<b>Почему DSP режут связки ещё до клика: главные antifraud-сигналы в programmatic</b>

<b>Почему DSP режут связки ещё до клика: главные antifraud-сигналы в programmatic</b>

DSP давно смотрят не только на домен и bid. Модерация в programmatic строится вокруг поведенческих и контентных сигналов: image fingerprinting, semantic similarity, OCR, device consistency и post-click analysis.

— Один из главных триггеров — повторяющиеся креативы с минимальными изменениями. DSP сравнивают embeddings изображений через CLIP-style модели и ловят «новые» баннеры с тем же layout, CTA и структурой текста. Простая смена цвета кнопки уже почти не влияет на similarity score.

— OCR работает не только по статике. Видео-креативы режутся по frame-level OCR: DSP анализируют текст на ключевых кадрах, subtitle-слоях и intro. Особенно выделяются aggressive claims, fake UI-элементы, countdown-блоки и псевдо-notification overlays.

— Отдельный слой — semantic analysis лендинга. DSP сопоставляют обещание в баннере и текст post-click страницы. Если embedding креатива не совпадает с embedding лендинга, растёт риск manual review или auto-reject.

— Поведенческие сигналы тоже участвуют в скоринге. Резкий bounce rate, короткие session-depth паттерны, одинаковые redirect chains и аномальный CTR без post-click engagement часто становятся антифрод-сигналом сами по себе.

Programmatic всё меньше полагается на blacklist-подход. Основная модель DSP — корреляция множества слабых сигналов, которые по отдельности выглядят нормально, но вместе собираются в fraud-pattern.