Автор: Fraud Control Lead TG Target · filter stack · фокус: anti-fraud entity, NOT moderation policy (moderation глоссарий).
Главное из статьи
- Anti-fraud = 3-layer filter stack.
- Клик fraud vs fake FTD — different layers.
- 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 |
|---|
| Клик fraud | Bot/datacenter IPs, click spam | Pre-bid | Spend waste — no conversion |
| Bot registration | Velocity, device fingerprint | После клика | 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% |
| После клика | 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 глоссарий; CAC all-in — CAC глоссарий.
Методология anti-фильтр фрода impact (TG Target, август 2026)
Высокий риск accounts with vs without 3-layer filter, 90d rolling.
| 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% |
Мини-кейс: crypto exchange EU — фильтр фрода before scale
Licensed exchange DE+AT · €60k/mo planned · FTD основной KPI · 3-layer filter stack.
| 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 |
Filter caught 14% fake FTD before €60k scale — raw CPA €89 looked on-target, net €104 revealed true юнит-экономика. Avoided €18k waste on incentivized traffic. Attribution intact — attribution глоссарий; постбэк match — постбэк глоссарий.
FAQ
Что такое anti-fraud в paid traffic?
Anti-fraud — filter stack entity для отсечения invalid traffic и fake conversions в paid acquisition: click fraud, bot registrations, fake FTD. Entity definition and KPI impact, NOT moderation policy. Moderation глоссарий — creative policy; здесь — фильтр фрода layers.
Клик fraud vs fake FTD?
Мошенничество с кликами: недействительные/bot клики, увеличивающие расходы без человеческого намерения. Фейковый FTD: синтетические или стимулированные первые депозиты, проходящие мимо CRM, но не реальных пользователей. Различные слои фильтров — до щелчка и после-FTD. Таблица таксономии ниже.
Filter layers — pre-bid, после клика, post-FTD?
Предварительная ставка: блокируйте известные мошеннические IP-адреса/устройства перед аукционом. Пост-клик: bot оценка при регистрации приземления. Пост-FTD: анализ структуры депозитов (скорость, количество, несоответствие KYC). Каждый уровень снижает зарегистрированные конверсии — влияет на знаменатель CPA.
Anti-fraud impact on reported CPA?
Отфильтрованные конверсии удалены из знаменателя FTD → зарегистрировано увеличение CPA по сравнению с необработанными. Пример: необработанный FTD CPA 85 евро, пост-фрод 112 евро (+32%). TG Target сообщает both необработанный и чистый FTD CPA. FTD CPA глоссарий — формула; здесь — корректировка мошенничества.
Anti-fraud vs attribution?
Атрибуция присваивает ценность действительным кликам. Защита от мошенничества удаляет недействительные события из кредитного пула. Оба влияют на сообщение CPA. Атрибуция глоссарий — окно/модель; антифрод — фильтр валидности событий.
Anti-fraud KPIs?
Уровень мошенничества = отфильтрованные события ÷ необработанные события × 100%. Уровень мошенничества с кликами (блокировка перед ставкой). Фейковая ставка FTD (пост-FTD отклоняет). Чистая CPA = расходы ÷ чистая FTD. Целевой уровень мошенничества <8% в сфере криптовалют и iGaming в ЕС TG Target, август 2026 г.
Anti-fraud и CAC?
CAC uses net FTD after фильтр фрода for юнит-экономика truth. Raw CAC without фильтр фрода overstates efficiency. CAC глоссарий — all-in cost formula; anti-fraud adjusts conversion numerator.
Anti-fraud red flags?
Масштабировать без фильтра post-FTD; FTD CPA внезапно падает (стимулированный трафик); резкий скачок гео-несоответствия; reg→FTD аномалия курса. Действие: аудит стека фильтров перед бюджетной лестницей.
Anti-fraud benchmarks (Aug 2026)?
Счета TG Target с трехуровневым фильтром против отсутствия: чистая FTD CPA дисперсия ±12% против ±34%; количество случаев мошенничества после масштабирования: 0,5 в месяц против 2,8 в месяц. Принятие фильтра для 71% счетов с высоким уровнем риска в ЕС.
Anti-fraud и reg-to-FTD?
Поддельные регистрации увеличивают количество регистраций; фейк FTD завышает количество FTD. Оба искажают reg→FTD CR. Reg-to-Глоссарий FTD — формула курса; антифрод — фильтр валидности по числителю/знаменателю.
Anti-fraud entity актуален на август 2026 (TG Target). FTD — Глоссарий FTD; reg→FTD — reg-to-Глоссарий FTD.