند، با رویکرد کشف تقلب‌ها مواردی را طرح کنیم. در مقاله «سنجش کارآیی کمپین‌ها» در همین صفحه، به‌صورت تخصصی در مورد ارزیابی کمپین‌های تبلیغاتی توضیح داده شده است. همان‌طور که در مقاله نیز اشاره شد، هر کسب‌وکار موارد اختصاصی خود را دارد و باید با توجه به کسب‌وکار خود، فرضیات را ساخته، بررسی کنید و پیش بروید. امید است که صداقت و شفافیت، رویه‌ و رویکرد اصلی همه ما باشد.