數據分析與機器學習：偵測應用內機器人作弊關鍵
一直以來，應用內機器人作弊的問題在遊戲、電子商務和其他許多領域都備受關注。如今，機器人作弊正逐漸發展成爲一項產業，越來越多欺詐者爲那些想要尋求旁門左道的用戶提供專業機器人作弊服務。經過精心設計的應用內機器人程序，能夠快速有效地執行遊戲中的各項任務挑戰，以複雜的方式模仿人類行爲，解鎖遊戲獎勵並迅速佔領排行榜。
遊戲中機器人的數量正在不斷增加，Adjust研究發現，在美國，超過40%的遊戲玩家表示曾經付費使用過機器人，平均支出爲65美元。這對那些不作弊的玩家來說，無疑是非常令人沮喪的，63%的受訪者表示認爲機器人對遊戲及遊戲社羣會產生非常負面或較爲負面的影響。在2021年，如何精準檢測並抵禦機器人作弊，將成爲越來越多應用開發者與營銷人員保護業務和改善用戶體驗的關鍵。
應用內機器人作弊造成的不良影響
威脅應用變現模式，破壞應用內經濟。一些玩家會去黑市購買機器人，以執行重複單調的遊戲任務，獲取精緻且罕見的高級裝備，而這往往比直接應用內購買裝備便宜。對主要依靠應用內購買變現的遊戲開發者而言，這無疑將嚴重破壞其獲利模式。
破壞遊戲公平性，長期以往造成用戶流失。作弊者會使用外掛機器人進行更高級的遊戲操作，在與真實玩家的對抗中獲得不正當的優勢，從而破壞遊戲社區公平競爭的競技精神，並進一步影響品牌聲譽，使玩家有可能永久離開遊戲。Unbotify研究顯示，遊戲應用中機器人的數量及滲透率會影響真實玩家的遊戲體驗——如果機器人賬號佔所有玩家賬號的1%，意味着15%以上的真實玩家會在一週之內遇到機器人作弊的情況。
通過開設虛假賬戶，應用內機器人作弊還會騙取營銷預算，甚至直接騙取高額的遊戲獎金。通常，遊戲開發者需要花費大量時間和金錢進行營銷活動及獲客推廣，而虛假的機器人賬號會影響開發者對推廣渠道和推廣活動的錯誤預判，從而騙取營銷預算。另外，一些欺詐者會使用大量的虛假機器人賬號進行遊戲競賽，直接欺騙開發者設置的高額遊戲獎金。
儘管部分遊戲開發者已經意識到機器人作弊可能帶來的嚴重後果，並嘗試開發自己的防作弊程序，但結果往往不盡人意。最大的挑戰是缺乏能夠有效識別和區分人類活動與機器人活動的數據。要做到這一點，需要多年的研究、成熟的數據集以及在解決方案中結合使用機器學習。另外，打擊機器人作弊需要開發人員投入大量的時間和精力，而這可能會影響遊戲真正必需的改進和更新，進一步降低用戶體驗。
Unbotify解決方案
通過收集並分析人類玩家獨有的數據點，Unbotify解決方案可以創建機器學習模型，從而辨別哪些是真實玩家、哪些是機器人。手機上的觸摸強度、點擊速度和滾動操作等匿名傳感器數據，是人類用戶特有的，利用這些獨特數據點，“Unbotify可以針對不同的遊戲應用建立機器學習模型，從而精準打擊應用內機器人作弊。”Unbotify聯合創始人兼副總裁Alon Dayan介紹道。藉助Unbotify解決方案，遊戲開發商N3TWORK成功將其Tetris遊戲的FPR（False Positive Rate）從5%將至0，應用內機器人檢測成功率高達99.7%。
Unbotify可以分析其他解決方案無法處理的細粒度數據點（傳感器交互）。在移動設備上，這類數據非常豐富，因爲有更多可用的傳感器能夠收集數據（例如觸摸壓力、加速度計、陀螺儀、光傳感器等）。安裝SDK後，Unbotify將會開始在後端收集真實的人類交互和傳感器數據。利用傳感器數據，Unbotify可以在應用內的特定數據流上構建真實用戶行爲的基線，識別該特定應用的人類用戶模式，以檢測異常行爲，並在出現異於模型的機器人路徑時向客戶端報告。
機器人作弊操作由來已久，並以各種方式影響真正的遊戲玩家和應用開發人員。未來，隨着機器學習技術的發展，應用內機器人的檢測難度也將越來越大。“應用內機器人作弊並非只牽扯到金錢問題，它還會給用戶體驗、留存率、應用內分析帶來連鎖影響，進而破壞用戶數據，損害品牌聲譽。”Alon表示。在企業形象與品牌聲譽日益重要的今天，如何有效檢測應用內機器人，以保證良好的用戶體驗，對許多公司和品牌來說都將至關重要。
###
關於 Adjust
Adjust 是一家全球 B2B SaaS 公司。公司的創立初衷源自對技術的熱情，且誕生於移動經濟的中心，目前在全球各地設有16個辦公室。
Adjust 平臺包含移動數據監測、防作弊、網絡安全及營銷自動化產品。通過這一系列產品，Adjust爲使用其服務的40,000個應用提供幫助，讓營銷變得更簡單、更智能、更安全。包括 Procter & Gamble、Rocket Internet 和騰訊遊戲在內的全球領先品牌已經使用 Adjust 的解決方案來確保預算安全及優化市場表現。
2019年，Adjust 獲得了歐洲年度最高融資之一，共籌集了近2.3億美元。