Penulis: Pimpinan Pengendalian Penipuan TG Target · tumpukan filter · fokus: entitas anti-penipuan, BUKAN kebijakan moderasi (glosarium moderasi).
Hal utama dari artikel tersebut
- Anti-fraud = 3-layer filter stack.
- Klik penipuan vs palsu FTD - lapisan berbeda.
- 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 |
|---|
| Klik penipuan | Bot/datacenter IPs, click spam | Pre-bid | Spend waste — no conversion |
| Bot registration | Velocity, device fingerprint | Setelah klik | 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% |
| Setelah klik | 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 glosarium; CAC all-in — Glosarium CAC.
Metodologi filter anti-penipuan dampak (TG Target, Agustus 2026)
Akun berisiko tinggi dengan vs tanpa filter 3 lapis, bergulir 90 hari.
| 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% |
Kasus kecil: pertukaran kripto UE - filter penipuan sebelum skala
Pertukaran berlisensi DE+AT · €60rb/bln direncanakan · FTD main KPI · Tumpukan filter 3 lapis.
| 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 menangkap 14% FTD palsu sebelum skala €60k — mentah CPA €89 terlihat sesuai target, €104 bersih mengungkapkan unit ekonomi yang sebenarnya. Menghindari pemborosan €18k pada lalu lintas yang termotivasi. Atribusi utuh — glosarium atribusi; pertandingan pasca balik - glosarium pasca balik.
FAQ
Apa yang dimaksud dengan anti-penipuan dalam lalu lintas berbayar?
Anti-penipuan - entitas tumpukan filter untuk memotong lalu lintas tidak valid dan konversi palsu dalam akuisisi berbayar: penipuan klik, pendaftaran bot, FTD palsu. Definisi entitas dan dampak KPI, BUKAN kebijakan moderasi. Glosarium moderasi - kebijakan kreatif; inilah filter penipuan lapisan.
Klik penipuan vs palsu FTD?
Penipuan Klik: Klik tidak valid/bot yang meningkatkan biaya tanpa kesengajaan manusia. FTD palsu: setoran pertama sintetis atau berinsentif yang melewati CRM, tetapi bukan pengguna sebenarnya. Lapisan filter yang berbeda - sebelum dan sesudah klik - FTD. Tabel taksonomi di bawah ini.
Filter lapisan — pra-penawaran, setelah klik, pasca-FTD?
Pra-penawaran: Blokir alamat/perangkat IP palsu yang diketahui sebelum lelang. Pasca-klik: bot skor saat mendaftar pendaratan. Pasca-FTD: analisis struktur deposit (kecepatan, kuantitas, perbedaan KYC). Setiap tingkat mengurangi konversi yang dilaporkan - memengaruhi penyebut CPA.
Anti-fraud impact on reported CPA?
Konversi yang difilter dihapus dari penyebut FTD → mencatat peningkatan CPA dibandingkan dengan konversi yang tidak diproses. Contoh: mentah FTD CPA 85 euro, pasca-penipuan 112 euro (+32%). TG Target laporan both mentah dan murni FTD CPA. FTD CPA glosarium - rumus; ini adalah koreksi penipuan.
Anti-fraud vs attribution?
Atribusi memberikan kredit pada klik sebenarnya. Perlindungan penipuan menghilangkan kejadian tidak valid dari kumpulan kredit. Keduanya memengaruhi pesan CPA. Glosarium atribusi - jendela/model; antipenipuan - filter validitas acara.
Anti-fraud KPIs?
Tingkat penipuan = peristiwa yang difilter peristiwa yang belum diproses × 100%. Tingkat penipuan klik (pemblokiran pra-penawaran). Tawaran palsu FTD (posting-FTD ditolak). Bersih CPA = pengeluaran ÷ bersih FTD. <8% Target Penipuan untuk Cryptocurrency UE dan iGaming TG Target Agustus 2026
Anti-penipuan dan CAC?
CAC menggunakan net FTD setelah filter penipuan untuk kebenaran unit ekonomi. CAC mentah tanpa filter penipuan melebih-lebihkan efisiensi. Glosarium CAC - rumus biaya lengkap; anti-penipuan menyesuaikan pembilang konversi.
Anti-fraud red flags?
Zoom tanpa filter posting-FTD; FTD CPA tiba-tiba turun (stimulasi lalu lintas); lonjakan tajam dalam ketidakcocokan geografis; reg→FTD anomali pos. Tindakan: Audit tumpukan filter sebelum tangga anggaran.
Anti-fraud benchmarks (Aug 2026)?
Akun TG Target dengan filter anti-absen tiga tingkat: murni FTD CPA varians ±12% vs. ±34%; jumlah kasus penipuan setelah penskalaan: 0,5 per bulan versus 2,8 per bulan. Penerapan filter untuk 71% akun berisiko tinggi di UE.
Anti-penipuan dan registrasi ke-FTD?
Registrasi palsu meningkatkan jumlah registrasi; FTD palsu melebih-lebihkan jumlah FTD. Keduanya mendistorsi reg→FTD CR. Reg-to-Glosarium FTD - rumus kursus; antipenipuan - filter validitas berdasarkan pembilang/penyebut.
Entitas anti-penipuan berlaku per Agustus 2026 (TG Target). FTD — Glosarium FTD; reg→FTD — reg-ke-Glosarium FTD.