Klikfraude kost AdTech 100 miljard dollar. Dit is waar het geld werkelijk heen gaat.
De verliezen door advertentiefraude overschreden in 2025 de 84 miljard dollar en zullen in 2026 boven de 100 miljard uitkomen. Een analyse van de vijf grote fraudecategorieën en welke pre-bid-architectuur echt werkt.
Het IAB schatte de wereldwijde verliezen door advertentiefraude in 2025 op 84 miljard dollar. De meeste analisten in de branche verwachten dat de cijfers voor 2026 boven de 100 miljard dollar zullen uitkomen. Deze cijfers worden zo vaak aangehaald dat ze hun schokwaarde hebben verloren — maar de onderliggende mechaniek is van belang voor iedereen die advertentiegemonetiseerde inventory beheert of op grote schaal programmatic media inkoopt.
De verliezen zijn niet gelijk verdeeld. Grote adverteerders met toegewijde brand-safety-teams onderscheppen het merendeel van de fraude tegen hun campagnes. Middelgrote adverteerders die via bureaus werken verliezen aanzienlijke percentages van hun bestedingen. Uitgevers met zwakke inventory-bescherming zien frauduleuze impressies hun legitieme inventory overspoelen. Het totaalbedrag van 100 miljard dollar is de som van vele kleinere verliezen verspreid over de hele waardeketen.
Dit artikel is bedoeld voor leiders in AdTech, programmatic en bij uitgevers die willen begrijpen hoe hun werkelijke blootstelling eruitziet en welke verdedigingen standhouden. Het legt de vijf grote fraudecategorieën in AdTech uit, waarom post-bid-verificatie niet volstaat en welke pre-bid-architectuur echt werkt.
De vijf grote fraudecategorieën in AdTech
Klikfraude
De meest directe vorm. Geautomatiseerd verkeer klikt op betaalde advertenties zonder enige conversie-intentie. De adverteerder betaalt voor de klik; de klik levert geen waarde op. Branchebenchmarks schatten klikfraude op 15–25% van de betaalde klikken in de meeste campagnes.
Het mechanisme: botnetwerken of betaalde verkeersoperaties genereren op grote schaal klikken. Moderne operaties gebruiken residential proxy-infrastructuur om de klikken op legitiem consumentenverkeer te laten lijken. De kosten per frauduleuze klik bedragen fracties van een cent aan de kant van de aanvaller, terwijl de adverteerder afhankelijk van de veiling 1–50 dollar per klik betaalt.
De doelwitten: campagnes met een hoge CPC zijn het aantrekkelijkst. Een campagne voor juridische dienstverlening die 50 dollar of meer per klik betaalt, is een aantrekkelijker doelwit dan een merkbekendheidscampagne die 0,25 dollar per klik betaalt. De fraude volgt het geld.
Het verdedigingspatroon dat faalt: post-click-conversieanalyse. Tegen de tijd dat je hebt gemerkt dat klikken niet converteren, is het budget al uitgegeven. Restituties van advertentienetwerken zijn mogelijk, maar traag en gedeeltelijk.
Het verdedigingspatroon dat werkt: pre-bid device intelligence. Verifieer dat de impressie aan een legitiem apparaat wordt geserveerd voordat het bod wordt geplaatst. Het latency-budget is krap — doorgaans onder de 50 milliseconden — maar met de juiste architectuur haalbaar.
Impressiefraude
Lagere waarde per gebeurtenis dan klikfraude, hoger volume. Botverkeer genereert impressies op inventory waarvoor de adverteerder betaalt, maar geen mens ziet de advertentie ooit. Brancheschattingen geven aan dat 10–20% van de impressies in het ecosysteem frauduleus is.
Het mechanisme: uitgevers (vaak schaduwuitgevers die actief zijn op meerdere sites) genereren botverkeer om de impressietellingen op hun inventory op te drijven. De bot laadt de pagina, de advertentie wordt geserveerd, de impressie telt mee, de uitgever wordt betaald. Het verkeer was nooit menselijk.
De varianten:
- Ad stacking: meerdere advertenties geserveerd in één slot. De gebruiker (als er een gebruiker was) ziet alleen de bovenste advertentie. De andere 4–10 advertenties in de stapel tellen als impressies.
- Pixel stuffing: advertentie geserveerd in een iframe van 1×1 pixel. Technisch "viewable" volgens de branchedefinitie. Voor niemand zichtbaar.
- Auto-refresh-fraude: pagina's vernieuwen advertentieslots met hoge frequentie automatisch, waardoor bij elke refresh impressies worden gegenereerd. Gebruikelijk op sites van lage kwaliteit die de impressietelling proberen te maximaliseren.
Het verdedigingspatroon dat faalt: viewability-metrics alleen. De MRC-viewabilitystandaarden (50% van de pixels zichtbaar gedurende 1 seconde) zijn eenvoudig te omzeilen. Inventory die "slaagt" voor viewability kan nog steeds impressiefraude zijn.
Het verdedigingspatroon dat werkt: pre-bid-beoordeling van de verkeerskwaliteit. Bepaal of het apparaat dat de impressie aanvraagt een echt consumentenapparaat is of onderdeel van een inventory-inflatie-operatie.
Conversiefraude
Specifiek voor performance marketing en affiliate-netwerken. De adverteerder betaalt CPA (cost per acquisition) — doorgaans 10–200 dollar per gekwalificeerde lead, aanmelding of verkoop. Fraude-operaties genereren nepconversies die legitiem genoeg lijken om CPA-uitbetalingen te claimen, maar nooit echte klanten opleveren.
Het mechanisme: affiliate-operaties oogsten leads uit eerdere datalekken, vullen aanmeldformulieren in met deze inloggegevens en claimen CPA-uitbetalingen. Of ze creëren wegwerp-identiteiten via identity-as-a-service-operaties, doorlopen de conversieflow en verdwijnen weer.
De economie: affiliate-netwerken betalen CPA op conversies. Fraude-operaties genereren conversies tegen lage marginale kosten. Verspreid de operatie over meerdere adverteerders en netwerken; elk afzonderlijk verlies is klein genoeg om aan nauwkeurige controle te ontsnappen, maar het totale volume is aanzienlijk.
Het verdedigingspatroon dat faalt: conversieratio's geïsoleerd bekijken. Frauduleus verkeer produceert vaak normaal ogende conversieratio's, omdat de fraude zo is opgezet dat ze er normaal uitziet.
Het verdedigingspatroon dat werkt: analyse van conversiebronnen op apparaatniveau. Meerdere "verschillende" leads die van dezelfde device fingerprint komen, wijzen op affiliate-fraude. Cross-customer device linking onderschept operaties die zich over meerdere adverteerders uitstrekken.
Domain spoofing
De fraudecategorie die het advertentie-exchange-ecosysteem het meest direct uitbuit. De aanvaller geeft inventory verkeerd weer aan advertentie-exchanges door te beweren dat impressies plaatsvinden op premiumdomeinen terwijl ze in werkelijkheid op schaduwsites plaatsvinden.
Het mechanisme: de advertentie-aanvraag bevat metadata die het paginadomein claimt. Sommige exchanges en SSP's verifiëren dit niet grondig. De adverteerder betaalt een premium-CPM voor impressies op wat volgens hem een vertrouwde uitgever is; de impressie wordt in werkelijkheid geserveerd op een schaduwsite die de CPM-opbrengst deelt met de spoofer.
De varianten:
- Subdomain spoofing: beweren dat impressies plaatsvinden op yourbrand.com terwijl ze plaatsvinden op subdomain.shadowsite.com die het imiteert.
- App-domain spoofing: mobiele app-inventory die zich voordoet als premium app-inventory.
- CTV/streaming spoofing: connected-tv-impressies waarvan wordt beweerd dat ze op premium streamingplatforms plaatsvinden.
Het verdedigingspatroon dat faalt: de SSP vertrouwen. Veel SSP's hebben ontoereikende verificatie op domeinclaims. Vertrouwen zonder verificatie is de kwetsbaarheid.
Het verdedigingspatroon dat werkt: pre-bid-verificatie van de authenticiteit van inventory. Combineer device intelligence (het onderscheppen van bot-gedreven inventory-inflatie), referrer-analyse (het onderscheppen van domain spoofing) en SSP-audit (selectief vertrouwen op basis van verificatiekwaliteit).
Sophisticated invalid traffic (SIVT)
De IAB-categorie die de meest zorgwekkende fraude omvat — botverkeer dat specifiek is ontworpen om op echte gebruikers te lijken en detectie te ontwijken. Dit zijn geen grove klikbots; het is automatisering die engagement-metrics simuleert, funnel-acties voltooit en zich qua gedrag vergelijkbaar met mensen voordoet.
Het mechanisme: bot-operaties aangedreven door geavanceerde software (in 2026 vaak LLM-aangedreven agents) genereren echte engagement op de sites van adverteerders. Ze scrollen, verblijven op pagina's, klikken door de navigatie en voltooien soms gedeeltelijke conversies. De gedragssignatuur lijkt genoeg op die van mensen dat eenvoudige gedragsanalyse ze niet onderschept.
Het verdedigingspatroon dat werkt: intelligentie op apparaatniveau die de kloof onderschept tussen gedragsmatige gelijkenis en onderliggende verschillen in infrastructuur. De agent gedraagt zich misschien als een mens, maar het apparaat, het netwerk en de omgevingskenmerken verraden hem. Meerlaagse detectie met coherentiecontrole onderschept wat gedragsanalyse alleen mist.
De architectuurkloof die de meeste adverteerders hebben
De meeste adverteerders en uitgevers gebruiken een of meer van deze verdedigingslagen:
Post-bid-verificatie (MOAT, IAS, DV, enz.). Analyseert impressies nadat ze zijn geserveerd. Geschikt voor restitutieclaims en brand-safety-rapportage. Niet effectief ter preventie — het budget is al uitgegeven.
Statische bloklijsten. Lijsten van bekende frauduleuze domeinen, IP's of apparaatkenmerken. Te omzeilen door simpelweg de oppervlaktesignatuur te wijzigen. De onderhoudslast is hoog; de effectiviteit is beperkt.
Filters van advertentie-exchanges. Pre-bid-filters ingebouwd in de advertentie-exchange of DSP. De kwaliteit varieert enorm. De grote DSP's hebben geavanceerde filters; de kleinere niet.
Analyse van conversietracking. Fraude detecteren door naar conversieratio's en -kwaliteit te kijken. Onderschept de luie fraude; mist de geavanceerde variant die is ontworpen om normaal ogende conversieratio's te produceren.
Interne verkeersanalyse. Sommige adverteerders analyseren hun eigen verkeer op fraudepatronen. Nuttig om een deel van de fraude achteraf te onderscheppen; beperkt ter preventie.
De kloof: realtime pre-bid-intelligentie over de vraag of de inventory legitiem is voordat het bod wordt geplaatst. Dit is de laag waarin de hele branche onderinvesteert. De architectuur om die te implementeren bestaat, maar wordt niet breed ingezet.
Hoe pre-bid device intelligence eruitziet
Het architectuurpatroon:
Aan de kant van de uitgever: een SDK op de pagina legt de device fingerprint en gedragssignalen vast terwijl de pagina laadt. De apparaatgegevens worden opgenomen in de metadata van de bid request die naar advertentie-exchanges wordt gestuurd.
Bij de advertentie-exchange: bid requests dragen de device-intelligence-payload mee naast de standaard inventory-informatie.
Aan de kant van de DSP/adverteerder: een pre-bid-verificatie-aanroep naar de device-intelligence-service. De service retourneert een oordeel — waarschijnlijk mens, mogelijk bot, waarschijnlijk fraude — binnen het pre-bid-latency-budget van 10–50 milliseconden.
Beslislogica: de DSP gebruikt het oordeel om te beslissen of er op de impressie wordt geboden. Op inventory die waarschijnlijk menselijk is, wordt normaal geboden. Op inventory die waarschijnlijk bot is, wordt lager of helemaal niet geboden. Wat waarschijnlijk fraude is, wordt expliciet uitgesloten.
Post-bid-logging: het oordeel en de signalen worden samen met de impressie gelogd voor analyse achteraf, restitutieclaims en doorlopende afstemming van de regels.
Het voordeel: preventie in plaats van restitutie achteraf. De adverteerder betaalt in de eerste plaats niet voor frauduleuze inventory, in plaats van er achteraf restituties voor na te jagen.
De latency-beperking is reëel. Pre-bid-budgetten bedragen doorgaans in totaal 100 ms round-trip van de start van de veiling tot het bod-antwoord. Binnen die tijd moet de device-intelligence-aanroep in 30–50 ms voltooid zijn om ruimte te laten voor de overige DSP-logica. Dit is een harde technische beperking die bepaalt welke detectie-architecturen levensvatbaar zijn in de pre-bid-context.
Hoe een implementatie er in de praktijk uitziet
Een programmatic advertising-platform dat ongeveer 100 mln impressies per maand serveert. Voorafgaande schatting van het fraudepercentage op basis van branchebenchmarks: 18–25% van de impressies bereikt bots of frauduleuze inventory.
Ingezette architectuur:
- Device-intelligence-SDK op de inventory van uitgevers (waar toegang beschikbaar is)
- Pre-bid-verificatie-aanroep van de DSP naar de verificatieservice
- Integratie van het oordeel in de bidlogica met drie drempels (mens met hoge zekerheid, verdacht, waarschijnlijk fraude)
- Post-bid-logging voor analyse en restitutieclaims
Resultaten na 90 dagen:
- Botimpressies met 78% verminderd op inventory met SDK-implementatie
- Doorklikratio met 31% gestegen op opgeschoonde inventory (omdat echte mensen de advertenties daadwerkelijk zagen)
- Conversieratio met 22% gestegen op opgeschoonde inventory (omdat klikken van echte gebruikers kwamen)
- Restitutieclaims bij upstream-SSP's met 60% verminderd (omdat pre-bid-preventie het merendeel van de fraude onderschepte voordat een restitutie nodig was)
- Gemiddelde bid-latency toegevoegd door verificatie: 32 ms (binnen het budget)
- Directe besparing op voorkomen fraude: 340K dollar per maand op deze schaal
De ROI-berekening voor het platform: de verificatie-infrastructuur kostte ongeveer 4.000 dollar per maand. Directe besparing: 340K dollar per maand. De niet-directe voordelen (verbeterde campagneprestatie-metrics, betere retentie van adverteerders, minder tijd besteed aan het beheer van restitutieclaims) versterken de waarde nog verder.
Wat dit betekent voor jouw team
Als je actief bent in de AdTech-ruimte, drie observaties:
Observatie 1: je fraudepercentage is waarschijnlijk hoger dan wat in de rapporten wordt getoond. Post-bid-verificatie onderschept wat het kan identificeren. Sophisticated invalid traffic richt zich specifiek op de gaten in post-bid-verificatie. Het eerlijke percentage ligt doorgaans hoger dan het gerapporteerde percentage, soms aanzienlijk.
Observatie 2: de hele branche investeert te weinig in pre-bid. De meeste platforms hebben post-bid-verificatie omdat de branche zich daarop heeft gestandaardiseerd. Pre-bid-verificatie is het gat met de meeste hefboomwerking. De platforms die het inzetten, hebben een voordeel dat hun concurrenten niet hebben.
Observatie 3: de latency-beperking van 50 ms is een feature, geen bug. Architecturen die binnen het latency-budget passen, worden gedwongen efficiënt te zijn. Architecturen die er niet in passen, worden door advertentie-exchanges afgewezen. De beperking leidt tot betere engineering.
De platforms die deze overgang goed doorstaan, delen een patroon: ze meten het fraudepercentage eerlijk (inclusief de categorieën die post-bid-verificatie mist), zetten pre-bid-verificatie in op elk beschikbaar inventory-punt en behandelen de integratie als doorlopende engineering in plaats van als leverancierskeuze.
Waar Tracio past
Tracio device intelligence is ontworpen voor pre-bid-implementatie in de AdTech-context. De architectuur voldoet aan het latency-budget van 50 ms dat advertentie-exchanges vereisen. De signaaldekking behandelt alle vijf fraudecategorieën — klikfraude, impressiefraude, conversiefraude, domain spoofing en SIVT — via één geïntegreerde detectielaag.
De integratiepatronen:
- SDK aan de kant van de uitgever voor inventory-verificatie
- Serveraanroep aan de kant van de DSP voor het pre-bid-oordeel
- Cross-customer signaaldeling om fraude-operaties te onderscheppen die zich over meerdere adverteerders uitstrekken
- Polymorfe JavaScript-laag die dagelijks rouleert om ontwijking door fraude-operaties te weerstaan
Het oordeel — waarschijnlijk mens, verdacht of waarschijnlijk fraude — komt in minder dan 50 ms terug met de onderliggende signalen erbij. Het DSP-team gebruikt dit om de bidlogica aan te sturen. Het uitgeversteam gebruikt het om inventory te filteren voordat deze wordt geserveerd.
Het gratis abonnement dekt 2.500 verificaties per maand — genoeg om een betekenisvolle pilot op een specifieke campagne of inventory-segment te draaien en je werkelijke fraudepercentage te meten.
Wil je zien hoe je echte fraudepercentage eruitziet?
Start je gratis proefperiode — 2.500 verificaties gratis, geen creditcard vereist. Boek een demo om jouw specifieke AdTech-implementatiescenario met ons team door te nemen — inclusief pre-bid-integratiepatronen en DSP-specifieke architectuur.