【科普篇——双管齐下，澄沙汰砾】线上无效流量的净化与过滤

和自来水净化一样，流量在不同阶段，需要有不同的方法过滤。对于第一层的一般无效流量，我们使用的过滤方法像物理过滤，像家用净水器一样，通过滤网的粗细过滤沙石，用活性炭吸附杂质。而第二层的复杂无效流量，则更像化学过滤。在这一阶段，尼尔森会纳入更多维度的数据，通过数据挖掘，使得数据之间发生化学反应，最终使复杂无效流量结晶显现，完成第二阶段过滤。第三层则是甄别出没有展现在有效页面的不可见曝光。通过物理和化学过滤的结合，加上对不可见曝光的甄别三层过滤，最终完成流量净化，触达真实用户。

这是可以被可固化成例行规则或者使用标准化参数进行过滤的流量，行业标准是其判定的重要准则。从国内外的行业标准来看，大家都关注以下两个方面：

如下图所示，尼尔森研究发现，该图描述的是曝光行为时间戳记录。左边是正常人类流量行为的分布，右边是无效流量的行为分布。明显看到，人类曝光行为相对无序，而机器的曝光行为分布均匀。通过变异系数指标，衡量数据的离散型，可以快速的区别出人类和机器流量，实现点的比较。  

对曝光频次进行标准化之后，可以拟合出反应DeviceID数和曝光频次的曲线，并且找到异常频次拐点。但不同平台的流量模式不同，所以电脑端，手机端，OTT需根据不同时间颗粒度界来设定不同阈值。除此之外，很多已被发现的无效流量行为判定都已同步应用到尼尔森的GIVT判定规则中。

当我们不仅只分析当下静态的1s的曝光行为，而是放眼全局

请到「今天看啥」查看全文