点击欺诈正让 AdTech 每年流失 1000 亿美元。这些钱究竟去了哪里。

IAB 估计 2025 年全球广告欺诈损失达 840 亿美元。多数行业分析师预计 2026 年的数字将超过 1000 亿美元。这些数据被引用得足够频繁，以至于已经失去了冲击力——但对于任何运营广告变现库存或大规模购买程序化媒体的人来说，其背后的机制至关重要。

损失并非均匀分布。拥有专职品牌安全团队的大型广告主能拦截针对其广告活动的多数欺诈。通过代理商投放的中型广告主则会损失可观比例的花费。库存保护薄弱的发布商，其合法库存会被欺诈性展示淹没。1000 亿美元这个总量，是分散在整条价值链上的众多较小损失之和。

本文面向试图理解自身真实风险敞口以及哪些防御手段真正有效的 AdTech、程序化和发布商负责人。旨在阐明 AdTech 中的五大欺诈类别、为何竞价后验证不够，以及真正有效的竞价前架构是什么。

AdTech 中的五大欺诈类别

点击欺诈

最直接的形式。自动化流量点击付费广告，却毫无转化意图。广告主为点击付费，而点击不产生任何价值。行业基准显示，在多数广告活动中点击欺诈占付费点击的 15–25%。

机制：机器人网络或付费流量运营大规模生成点击。现代运营使用住宅代理基础设施，使点击看起来像合法的消费者流量。攻击方每次欺诈点击的成本只有几分之一美分，而广告主根据竞价的不同每次点击要支付 1–50 美元。

目标：CPC 较高的广告活动最具吸引力。每次点击支付 50 美元以上的法律服务广告活动，比每次点击支付 0.25 美元的品牌认知广告活动更具吸引力。欺诈跟着钱走。

失效的防御模式：点击后转化分析。等你注意到点击没有转化时，预算已经花光了。向广告网络申请退款是可能的，但既慢又只能拿回一部分。

有效的防御模式：竞价前设备情报。在出价之前验证展示是否被投放给了合法设备。延迟预算很紧张——通常在 50 毫秒以内——但用对架构是可行的。

展示欺诈

单次事件价值低于点击欺诈，但量更大。机器人流量在广告主付费的库存上生成展示，但从来没有真人看过这条广告。行业估计整个生态中 10–20% 的展示是欺诈性的。

机制：发布商（往往是横跨多个站点运营的影子发布商）生成机器人流量，以拉高其库存的展示计数。机器人加载页面，广告投放，展示被计数，发布商获得付款。而这些流量从来都不是真人。

变种：

• 广告堆叠：在单个广告位中投放多条广告。用户（如果有用户的话）只能看到最上面那条广告。堆叠中的其余 4–10 条广告都被计为展示。
• 像素填充：广告被投放在 1×1 像素的 iframe 中。按行业定义在技术上算“可见”，但谁也看不到。
• 自动刷新欺诈：页面以高频率自动刷新广告位，每次刷新都生成展示。常见于试图最大化展示计数的低质量站点。

失效的防御模式：仅靠可见性指标。MRC 可见性标准（50% 的像素可见 1 秒）很容易被钻空子。“通过”可见性的库存仍然可能是展示欺诈。

有效的防御模式：竞价前流量质量评估。识别请求展示的设备究竟是真实的消费者设备，还是库存灌水运营的一部分。

转化欺诈

专门针对效果营销和联盟网络。广告主按 CPA（每次获取成本）付费——通常每条合格线索、注册或销售为 10–200 美元。欺诈运营生成看起来足够合法的假转化，以骗取 CPA 分成，却从不产生真正的客户。

机制：联盟运营从以往的数据泄露中收割线索，用这些凭据填充注册表单，然后骗取 CPA 分成。或者他们通过身份即服务运营创建一次性身份，走完转化流程，然后消失。

经济逻辑：联盟网络按转化支付 CPA。欺诈运营以很低的边际成本生成转化。将运营分散到多个广告主和网络之上；每一笔单独损失都小到足以逃过严密审查，但总量却相当可观。

失效的防御模式：孤立地看转化率。欺诈流量往往会产生看起来正常的转化率，因为欺诈就是被设计成看起来正常的。

有效的防御模式：对转化来源做设备级分析。多条“不同的”线索来自同一个设备指纹，这就是联盟欺诈的信号。跨客户设备关联能捕捉横跨多个广告主的运营。

域名欺骗

这是最直接利用广告交易生态的欺诈类别。攻击者向广告交易平台谎报库存，声称展示发生在优质域名上，而实际上发生在影子站点上。

机制：广告请求包含声称页面域名的元数据。部分交易平台和 SSP 不会严格验证这一点。广告主为其以为投放在受信任发布商上的展示支付高价 CPM；而展示实际投放在与欺骗者分享 CPM 收入的影子站点上。

变种：

• 子域名欺骗：声称展示发生在 yourbrand.com 上，实际却在模仿它的 subdomain.shadowsite.com 上。
• 应用域名欺骗：移动应用库存冒充优质应用库存。
• CTV/流媒体欺骗：把联网电视的展示谎称发生在优质流媒体平台上。

失效的防御模式：信任 SSP。许多 SSP 对域名声明的验证不足。不加验证的信任就是漏洞所在。

有效的防御模式：竞价前验证库存真实性。将设备情报（捕捉机器人驱动的库存灌水）、来源引荐分析（捕捉域名欺骗）和 SSP 审计（基于验证质量的选择性信任）结合起来。

高级无效流量（SIVT）

这是 IAB 划分出的、最令人担忧的欺诈类别——专门设计成看起来像真实用户以规避检测的机器人流量。这不是粗糙的点击机器人；而是模拟互动指标、完成漏斗动作、行为上与人类相似的自动化程序。

机制：由高级软件驱动的机器人运营（在 2026 年往往是 LLM 驱动的智能体）在广告主站点上制造真实的互动。它们滚动页面、在页面上停留、点击浏览导航，有时还完成部分转化。其行为特征与人类足够相似，简单的行为分析抓不住它们。

有效的防御模式：设备级情报，捕捉行为相似性与底层基础设施差异之间的落差。智能体也许行为像人类，但设备、网络和环境特征会露出马脚。带一致性核验的多层检测，能抓住单靠行为分析会漏掉的部分。

多数广告主存在的架构缺口

多数广告主和发布商会使用以下防御层中的一个或多个：

竞价后验证（MOAT、IAS、DV 等）。在展示投放之后进行分析。适合退款申请和品牌安全报告。对预防无效——预算已经花掉了。

静态屏蔽名单。已知欺诈域名、IP 或设备特征的名单。只要改变表层签名就能绕过。维护负担沉重，效果有限。

广告交易平台过滤器。内置于广告交易平台或 DSP 中的竞价前过滤器。质量参差不齐。大型 DSP 拥有成熟的过滤器；小型的则没有。

转化跟踪分析。通过查看转化率和质量来检测欺诈。能抓住偷懒的欺诈；漏掉那些被设计成产生看起来正常转化率的高级欺诈。

内部流量分析。部分广告主会分析自己的流量以发现欺诈模式。对事后抓住部分欺诈有用；对预防作用有限。

缺口所在：在出价之前，实时、竞价前地判断库存是否合法的情报。这正是全行业投入不足的一层。实现它的架构已经存在，但尚未被广泛部署。

竞价前设备情报是什么样子

架构模式：

在发布商侧：页面上的 SDK 在页面加载时捕捉设备指纹和行为信号。设备数据被纳入发送给广告交易平台的竞价请求元数据中。

在广告交易平台：竞价请求在标准库存信息之外，还携带设备情报载荷。

在 DSP/广告主侧：向设备情报服务发起竞价前验证调用。该服务在 10–50 毫秒的竞价前延迟预算内返回一个判定结果——很可能是人类、可能是机器人、很可能是欺诈。

决策逻辑：DSP 根据判定结果决定是否对该展示出价。很可能是人类的库存正常出价。很可能是机器人的库存则以更低金额出价或直接跳过。很可能是欺诈的则被明确排除。

竞价后日志：判定结果和信号随展示一起被记录下来，用于事后分析、退款申请和持续的规则调优。

优势：预防而非事后退款。广告主一开始就不为欺诈库存付费，而不是事后去追讨退款。

延迟约束是真实存在的。竞价前预算通常是从拍卖开始到竞价响应总共 100 毫秒往返。在其中，设备情报调用需要在 30–50 毫秒内完成，才能为其他 DSP 逻辑留出时间。这是一条硬性的工程约束，限制了在竞价前场景中哪些检测架构是可行的。

一次实际部署是什么样子

一个程序化广告平台，月均投放约 1 亿次展示。基于行业基准的部署前欺诈率估计：18–25% 的展示流向了机器人或欺诈库存。

部署的架构：

• 在发布商库存上部署设备情报 SDK（在有接入权限的地方）
• 从 DSP 向验证服务发起竞价前验证调用
• 将判定结果集成进竞价逻辑，设三个阈值（高置信度人类、可疑、很可能是欺诈）
• 用于分析和退款申请的竞价后日志

90 天后的结果：

• 在部署了 SDK 的库存上，机器人展示减少 78%
• 净化后的库存点击率提升 31%（因为真人真的看到了广告）
• 净化后的库存转化率提升 22%（因为点击来自真实用户）
• 向上游 SSP 的退款申请减少 60%（因为竞价前预防在需要退款之前就拦下了多数欺诈）
• 验证带来的平均竞价延迟增加：32 毫秒（在预算内）
• 在此规模下，防止欺诈带来的直接节省：每月 34 万美元

该平台的 ROI 账：验证基础设施成本约每月 4000 美元。直接节省：每月 34 万美元。非直接收益（改善的广告活动效果指标、更好的广告主留存、在退款申请管理上花费更少时间）进一步放大了价值。

这对你的团队意味着什么

如果你在 AdTech 领域运营，有三点观察：

观察 1：你的欺诈率很可能高于报告中显示的数字。竞价后验证只能抓住它能识别的部分。高级无效流量恰恰针对竞价后验证的缺口。真实的比率通常高于报告的比率，有时高出许多。

观察 2：竞价前在全行业投入不足。多数平台都有竞价后验证，因为行业已经将其标准化。竞价前验证才是高杠杆的缺口。部署它的平台拥有竞争对手所没有的优势。

观察 3：50 毫秒的延迟约束是特性，不是缺陷。契合延迟预算的架构被迫做到高效。不契合的架构会被广告交易平台拒绝。这个约束催生了更好的工程。

顺利完成这一转型的平台有一个共同模式：他们诚实地衡量欺诈率（包括竞价后验证漏掉的类别），在每一个可用的库存节点部署竞价前验证，并把这项集成当作持续的工程而非一次性的供应商选型。

Tracio 的定位

Tracio 设备情报专为 AdTech 场景中的竞价前部署而设计。其架构满足广告交易平台所要求的 50 毫秒延迟预算。信号覆盖通过统一的检测层处理全部五大欺诈类别——点击欺诈、展示欺诈、转化欺诈、域名欺骗和 SIVT。

集成模式：

• 用于库存验证的发布商侧 SDK
• 用于竞价前判定的 DSP 侧服务器调用
• 用于捕捉横跨多个广告主的欺诈运营的跨客户信号共享
• 每日轮换、抵御欺诈运营规避的多态 JavaScript 层

判定结果——很可能是人类、可疑或很可能是欺诈——在 50 毫秒内返回，并附带底层信号。DSP 团队用它来驱动竞价逻辑。发布商团队用它在投放前过滤库存。

免费套餐每月包含 2500 次验证——足以在某个具体的广告活动或库存细分上跑一次有意义的试点，并衡量你真实的欺诈率。

想看看你真实的欺诈率是什么样子吗？

开始免费试用——2500 次验证免费，无需信用卡。预约演示，与我们的团队一起走一遍你具体的 AdTech 部署场景——包括竞价前集成模式和 DSP 专属架构。