Cómo BYYD controla la calidad del tráfico publicitario: sistema antifraude basado en IA
Según las estadísticas, el 8,51 % de todos los clics publicitarios pagados corresponden a tráfico inválido. Esto equivale a 63 mil millones de dólares en pérdidas de presupuestos publicitarios a nivel global. En otras palabras, la eficiencia de las campañas y el gasto de los anunciantes dependen directamente de la calidad del tráfico entrante.
El mercado digital enfrenta formas de fraude cada vez más sofisticadas. Ya no se trata únicamente de tráfico de bots tradicional: ahora el fraude se organiza mediante machine learning y escenarios de comportamiento adaptativos.
Sin mecanismos de control fiables, las campañas publicitarias se vuelven vulnerables a impresiones, clics y conversiones inválidas. Esto reduce el ROI y aumenta el gasto sin generar crecimiento real en audiencia ni en ventas.
La plataforma móvil de BYYD ha desarrollado un sistema antifraude basado en IA que reduce el tráfico inválido a niveles mínimos. A continuación, explicamos su funcionamiento y compartimos datos analíticos.
Sistema inteligente de protección del tráfico publicitario
BYYD AI Anti-Fraud es un sistema integral de protección contra el fraude en campañas publicitarias. Se basa en un modelo patentado de aprendizaje automático y procesa más de 1.500 millones de bid requests por día.
En tiempo real, la plataforma:
- Analiza el tráfico entrante
- Construye un perfil digital del usuario (fingerprint)
- Toma una decisión de participación en la subasta en ~0,4 milisegundos (desde la recepción del bid request hasta la decisión)
La arquitectura se implementa actualmente en un servidor antifraude dedicado (48 CPU / 256 GB RAM). Cada servidor de subasta ejecuta un proceso de servicio antifraude independiente que consume ~2 CPU.
Esto permite escalar el sistema de forma eficiente sin afectar el rendimiento del bidder.
Arquitectura del sistema
1. Aprendizaje de máquinas (Machine Learning) en tiempo real
El modelo ML (CatBoost) procesa grandes volúmenes de datos con múltiples características de comportamiento del tráfico. El entrenamiento se realiza con datos reales de actividad de usuarios. El dataset está estructurado para incluir la máxima diversidad de patrones, tanto fraudulentos como legítimos.
Una vez entrenado, el modelo se implementa en el entorno de producción, donde:
- Procesa cada solicitud entrante
- Calcula características técnicas y de comportamiento
- Asigna una puntuación de fraude entre 0 y 1
El umbral puede ajustarse según el equilibrio requerido entre filtrado agresivo y preservación del alcance.
Métricas de calidad del modelo
Para evaluar el rendimiento se utilizan métricas clave de clasificación binaria: precisión y recall.
— Precisión refleja la proporción de fraude correctamente identificado dentro de todo el tráfico clasificado como fraudulento.
Fórmula: Precisión = TP / (TP + FP), donde:
TP (True Positive) — fraude correctamente detectado
FP (False Positive) — tráfico legítimo clasificado erróneamente como fraude
— Recall refleja la proporción de fraude detectado respecto al total de tráfico inválido real.
Fórmula: Recall = TP / (TP + FN), donde:
TP — fraude correctamente detectado
FN (False Negative) — fraude no detectado por el modelo
Resultados actuales de validación offline:
- Precision = 0.92
- Recall = 0.95
Esto significa que el sistema detecta el 95 % del tráfico fraudulento manteniendo una alta precisión y minimizando el bloqueo de usuarios legítimos.
2. Fingerprint: perfil digital del usuario
A cada usuario se le asigna un fingerprint digital único.
Si está disponible un Device ID (IFA/GAID), el perfil se vincula a él.
Si no, se genera un ID único de plataforma basado en una combinación de parámetros, entre ellos:
- device_ip
- device_make
- device_model
- device_os
- device_osv
- device_ua_core
Esto permite la identificación probabilística del dispositivo incluso sin identificador publicitario.
3. Gestión de cambios dinámicos
En entornos reales, los usuarios con frecuencia:
- Cambian de dirección IP (redes dinámicas)
- Actualizan el sistema operativo
- Modifican el User-Agent
- Alternan entre internet móvil y fijo
Si se crea un nuevo fingerprint (por ejemplo, debido a cambios de IP o UA), la entrega de anuncios solo es posible tras una nueva verificación en subastas posteriores con los mismos parámetros.
Esto permite al sistema:
- Fusionar correctamente al mismo usuario
- Minimizar falsos positivos
- Contrarrestar eficazmente los intentos de enmascaramiento de fraude
4. Filtros básicos de tráfico
Antes de la evaluación ML, el sistema aplica filtrado base:
- Listas de dominios bloqueados
- Dominios del API de recursos prohibidos del regulador ruso (Servicio Federal de Supervisión de las Telecomunicaciones, Tecnologías de la Información y Medios de Comunicación)
- Direcciones IP de servicios cloud conocidos
- Proxies y centros de datos identificados
Esto elimina el fraude evidente antes del análisis profundo.
Evaluación técnica y de comportamiento: más de 20 parámetros
Tras el filtrado inicial, cada bid request pasa por una evaluación multinivel basada en más de 20 parámetros.
- Tamaño del dispositivo y del espacio publicitario
La altura y anchura mínimas deben superar un umbral (X píxeles) para evitar ubicaciones invisibles.
- Presencia de operador móvil
La falta de datos del operador puede indicar tráfico anómalo.
- Validación del User-Agent
Se verifica:
- Longitud mínima
- Consistencia del modelo de dispositivo
- Coincidencia del sistema operativo
- Consistencia de los datos del bid request
- Tráfico VPN y proxy
Bloqueado en función de:
- Datos de red
- Nombre de la app
- Bundle ID
- Firmas de VPN
- Intervalo medio entre solicitudes
Se analiza el intervalo entre bid request desde un mismo fingerprint. Frecuencias demasiado regulares o excesivas indican automatización.
- Volumen máximo de solicitudes
Superar los límites conlleva bloqueo a nivel de fingerprint y posible revisión.
- Cambios de IFA/GAID
Cambios repentinos del identificador publicitario dentro de un mismo fingerprint sugieren manipulación.
- Detección de picos (burst detection)
El volumen de solicitudes se compara con la mediana de dispositivos similares dentro del mismo bundle ID. Desviaciones bruscas indican comportamiento de bot.
Estadísticas reales de campañas
El rendimiento de la campaña en el segmento retail demuestra un alto nivel de calidad del tráfico publicitario. Un Viewable Rate del 96% supera significativamente los estándares del mercado, lo que indica una fuerte visibilidad de las ubicaciones publicitarias. Al mismo tiempo, la tasa de tráfico inválido es de solo 0,03%, y no se registraron impresiones fuera de la geografía objetivo, lo que confirma la precisión del targeting y la eficacia de los controles de prevención de fraude.
La campaña FMCG ha demostrado un alto nivel de calidad en su tráfico publicitario. Con una Viewable Rate del 94%, la campaña muestra una fuerte visibilidad, superando las expectativas estándar del mercado. Además, el nivel general de tráfico inválido (IVT) fue solo del 0,06%, lo que es aceptable para campañas publicitarias a gran escala, considerando el tamaño de la audiencia.
Asimismo, no se registraron impresiones fuera de la geografía objetivo (0,00%), lo que resalta la precisión del targeting y la efectividad de las medidas de prevención de fraude implementadas en la campaña.
Los resultados de verificación de la campaña FMCG, utilizando el tracker DoubleVerify, demuestran un nivel muy alto de calidad de las ubicaciones. El 96% de las impresiones fueron visibles, y la proporción de impresiones libres de Sophisticated Invalid Traffic (SIVT) supera el 99%, lo que indica una ausencia casi total de fraude.
Además, más del 99% de las impresiones se entregaron dentro de la geografía objetivo y cumplieron con los requisitos de Brand Suitability, lo que confirma la correcta configuración de la campaña y la colocación de anuncios en un entorno seguro para la marca.
Ventajas clave de BYYD AI Anti-Fraud
- Más de 1.000 millones de solicitudes procesadas diariamente
- Modelo reentrenado de forma continua
- Decisiones en tiempo real sin afectar la velocidad de la subasta
- Perfil digital persistente (fingerprint) incluso sin Device ID
- Análisis conductual más allá de filtros estáticos
- Mecanismos flexibles de bloqueo y restricción permanente
BYYD AI Anti-Fraud no es solo un conjunto de filtros: es un sistema inteligente y dinámico de evaluación de tráfico capaz de detectar esquemas de fraude complejos en tiempo real.
Al combinar machine learning, análisis de patrones de comportamiento y criterios técnicos estrictos, el sistema garantiza máxima transparencia y calidad en las campañas publicitarias.
Cómo contactarnos
La plataforma BYYD lleva más de 11 años ayudando a las empresas con la publicidad móvil y mejora continuamente sus herramientas. Consulte nuestros casos en el sitio web y contáctenos para lanzar una campaña in-app.
¿Le ha resultado útil? ¡Entonces compártalo con sus amigos y colegas!
Para consultas y colaboración:
- Deje su solicitud en nuestro sitio web;
- Escríbanos a: hello@byyd.me.