Click fraud menguras $100 miliar dari AdTech. Inilah ke mana uangnya benar-benar mengalir.

IAB memperkirakan kerugian ad fraud global sebesar $84 miliar pada 2025. Sebagian besar analis industri memperkirakan angka 2026 akan melebihi $100 miliar. Angka-angka ini cukup sering dikutip sehingga kehilangan efek kejutnya — tetapi mekanika yang mendasarinya penting bagi siapa pun yang menjalankan inventaris berbasis monetisasi iklan atau membeli media programmatic dalam skala besar.

Kerugian tidak terdistribusi secara merata. Pengiklan besar dengan tim brand safety khusus menangkap sebagian besar fraud terhadap kampanye mereka. Pengiklan menengah yang beroperasi melalui agensi kehilangan persentase belanja yang signifikan. Publisher dengan proteksi inventaris yang lemah melihat impresi fraudulen menenggelamkan inventaris sah mereka. Angka agregat $100 miliar adalah jumlah dari banyak kerugian kecil yang tersebar di sepanjang rantai nilai.

Tulisan ini ditujukan bagi para pemimpin AdTech, programmatic, dan publisher yang mencoba memahami seperti apa eksposur mereka yang sebenarnya dan pertahanan apa yang benar-benar bertahan. Ditulis untuk menjelaskan lima kategori fraud utama dalam AdTech, mengapa verifikasi post-bid tidak cukup, dan arsitektur pre-bid apa yang benar-benar berhasil.

Lima kategori fraud utama dalam AdTech

Click fraud

Bentuk yang paling langsung. Trafik otomatis mengeklik iklan berbayar tanpa niat konversi. Pengiklan membayar klik tersebut; klik itu tidak menghasilkan nilai. Benchmark industri menempatkan click fraud pada 15–25% dari klik berbayar di sebagian besar kampanye.

Mekanismenya: jaringan bot atau operasi trafik berbayar menghasilkan klik dalam skala besar. Operasi modern menggunakan infrastruktur residential proxy untuk membuat klik terlihat seperti trafik konsumen yang sah. Biaya per klik fraudulen hanya beberapa pecahan sen di sisi penyerang, sementara pengiklan membayar $1–$50 per klik tergantung pada lelang.

Targetnya: kampanye dengan CPC tinggi paling menarik. Kampanye layanan hukum yang membayar $50+ per klik adalah target yang lebih menarik daripada kampanye brand awareness yang membayar $0,25 per klik. Fraud mengikuti uang.

Pola pertahanan yang gagal: analisis konversi pasca-klik. Ketika Anda menyadari bahwa klik tidak menghasilkan konversi, anggaran sudah terpakai. Pengembalian dana dari jaringan iklan mungkin dilakukan tetapi lambat dan parsial.

Pola pertahanan yang berhasil: device intelligence pre-bid. Verifikasi bahwa impresi disajikan ke perangkat yang sah sebelum bid dipasang. Anggaran latensi ketat — biasanya di bawah 50 milidetik — tetapi dapat dikerjakan dengan arsitektur yang tepat.

Impression fraud

Nilai per-peristiwa lebih rendah daripada click fraud, volume lebih tinggi. Trafik bot menghasilkan impresi pada inventaris yang dibayar pengiklan, tetapi tidak ada manusia yang pernah melihat iklan itu. Estimasi industri menunjukkan 10–20% impresi di seluruh ekosistem adalah fraudulen.

Mekanismenya: publisher (sering kali shadow publisher yang beroperasi di beberapa situs) menghasilkan trafik bot untuk mendongkrak jumlah impresi pada inventaris mereka. Bot memuat halaman, iklan tersaji, impresi terhitung, publisher dibayar. Trafik itu tidak pernah manusia.

Variannya:

• Ad stacking: Beberapa iklan disajikan dalam satu slot. Pengguna (jika ada pengguna) hanya melihat iklan teratas. 4–10 iklan lainnya dalam tumpukan terhitung sebagai impresi.
• Pixel stuffing: Iklan disajikan dalam iframe 1×1 piksel. Secara teknis "dapat dilihat" menurut definisi industri. Tidak terlihat oleh siapa pun.
• Auto-refresh fraud: Halaman me-refresh otomatis slot iklan dengan frekuensi tinggi, menghasilkan impresi pada setiap refresh. Umum di situs berkualitas rendah yang berusaha memaksimalkan jumlah impresi.

Pola pertahanan yang gagal: metrik viewability semata. Standar viewability MRC (50% piksel terlihat selama 1 detik) mudah diakali. Inventaris yang "lolos" viewability tetap bisa berupa impression fraud.

Pola pertahanan yang berhasil: penilaian kualitas trafik pre-bid. Identifikasi apakah perangkat yang meminta impresi adalah perangkat konsumen nyata atau bagian dari operasi inventory inflation.

Conversion fraud

Spesifik untuk performance marketing dan jaringan afiliasi. Pengiklan membayar CPA (cost per acquisition) — biasanya $10–$200 per lead, pendaftaran, atau penjualan yang memenuhi syarat. Operasi fraud menghasilkan konversi palsu yang terlihat cukup sah untuk mengklaim payout CPA tetapi tidak pernah menghasilkan pelanggan sungguhan.

Mekanismenya: operasi afiliasi memanen lead dari kebocoran data sebelumnya, mengisi formulir pendaftaran dengan kredensial ini, dan mengklaim payout CPA. Atau mereka membuat identitas sekali pakai melalui operasi identity-as-a-service, menyelesaikan alur konversi, dan menghilang.

Ekonominya: jaringan afiliasi membayar CPA atas konversi. Operasi fraud menghasilkan konversi dengan biaya marginal rendah. Sebarkan operasi ke beberapa pengiklan dan jaringan; setiap kerugian individual cukup kecil untuk lolos dari pengawasan ketat tetapi volume agregatnya signifikan.

Pola pertahanan yang gagal: melihat tingkat konversi secara terisolasi. Trafik fraudulen sering menghasilkan tingkat konversi yang tampak normal karena fraud tersebut dirancang agar terlihat normal.

Pola pertahanan yang berhasil: analisis tingkat-perangkat atas sumber konversi. Beberapa lead yang "berbeda" datang dari device fingerprint yang sama menandakan fraud afiliasi. Cross-customer device linking menangkap operasi yang mencakup beberapa pengiklan.

Domain spoofing

Kategori fraud yang paling langsung mengeksploitasi ekosistem ad exchange. Penyerang menggambarkan inventaris secara keliru kepada ad exchange, mengklaim impresi terjadi di domain premium padahal sebenarnya terjadi di shadow site.

Mekanismenya: permintaan iklan menyertakan metadata yang mengklaim domain halaman. Beberapa exchange dan SSP tidak memverifikasi ini secara ketat. Pengiklan membayar CPM premium untuk impresi di apa yang mereka kira publisher tepercaya; impresi itu sebenarnya tersaji di shadow site yang berbagi pendapatan CPM dengan pelaku spoofing.

Variannya:

• Subdomain spoofing: Mengklaim impresi di yourbrand.com padahal sebenarnya di subdomain.shadowsite.com yang menirunya.
• App-domain spoofing: Inventaris aplikasi seluler yang mengklaim sebagai inventaris aplikasi premium.
• CTV/streaming spoofing: Impresi Connected TV yang diklaim berada di platform streaming premium.

Pola pertahanan yang gagal: percaya pada SSP. Banyak SSP memiliki verifikasi yang tidak memadai atas klaim domain. Kepercayaan tanpa verifikasi adalah kerentanannya.

Pola pertahanan yang berhasil: verifikasi pre-bid atas keaslian inventaris. Kombinasikan device intelligence (menangkap inventory inflation berbasis bot), analisis referrer (menangkap domain spoofing), dan audit SSP (kepercayaan selektif berdasarkan kualitas verifikasi).

Sophisticated invalid traffic (SIVT)

Kategori IAB yang mencakup fraud paling mengkhawatirkan — trafik bot yang khusus dirancang agar terlihat seperti pengguna nyata untuk mengelabui deteksi. Ini bukan bot klik kasar; ini otomatisasi yang menyimulasikan metrik engagement, menyelesaikan aksi funnel, dan terlihat mirip manusia secara perilaku.

Mekanismenya: operasi bot yang didorong oleh perangkat lunak canggih (sering kali agen bertenaga LLM pada 2026) mendorong engagement nyata di situs pengiklan. Mereka menggulir, berlama-lama di halaman, mengeklik navigasi, dan terkadang menyelesaikan konversi parsial. Tanda tangan perilakunya cukup mirip dengan manusia sehingga analisis perilaku sederhana tidak menangkapnya.

Pola pertahanan yang berhasil: intelligence tingkat-perangkat yang menangkap kesenjangan antara kemiripan perilaku dan perbedaan infrastruktur yang mendasarinya. Agen mungkin berperilaku seperti manusia, tetapi karakteristik perangkat, jaringan, dan lingkungannya membocorkannya. Deteksi multi-lapis dengan coherence checking menangkap apa yang terlewat oleh analisis perilaku saja.

Kesenjangan arsitektur yang dimiliki sebagian besar pengiklan

Sebagian besar pengiklan dan publisher menggunakan satu atau lebih lapisan pertahanan ini:

Verifikasi post-bid (MOAT, IAS, DV, dll.). Menganalisis impresi setelah disajikan. Baik untuk klaim pengembalian dana dan pelaporan brand safety. Tidak efektif untuk pencegahan — anggaran sudah terpakai.

Block list statis. Daftar domain, IP, atau karakteristik perangkat yang diketahui fraudulen. Dilewati hanya dengan mengubah tanda tangan permukaan. Beban pemeliharaan tinggi; efektivitas terbatas.

Filter ad exchange. Filter pre-bid yang tertanam di ad exchange atau DSP. Kualitasnya bervariasi secara dramatis. DSP besar memiliki filter canggih; yang lebih kecil tidak.

Analisis conversion tracking. Mendeteksi fraud dengan melihat tingkat dan kualitas konversi. Menangkap fraud yang malas; melewatkan jenis canggih yang dirancang untuk menghasilkan tingkat konversi yang tampak normal.

Analitik trafik internal. Beberapa pengiklan menganalisis trafik mereka sendiri untuk pola fraud. Berguna untuk menangkap sebagian fraud setelah kejadian; terbatas untuk pencegahan.

Kesenjangannya: intelligence real-time, pre-bid tentang apakah inventaris sah sebelum bid dipasang. Inilah lapisan yang kurang diinvestasikan di seluruh industri. Arsitektur untuk menerapkannya ada tetapi belum digunakan secara luas.

Seperti apa device intelligence pre-bid itu

Pola arsitekturnya:

Di sisi publisher: SDK pada halaman menangkap device fingerprint dan sinyal perilaku saat halaman dimuat. Data perangkat disertakan dalam metadata bid request yang dikirim ke ad exchange.

Di ad exchange: Bid request membawa payload device intelligence bersama informasi inventaris standar.

Di sisi DSP / pengiklan: Panggilan verifikasi pre-bid terhadap layanan device intelligence. Layanan mengembalikan putusan — kemungkinan manusia, mungkin bot, kemungkinan fraud — dalam anggaran latensi pre-bid 10–50 milidetik.

Logika keputusan: DSP menggunakan putusan untuk memutuskan apakah akan bid pada impresi tersebut. Inventaris yang kemungkinan manusia mendapat bid normal. Inventaris yang kemungkinan bot mendapat bid lebih rendah atau dilewati sepenuhnya. Yang kemungkinan fraud secara eksplisit dikecualikan.

Logging post-bid: Putusan dan sinyal dicatat bersama impresi untuk analisis pasca-peristiwa, klaim pengembalian dana, dan penyetelan aturan yang berkelanjutan.

Keunggulannya: pencegahan alih-alih pengembalian dana pasca-peristiwa. Pengiklan tidak membayar inventaris fraudulen sejak awal, alih-alih mengejar pengembalian dana setelahnya.

Kendala latensi itu nyata. Anggaran pre-bid biasanya 100ms total round-trip dari mulai lelang hingga respons bid. Dalam rentang itu, panggilan device intelligence perlu selesai dalam 30–50ms untuk menyisakan waktu bagi logika DSP lainnya. Ini adalah kendala engineering yang keras yang membatasi arsitektur deteksi mana yang layak dalam konteks pre-bid.

Seperti apa penerapan yang sebenarnya

Sebuah platform periklanan programmatic yang menyajikan sekitar 100 juta impresi per bulan. Estimasi pra-penerapan atas tingkat fraud berdasarkan benchmark industri: 18–25% impresi menjangkau bot atau inventaris fraudulen.

Arsitektur yang diterapkan:

• SDK device intelligence pada inventaris publisher (di mana akses tersedia)
• Panggilan verifikasi pre-bid dari DSP ke layanan verifikasi
• Integrasi putusan ke dalam logika bid dengan tiga ambang batas (keyakinan tinggi manusia, mencurigakan, kemungkinan fraud)
• Logging post-bid untuk analisis dan klaim pengembalian dana

Hasil pada 90 hari:

• Impresi bot berkurang 78% pada inventaris dengan penerapan SDK
• Click-through rate meningkat 31% pada inventaris yang telah dibersihkan (karena manusia nyata benar-benar melihat iklan)
• Tingkat konversi meningkat 22% pada inventaris yang telah dibersihkan (karena klik datang dari pengguna nyata)
• Klaim pengembalian dana ke SSP hulu berkurang 60% (karena pencegahan pre-bid menangkap sebagian besar fraud sebelum memerlukan pengembalian dana)
• Rata-rata latensi bid yang ditambahkan verifikasi: 32ms (dalam anggaran)
• Penghematan langsung atas fraud yang dicegah: $340 ribu per bulan pada skala ini

Perhitungan ROI untuk platform: infrastruktur verifikasi berbiaya sekitar $4.000 per bulan. Penghematan langsung: $340 ribu per bulan. Manfaat tidak langsung (metrik kinerja kampanye yang lebih baik, retensi pengiklan yang lebih baik, lebih sedikit waktu untuk mengelola klaim pengembalian dana) melipatgandakan nilainya.

Apa artinya ini bagi tim Anda

Jika Anda beroperasi di ranah AdTech, ada tiga pengamatan:

Pengamatan 1: Tingkat fraud Anda kemungkinan lebih tinggi daripada yang muncul dalam laporan. Verifikasi post-bid menangkap apa yang bisa diidentifikasinya. Sophisticated invalid traffic secara khusus menargetkan celah dalam verifikasi post-bid. Tingkat yang jujur biasanya lebih tinggi daripada tingkat yang dilaporkan, terkadang secara signifikan.

Pengamatan 2: Pre-bid kurang diinvestasikan di seluruh industri. Sebagian besar platform memiliki verifikasi post-bid karena industri telah menstandarkannya. Verifikasi pre-bid adalah celah dengan daya ungkit tinggi. Platform yang menerapkannya memiliki keunggulan yang tidak dimiliki pesaingnya.

Pengamatan 3: Kendala latensi 50ms adalah fitur, bukan bug. Arsitektur yang muat dalam anggaran latensi dipaksa untuk efisien. Arsitektur yang tidak muat ditolak oleh ad exchange. Kendala itu menghasilkan engineering yang lebih baik.

Platform yang menangani transisi ini dengan baik memiliki pola yang sama: mereka mengukur tingkat fraud secara jujur (termasuk kategori yang dilewatkan verifikasi post-bid), menerapkan verifikasi pre-bid di setiap titik inventaris yang tersedia, dan memperlakukan integrasi sebagai engineering berkelanjutan alih-alih pemilihan vendor.

Di mana Tracio cocok

Device intelligence Tracio dirancang untuk penerapan pre-bid dalam konteks AdTech. Arsitekturnya memenuhi anggaran latensi 50ms yang disyaratkan ad exchange. Cakupan sinyalnya menangani kelima kategori fraud — click fraud, impression fraud, conversion fraud, domain spoofing, dan SIVT — melalui satu lapisan deteksi terpadu.

Pola integrasinya:

• SDK sisi-publisher untuk verifikasi inventaris
• Panggilan server sisi-DSP untuk putusan pre-bid
• Berbagi sinyal cross-customer untuk menangkap operasi fraud yang mencakup beberapa pengiklan
• Lapisan JavaScript polimorfik yang berotasi setiap hari untuk menahan pengelabuan oleh operasi fraud

Putusan — kemungkinan manusia, mencurigakan, atau kemungkinan fraud — kembali dalam waktu di bawah 50ms dengan sinyal yang mendasarinya terlampir. Tim DSP menggunakan ini untuk menggerakkan logika bid. Tim publisher menggunakannya untuk memfilter inventaris sebelum penyajian.

Tier gratis mencakup 2.500 verifikasi per bulan — cukup untuk menjalankan pilot yang bermakna pada kampanye atau segmen inventaris tertentu dan mengukur tingkat fraud Anda yang sebenarnya.

Ingin melihat seperti apa tingkat fraud Anda yang sebenarnya?

Mulai uji coba gratis Anda — 2.500 verifikasi gratis, tanpa kartu kredit. Pesan demo untuk menelusuri skenario penerapan AdTech spesifik Anda bersama tim kami — termasuk pola integrasi pre-bid dan arsitektur khusus DSP.