Autor: Leiter Betrugskontrolle TG Target · Filterstapel · Schwerpunkt: Betrugsbekämpfungseinheit, NICHT Moderationsrichtlinie (Moderationsglossar).
Betrugsbekämpfung im bezahlten Verkehr – Filterstapel zum Abschneiden ungültiger Klicks, bot Registrierungen und gefälschter FTD: Ebenen vor dem Gebot, nach dem Klick, Post-FTD. Entität = Taxonomie der Betrugsarten und Auswirkungen auf gemeldete CPA. FTDEreignis — Glossar FTD; CPA math — FTD CPA Glossar; attribution — Namensnennungsglossar; unit economics — CAC-Glossar; reg→FTD rate — reg-to-Glossar FTD.
Die Hauptsache aus dem Artikel
- Anti-fraud = 3-layer filter stack.
- Klicken Sie auf Betrug vs. Fälschung FTD – verschiedene Ebenen.
- Filtered events raise net FTD CPA.
- Report raw AND net CPA always.
- Crypto case: filter before scale saved €18k.
Fraud types taxonomy
| Fraud type | Signal | Filter layer | CPA impact |
|---|
| Klicken Sie auf Betrug | Bot/datacenter IPs, click spam | Pre-bid | Spend waste — no conversion |
| Bot registration | Velocity, device fingerprint | Nach dem Klicken | Inflated reg, low reg→FTD |
| Fake FTD | Micro-deposit, KYC mismatch | Post-FTD | Inflated FTD, false CPA |
| Incentivized traffic | Reward pattern, geo anomaly | Post-FTD | Low LTV, high churn FTD |
Filter layers stack
| Layer | Timing | Action | Typical block rate |
|---|
| Pre-bid | Before impression | IP/device blocklist | 2–5% |
| Nach dem Klicken | On registration | Bot score threshold | 8–15% |
| Post-FTD | After deposit event | Pattern + KYC validation | 5–12% |
Impact on reported CPA
| Metric | Formula | Includes fraud? | Use case |
|---|
| Raw FTD CPA | Spend ÷ raw FTD | Yes — all CRM FTD | Diagnostic only |
| Net FTD CPA | Spend ÷ net FTD (post-filter) | No — validated only | Scale decisions |
| Fraud rate | Filtered ÷ raw × 100% | N/A | Filter health KPI |
FTD CPA formula — FTD CPA Glossar; CAC all-in — CAC-Glossar.
Impact Anti-Betrugsfilter-Methodik (TG Target, August 2026)
Hochrisikokonten mit vs. ohne 3-Ebenen-Filter, 90 Tage rollierend.
| Filter stack | Net FTD CPA variance | Post-scale fraud incidents/mo | LTV:CAC accuracy |
|---|
| 3-layer enforced | ±12% | 0.5 | ±9% |
| No filter | ±34% | 2.8 | ±31% |
Mini-Fall: Krypto-Börse EU – Betrugsfilter vor Skala
Lizenzierter Austausch DE+AT · 60.000 €/Monat geplant · FTD Haupt KPI · 3-lagiger Filterstapel.
| Phase | Filter status | Raw FTD | Net FTD | Raw vs Net CPA | Decision |
|---|
| Pilot (no filter) | Disabled | 412 | 412 | €89 raw | Hold scale — suspicious reg→FTD |
| Post filter (Week 3) | 3-layer active | 398 | 341 | €89 raw → €104 net (+17%) | Scale on net CPA only |
Der Filter hat 14 % gefälschtes FTD vor der 60.000-Euro-Skala erfasst – rohe 89 Euro von CPA schienen zielführend zu sein, Netto-104 Euro zeigten die wahre Einheitsökonomie. 18.000 € Verschwendung durch motivierten Traffic vermieden. Namensnennung intakt – Namensnennungsglossar; Postback-Match - Postback-Glossar.
FAQ
Was ist Betrugsbekämpfung im bezahlten Verkehr?
Anti-Betrug – Filter-Stack-Entität zum Abschneiden von ungültigem Traffic und gefälschten Conversions bei bezahlter Akquise: Klickbetrug, bot Registrierungen, gefälschte FTD. Entitätsdefinition und KPI Auswirkungen, NICHT Moderationsrichtlinie. Moderationsglossar – Kreativpolitik; Hier ist der Layer-Betrugsfilter.
Klickbetrug vs. Fälschung FTD?
Klickbetrug: Ungültige/bot Klicks, die ohne menschliche Absicht die Kosten erhöhen. Fake FTD: synthetische oder mit Anreizen versehene Ersteinzahlungen, die an CRM vorbeigehen, aber keine echten Benutzer. Verschiedene Filterebenen – vor und nach dem Klick – FTD. Taxonomietabelle unten.
Filterebenen – vor dem Gebot, nach dem Klicken, nach dem Anbieten-FTD?
Vorgebot: Blockieren Sie bekannte betrügerische IP-Adressen/Geräte vor der Auktion. Post-Click: bot Ergebnis bei der Registrierung der Landung. Post-FTD: Analyse der Einlagenstruktur (Geschwindigkeit, Menge, Abweichung KYC). Jede Ebene reduziert die gemeldeten Conversions – wirkt sich auf den CPA Nenner aus.
Anti-fraud impact on reported CPA?
Gefilterte Konvertierungen, die aus dem Nenner von FTD entfernt wurden → verzeichneten einen Anstieg von CPA im Vergleich zu unverarbeiteten Konvertierungen. Beispiel: Roh FTD CPA 85 Euro, Post-Betrug 112 Euro (+32 %). TG Target berichtet both roh und rein FTD CPA. FTD CPA Glossar – Formel; Hier ist eine Betrugskorrektur.
Anti-fraud vs attribution?
Bei der Attribution werden tatsächliche Klicks berücksichtigt. Der Betrugsschutz entfernt ungültige Ereignisse aus dem Kreditpool. Beides wirkt sich auf die CPA-Meldung aus. Attributionsglossar – Fenster/Modell; Betrugsbekämpfung – Ereignisgültigkeitsfilter.
Anti-fraud KPIs?
Betrugsrate = gefilterte Ereignisse ÷ unverarbeitete Ereignisse × 100 %. Klickbetrugsrate (Pre-Bid-Blockierung). Gefälschtes Angebot FTD (Post-FTD lehnt ab). Netto CPA = Ausgaben ÷ Netto FTD. <8 % Betrugsziel für EU-Kryptowährung und iGaming TG Target, August 2026
Betrugsbekämpfung und CAC?
CAC verwendet den Netto-FTD-Nach-Betrugs-Filter für die Einheitsökonomie-Wahrheit. Rohes CAC ohne Betrugsfilter überbewertet die Effizienz. CAC-Glossar – Gesamtkostenformel; Anti-Betrug passt den Conversion-Zähler an.
Anti-fraud red flags?
Zoom ohne Filter nach-FTD; FTD CPA fällt plötzlich ab (stimulierter Verkehr); ein starker Anstieg der geografischen Nichtübereinstimmung; reg→FTD Kursanomalie. Maßnahme: Überprüfen Sie den Filterstapel vor der Budgetleiter.
Anti-fraud benchmarks (Aug 2026)?
TG Target Konten mit dreistufigem Anti-Abwesenheitsfilter: Netto-FTD CPA Varianz ±12 % vs. ±34 %; Anzahl der Betrugsfälle nach Skalierung: 0,5 pro Monat gegenüber 2,8 pro Monat. Einführung des Filters für 71 % der Hochrisikokonten in der EU.
Betrugsbekämpfung und Registrierung an-FTD?
Fake-Registrierungen erhöhen die Zahl der Registrierungen; Fake FTD gibt die Anzahl von FTD zu hoch an. Beide verzerren reg→FTD CR. Reg-to-Glossary FTD - Kursformel; Betrugsbekämpfung – Gültigkeitsfilter nach Zähler/Nenner.
Stand: August 2026 (TG Target). FTD — Glossar FTD; reg→FTD — reg-to-Glossar FTD.