Давайте декомпозируем этот кейс на составляющие метрики. Базовый слой — разметка: sub_id по крео/плейсменту, UA, IP, referrer, time-to-click, time-to-lead. Без этого бот в отчете выглядит как дешевый лид до первого холда.
Сигналы мусора:
— CR выше медианы в 3–5 раз при нулевом апруве;
— одинаковый time-to-lead;
— пачки кликов с одного ASN/VPN;
— EPC растет, approve rate падает.
В трекере ставим авто-правила: подозрительные сабы — на заглушку, IP/ASN — в бан, mobile и desktop — в разные потоки. В постбек тянем статус approved/rejected, иначе оптимизация идет по фейковому CR.
Главная ошибка — банить источник целиком по первому минусу. Сначала режется source + placement + sub_id + UA, потом проверяется когорта по апруву. Цифры не врут, в отличие от авторов успешных кейсов.
Вывод: бот-фильтр должен работать до масштабирования. Если трекер не показывает, где рождается мусорный лид, вы оптимизируете иллюзию конверсии, а не трафик.
Разбор ROI кейсов
@roi_case_lab_arb
Ботовый трафик в трекере: как резать мусор без ручного гадания
Этот пост опубликован в Telegram-канале Разбор ROI кейсов. Подписаться можно по ссылке: @roi_case_lab_arb.