Давайте поднимем логи и посмотрим правде в глаза: антифрод не начинается с «умной модели», он начинается с нормального слоя нормализации событий. Сырые клики, показы, конверсии и postback должны сходиться по одному ключу: click_id, device_fingerprint, IP/UA, timestamp. Если в схеме уже есть дыры, дальше вы просто строите дорогой отчет о собственных потерях.
В ClickHouse держите событийную таблицу в колонках, а не в JSON-каше. Минимум полей: event_time, campaign_id, offer_id, ip, ua_hash, referer_hash, country, isp, is_bot_flag, source_id. Поверх этого в Python считайте скоринг: частота кликов по окну, энтропию UA, расстояние между кликом и конверсией, повторяемость IP / subnet / fingerprint. Ботнеты эволюционируют, но паттерны их поведения остаются прежними.
Схема фильтрации обычно ломается в трех местах:
— дедупликация по click_id без учета proxy-цепочек;
— whitelist на уровне IP вместо subnet и ASN;
— флаг «бот» только по одному сигналу, без ансамбля правил.
Нормальный пайплайн должен возвращать не «верю/не верю», а причины: replay, velocity spike, UA mismatch, geo drift, anomalous session length. Тогда решение можно объяснить и откатить.
Практика простая: сначала пишете в таблицу все, потом отдельным джобом Python ставите risk_score, и только после этого режете трафик на allow / review / drop. Вот технический разбор того, как именно уплывает ваш рекламный бюджет: не через один жирный бот, а через тысячи микроскопических аномалий, каждая из которых выглядит «почти нормой».
Трафик с Steam — залив и связки
@steam_traffic_arb
Как поднять фильтрацию трафика на ClickHouse и Python без потери бюджета
Этот пост опубликован в Telegram-канале Трафик с Steam — залив и связки (@steam_traffic_arb). Все его публикации — на странице канала.
Открыть в Telegram