Fraud в iGaming affiliate marketing: как измерять качество трафика
Fraud в iGaming affiliate marketing — это намеренное или систематически недобросовестное поведение, которое искусственно создаёт clicks, accounts, deposits, affiliate conversions или revenue credit без соответствующей реальной ценности для operator.
Но одна из самых важных идей этой статьи:
Плохой traffic не всегда является fraud.
Campaign может приводить:
Это гораздо сильнее одной колонки:
fraud=yes/no.
Проблема Source B:
duplicates.
Не low player value.
Теперь headline 20% rejection становится explainable.
У каждой campaign совершенно разное решение.
Это framework, а не fraud verdict.
Operator B strongest по этой конкретной metric.
Но full decision также требует:
- низкоинтентных пользователей;
- пользователей, которые не проходят KYC;
- игроков с низким LTV;
- пользователей из неправильно подобранного GEO;
- duplicate player;
- minimum deposit;
- attribution rules;
- wrong GEO;
- commercial qualification;
- payment failure;
- programme-specific criteria.
Коротко
Для affiliate главный показатель качества — не количество Raw FTD. Полезнее смотреть: Approval Rate Payable FTD Rate Rejection Reasons Cost per Payable FTD D30/D90 Player Value Chargebacks / Reversals Retention / NGR и только затем конкретные fraud indicators. Сильная система работает так: Signal ↓ Investigation ↓ Reason Code ↓ Validated Outcome ↓ Commercial Adjustment ↓ Feedback to Traffic Source Одного IP, VPN, короткой session или необычного CR недостаточно, чтобы объявить пользователя или affiliate мошенническим. Google, например, прямо предупреждает, что такие признаки, как zero-second visits или повторяющиеся IP, не являются сами по себе доказательством invalid traffic: shared networks, measurement mechanics и другие legitimate причины могут создавать похожую картину.Fraud, invalid traffic и low-quality traffic — разные вещи
Эти понятия необходимо разделять.Fraud
Есть intentional abuse или manipulation. Например: создание нескольких accounts с целью получить несколько acquisition rewards.Invalid Traffic
Ad interactions не представляют genuine user interest. Google относит сюда, например:- automated traffic;
- accidental clicks;
- manual activity, искусственно увеличивающую advertiser costs;
- deceptive ad activity.
Low-quality traffic
Пользователи реальны. Но:- плохо конвертируются;
- быстро churn;
- имеют низкий NGR;
- не соответствуют product-market fit.
Compliance rejection тоже не всегда fraud
Например: реальный пользователь может находиться в неподходящем GEO. Он не обязательно пытался обмануть operator. Но conversion может оказаться: non-payable. А пользователь, который не проходит обязательную identity verification, тоже не обязательно мошенник. Причиной может быть:- неверно введённый address;
- документальное несоответствие;
- техническая проблема;
- inability to verify.
Почему неправильно использовать одну категорию «bad traffic»
Если operator сообщает: «30% вашего traffic плохие» affiliate ничего не может оптимизировать. Совсем другое дело: 10% Duplicate 5% Wrong GEO 4% KYC Failure 3% Payment Reversal 2% Confirmed Fraud 6% Other Qualification Теперь каждая проблема имеет отдельное решение.Fraud — это economic problem
Affiliate fraud разрушает economics обеих сторон.Для operator
Потери могут включать:- affiliate commissions;
- bonuses;
- payment fees;
- fraud losses;
- compliance operations;
- chargebacks;
- investigation cost.
Для affiliate
Последствия:- rejected conversions;
- withheld commissions;
- worse commercial terms;
- lower CPA;
- caps;
- delayed payments;
- account termination;
- loss of operator relationships.
Operator не оценивает traffic только по FTD
Для operator acquisition event — только начало relationship. Например: 100 FTD могут выглядеть одинаково на affiliate dashboard. Но внутри operator:Source A
90 valid players. Strong retention. Normal product use.Source B
45 valid players. Large duplicate cluster. High reversals. Low downstream value. Headline FTD одинаковый. Economic quality — совершенно разная.Traffic Quality Funnel
Более полезная iGaming quality model: Clicks ↓ Registrations ↓ Verified Accounts ↓ Raw FTD ↓ Validated FTD ↓ Qualified / Payable FTD ↓ Retained Players ↓ NGR / LTV При CPA affiliate чаще всего экономически интересует: Payable FTD. При Revenue Share: player value после FTD.Raw FTD
Raw FTD — первоначально зафиксированный первый deposit до окончательной validation. Например: Raw FTD:Validated FTD
Validated FTD — FTD, который прошёл определённый programme/operator validation stage. Но exact definition зависит от programme. У одного operator validation может означать: KYC complete. У другого: commercial review. Поэтому terminology нужно фиксировать в metric dictionary.Qualified FTD
Qualified FTD — first-time depositor, соответствующий agreed commercial qualification rules affiliate programme. Например:- новый customer;
- permitted GEO;
- required deposit;
- acceptable source;
- no duplicate;
- valid attribution.
Payable FTD
Payable FTD — conversion, по которой affiliate фактически имеет право на commission после необходимых checks. Иногда: Qualified = Payable. Иногда между ними существует:- hold;
- approval;
- reconciliation.
Главная quality metric: Approval Rate
Формула: Approval Rate = Payable or Qualified FTD / Raw FTD × 100% Пример: Raw FTD:Rejection Rate
Rejection Rate = Rejected FTD / Raw FTD × 100% Если simple binary model: Rejection Rate = 1 − Approval Rate. При approval: 80%. Rejection: 20%.Почему Approval Rate сильнее Raw FTD
Campaign A: 300 Raw FTD. Approval: 40%. Payable:Cost per Raw FTD vs Cost per Payable FTD
Spend: $30 000. Campaign A: 300 Raw. Cost / Raw FTD = $100 Но Payable:Fraud-adjusted acquisition cost
Наиболее полезная формула: Fraud/Quality-adjusted CPA = Acquisition Cost / Final Payable FTD Именно её нужно сравнивать с operator payout. Подробнее: Юнит-экономика iGaming.Типы fraud в iGaming affiliate marketing
Условно fraud можно разделить на несколько layers: Traffic Fraud Account Fraud Promotion Abuse Identity Fraud Payment Fraud Attribution Fraud Affiliate / Sub-affiliate Abuse Важно: не все indicators доступны самому affiliate. Часть обнаруживает только operator.1. Bot и automated traffic
Bot traffic — automated interactions, которые имитируют real visitors. Он может создавать:- impressions;
- clicks;
- site interactions;
- иногда form submissions.
Advertising invalid traffic ≠ operator affiliate fraud
Это важное различие. Google может уже определить click как invalid и:- убрать его из reporting;
- не взимать charge;
- позднее выдать credit.
Invalid clicks column
В Google Ads существует отдельная: Invalid clicks metric. Она показывает clicks, которые Google уже идентифицировал и отфильтровал. Это полезный acquisition-health indicator. Но он не заменяет: affiliate quality analytics.Нет универсальной «нормы invalid traffic»
Google прямо указывает, что не существует единого industry-standard normal invalid-traffic rate. Invalid activity меняется в зависимости от:- source;
- inventory;
- environment;
- type of traffic.
2. Duplicate accounts / multi-accounting
Multi-accounting — создание или использование одним человеком нескольких accounts там, где programme/operator предполагает один eligible customer account. Экономический risk очевиден: один реальный customer может искусственно выглядеть как несколько acquisition events.Почему multi-accounting важен для CPA
Предположим: один человек создаёт: 5 accounts. Каждый делает qualifying-looking deposit. Если detection отсутствует: affiliate потенциально получает 5 CPA вместо одного. Именно поэтому programme обычно применяет:- identity checks;
- account-linkage;
- duplicate detection.
Duplicate account не обязательно доказывает affiliate intent
Очень важное различие. Operator может обнаружить duplicate player. Но это ещё не доказывает, что affiliate:- организовал;
- поощрял;
- знал
Operator terms как пример
В актуальных на 2026 год bet365 Partner Programme Terms programme отдельно запрещает self-referrals/related-person commission и предусматривает возможность withholding commissions или suspension при suspected non-good-faith traffic и promotion abuse. Terms также прямо описывают bonus-abuse scenario, где связанные customers могут делать противоположные bets для уменьшения риска и получения bonuses. Это пример условий конкретного programme, а не универсальная taxonomy всей индустрии.3. Self-referral
Self-referral — ситуация, когда affiliate пытается получить commission за собственный customer activity или activity связанных лиц, если programme запрещает такую модель. Многие programmes явно исключают её. Например, bet365 запрещает affiliate получать referral commission с собственного betting account или accounts связанных/household persons.Self-referral и обычный affiliate test — не одно и то же
Technical testing tracking links должно проводиться через:- programme test tools;
- sandbox;
- согласованный test process.
4. Bonus abuse
Bonus abuse — использование promotional mechanics способом, который противоречит programme/operator rules и направлен прежде всего на извлечение bonus value, а не нормальное использование product. Возможные patterns могут включать:- linked accounts;
- coordinated behaviour;
- repeated promotion exploitation.
Bonus-seeking player ≠ автоматически bonus abuser
Пользователь может legitimately выбрать operator из-за promotion. Это нормальное consumer behaviour. Fraud начинается там, где нарушаются:- programme terms;
- operator rules;
- identity/account restrictions.
Incentivized traffic
Incentivized traffic — traffic, где пользователь получает отдельную мотивацию выполнить нужное affiliate action. Это может быть:- reward;
- cashback;
- monetary incentive;
- other benefit.
Почему incentivized traffic может иметь низкое качество
Пользователь оптимизирует: получить incentive а не: использовать gambling product. Следовательно, могут ухудшаться:- retention;
- NGR;
- approval.
5. Fake identity / stolen identity
В remote gambling identity fraud является реальным operator risk. UK Gambling Commission в своей оценке ML/TF risks 2026 прямо выделяет false или stolen identity documentation и отдельно отмечает развитие попыток обходить customer-due-diligence controls с использованием AI-generated documents, deepfake videos и face swaps. Для affiliate это означает: высокий volume registrations или deposits не является гарантией существования valid unique customers.Fake KYC как термин
В affiliate analytics под fake KYC часто неформально понимают попытки пройти verification с:- false identity;
- stolen documents;
- synthetic materials.
KYC failure ≠ fake KYC
Очень важно. Пользователь может не пройти verification по обычным причинам. Поэтому reason: KYC failed не следует автоматически перекодировать в: identity fraud. Нужна более конкретная operator classification.6. Mule accounts и third-party use
UK Gambling Commission в 2026 оценивает как высокий remote-casino risk использование customer accounts третьими лицами для сокрытия source of funds/identity, включая mule accounts и agents. Для traffic-quality analysis это может проявляться как unusual clusters. Но affiliate обычно видит только downstream result:- rejected;
- held;
- fraud review.
7. Payment fraud
Payment layer может создавать отдельную категорию losses. Например:- unauthorized payment;
- chargeback;
- reversed transaction;
- third-party payment instrument.
Chargeback
Chargeback — reversal card transaction по инициативе cardholder/bank в соответствии с payment process. В affiliate economics chargeback может:- аннулировать revenue;
- уменьшить NGR;
- привести к conversion reversal.
Chargeback Rate
Если affiliate получает данные: Chargeback Rate = Chargeback-linked Players / Relevant Depositing Players или финансово: Chargeback Amount / Deposit Amount Но нужно документировать denominator.Payment Failure ≠ Fraud
Declined card может возникнуть из-за:- bank rejection;
- insufficient funds;
- technical issue;
- payment-method restriction.
8. Minimal-play / suspicious money movement
В 2026 UK Gambling Commission отдельно выделяет как remote-casino AML risk необычное wagering behaviour, например withdrawal после минимальной игры. Но это operator AML risk signal. Он не означает: affiliate привёл fraud traffic. Такой downstream pattern может быть одним из элементов broader investigation.9. GEO mismatch
Affiliate campaign может быть настроена на конкретную jurisdiction. Но часть users приходит:- физически из другого region;
- через roaming;
- через proxy;
- с ambiguous location signals.
GEO mismatch не является fraud автоматически
Google прямо отмечает, что location determination использует множество signals и не гарантирует абсолютно точное определение location; mobile carriers и proxy routing могут создавать apparent mismatches. Поэтому: IP GEO ≠ declared GEO является anomaly. Не verdict.VPN / proxy signal
VPN/proxy detection может быть useful risk signal. Но legitimate users тоже используют:- corporate VPN;
- privacy VPN;
- mobile proxy infrastructure.
10. Attribution fraud
Fraud может происходить не на уровне player, а на уровне credit assignment. Например: искусственная попытка получить last-click credit за conversion, которую фактически создал другой source. Это отдельный class от:- bot traffic;
- player fraud.
Attribution anomalies
Potential signals:- unusual concentration clicks непосредственно перед conversions;
- sudden overwrite rate;
- duplicate Click IDs;
- unexpected SubID patterns;
- abnormal redirect changes.
Tracking error может выглядеть как fraud
Например: postback отправлен дважды. Tracker показывает: 2 FTD. Operator:11. Sub-affiliate opacity
Affiliate A может покупать traffic у: Affiliate B / sub-affiliate. Operator видит только top-level partner. Это создаёт риск:- unknown source;
- forbidden source;
- unapproved creative;
- bad inventory.
Sub-affiliate не означает low quality
Сеть/sub-affiliate model является обычной частью affiliate ecosystem. Risk появляется, когда parent affiliate не знает:- источник;
- GEO;
- acquisition method.
12. Non-good-faith traffic
Некоторые agreements используют широкую contract language. Например, bet365 2026 terms позволяют withholding commissions при reasonable cause подозревать traffic, полученный не in good faith. Такая wording делает особенно важными:- clear definitions;
- evidence;
- rejection reasons;
- dispute process.
Fraud и contract breach — не одно и то же
Traffic может нарушать affiliate agreement без того, чтобы быть техническим fraud. Например: operator запрещает конкретный acquisition source. Affiliate использовал его. Это: source violation. Не обязательно: fake players. Для analytics лучше reason: prohibited_source а не generic: fraud.Fraud taxonomy для BI
Рекомендуемая top-level классификация:| Category | Пример |
| Invalid Traffic | bot / artificial click |
| Duplicate | existing/duplicate player |
| Identity | confirmed identity abuse |
| Promotion | confirmed promotion abuse |
| Payment | confirmed payment fraud/reversal |
| Self-referral | affiliate-related account |
| GEO | ineligible territory |
| Attribution | invalid/duplicated credit |
| Source Violation | prohibited acquisition source |
| Qualification | min deposit / commercial condition |
| Low Quality | valid but low-value player |
| Technical | tracking / duplicate postback |
| Unknown | причина пока не подтверждена |
Reason codes — основа quality analytics
Каждая rejected conversion должна по возможности иметь: reason_code Например: DUPLICATE_PLAYER WRONG_GEO KYC_NOT_COMPLETED IDENTITY_ABUSE_CONFIRMED PAYMENT_REVERSAL SELF_REFERRAL BONUS_ABUSE MIN_DEPOSIT_NOT_MET ATTRIBUTION_LOST PROHIBITED_SOURCE OTHERПочему reason code должен быть machine-readable
Комментарий: «invalid player» сложно анализировать. Code: DUPLICATE_PLAYER легко агрегируется по:- source;
- affiliate;
- campaign;
- GEO.
Free-text comment тоже полезен
Лучший design: Reason CodeНе создавайте десятки почти одинаковых reason codes
Плохая taxonomy: duplicate duplicate-account existing-user old-player returning-customer без definitions. Сначала определить canonical categories.Fraud Detection Funnel
Полезно анализировать signals на каждом этапе.Click
Bots Invalid clicks Unexpected GEO.Registration
Duplicate data Unusual registration clusters.Verification
Identity/KYC failure.Deposit
Payment anomalies.Validation
Duplicate/promotion/source violations.Post-acquisition
Chargebacks Very low retention Suspicious downstream patterns.Affiliate видит не все signals
Например, operator может иметь:- device intelligence;
- payment data;
- KYC provider output;
- account linkage.
Operator data vs affiliate data
Affiliate знает
Source Campaign Creative Landing Click ID SubID.Operator знает
Account KYC Payment Game behaviour Player history. Fraud analysis становится значительно сильнее при соединении двух sides через: privacy-safe IDs + reason codes.Minimum shared feedback
Даже без sensitive data operator может возвращать: Conversion ID Status Reason Category Final Payout Это уже позволяет affiliate улучшать source quality.Что такое Traffic Quality
Traffic Quality — способность acquisition source приводить legitimate eligible players, которые проходят qualification и создают ожидаемую downstream business value. Это шире anti-fraud. Quality включает:- validity;
- approval;
- retention;
- LTV.
Traffic Quality ≠ Fraud Rate
Source может иметь: 0% confirmed fraud и всё равно быть ужасным business source. Например:- Approval 98%;
- D30 NGR почти нулевой;
- retention слабая.
Fraud Rate
Если operator имеет validated reason codes: Confirmed Fraud Rate = Confirmed Fraud Rejections / Raw FTD Например: 200 Raw FTD. 6 confirmed fraud. Fraud Rate: 3%. Но важно: не включать в numerator:- wrong GEO;
- duplicates без доказанного fraud intent;
- tracking failure;
Bad Traffic Rate
Можно отдельно считать: Non-Payable Rate = 1 − Payable FTD / Raw FTD Это business metric. Она не делает утверждения о намерении. Например: 30% Non-Payable. Из них fraud: 3%. Это значительно точнее.Validation Loss Rate
Validation Loss = (Raw FTD − Payable FTD) / Raw FTD По сути соответствует total rejection/non-payable rate. Useful для campaign economics.KYC Pass Rate
Если data доступны: KYC Pass Rate = Verified Accounts / Accounts Requiring Verification Не: KYC failure = fraud. Это operational funnel metric.Duplicate Rate
Например: Duplicate Rejections / Raw FTD или: Duplicate Registrations / Registrations Выбор denominator должен быть documented.Payment Reversal Rate
Reversed Deposit Players / FTD или amount-based: Reversed Amount / Deposits Для revenue economics второй вариант иногда полезнее.Approval-adjusted EPC
Формула: Final Payable Revenue / Traffic Clicks Это обычный affiliate EPC после quality validation.Approval-adjusted ROAS
Payable Affiliate Revenue / Media Spend Не использовать: Raw FTD × headline CPA как revenue, если значительная часть FTD rejected.Worked example: две campaigns
Campaign A: Spend: $20 000. Clicks: 20 000. Raw FTD:Campaign B
Spend: $20 000. Clicks: 15 000. Raw FTD:- меньше clicks;
- меньше Raw FTD;
Approval сравнение
Campaign A: 50% Campaign B: 90% Raw FTD CPA: A: $80 B: $111,11 Если media buyer оптимизировал Raw FTD: выбрал бы A. По Payable: A: $160 B: $123,46 Решение меняется.Почему fraud-adjusted metrics должны идти обратно в media buying
Если Google/Meta optimisation получает только: Registration или: Raw FTD, algorithm будет находить самые дешёвые early events. Если есть достаточный volume и допустимая data architecture, более качественный signal: Approved / Qualified FTD. Подробнее: S2S tracking и postback.Но final event имеет delay
Qualified FTD может становиться известен:- через день;
- неделю;
- после hold.
Two-signal model
Можно использовать: Early Signal Raw FTD. и: Final Signal QFTD. Внутренне campaign не scale только потому, что early signal хороший. Она должна подтвердиться final quality.Quality maturation
Например: Day 0: 200 Raw FTD. Day 3: 170 validated. Day 14: 155 final Payable. Поэтому campaign quality в первые часы ещё незрелая.Quality Maturity Curve
Можно считать: D1 Approval Estimate D7 Finalization D30 Final Approval Это помогает понять, когда campaign безопасно масштабировать.Fraud detection требует cohort analysis
Single player signal часто noisy. Cohort: GEO × Source × Campaign × Creative × Operator показывает structural patterns. Например: Campaign X: Duplicate rate 2%. Campaign Y: Duplicate 18%. Это значительно более actionable.Почему aggregate affiliate rate скрывает проблему
Affiliate total: Approval: 85%. Но: SEO: 95%. Google Ads: 92%. Sub-affiliate C: 40%. Aggregate выглядит приемлемо. Один source создаёт почти весь risk.Minimum segmentation
Начать с: GEO × Source × Operator Дальше при volume: Campaign × Creative × Landing × Sub-affiliate. Не разбивать data до groups из 1–2 FTD.Sample size matters
Если campaign имеет: 4 FTD. 1 rejection. Rejection Rate: 25%. Если: 4 000 FTD. 1 000 rejection. Тоже: 25%. Statistical confidence и business importance совершенно разные. Поэтому alerting должен учитывать volume.Не блокируйте source по одному player
Один unusual player может быть случайностью. Исключение: если есть clear severe confirmed violation. Обычно traffic decisions лучше принимать на:- cohort;
- repeated pattern;
- operator evidence.
Red flag ≠ proof
Это центральный принцип anti-fraud. Примеры signals:- unusual conversion speed;
- GEO mismatch;
- repeated IP;
- proxy/VPN;
- identical behaviour;
- high bonus concentration;
- payment reversal;
- low post-FTD engagement.
Zero-second visits
Google отдельно предупреждает: zero-second analytics session не обязательно означает bot. Некоторые analytics tools просто не получают second interaction, необходимый для определения duration.Duplicate IP addresses
Google также отмечает: один public IP может принадлежать большому количеству legitimate devices через NAT:- office;
- university;
- mobile carrier;
- public network.
Device fingerprint
Device-level correlation может быть useful. Но:- shared devices;
- privacy protections;
- browser updates
GEO anomalies
Сильнее смотреть: Ad Target GEO vs Click GEO vs Account Country vs KYC Country Если несколько signals расходятся: investigation priority повышается. Но affiliate не всегда получает все четыре.Conversion velocity
Например, source внезапно создаёт: 10× больше registrations без изменения spend/click volume. Это anomaly. Возможные причины:- real viral effect;
- tracking duplication;
- campaign change;
- automation;
- reporting bug.
Too-good-to-be-true CR
Campaign CR в несколько раз выше historical baseline — не только повод радоваться. Нужно проверить:- tracking duplicates;
- source change;
- conversion definition;
- real operator acceptance.
Anomaly detection
Anti-fraud system обычно ищет: departure from expected pattern. Например: Historical Approval: 88–92%. New cohort: 45%. Не обязательно fraud. Но priority investigation высокая.Baseline должен быть сегментирован
Нельзя сравнивать: Brazil TikTok с: UK branded Search. У них естественно разные funnels. Baseline лучше строить: GEO × Source Type × Operator.Median часто полезнее mean
Один экстремальный day может сильно сдвинуть average. Для operational baseline можно смотреть:- median;
- percentiles;
- robust ranges.
Не превращайте threshold в инструкцию для злоумышленника
Internally можно иметь risk thresholds. Но нет необходимости публично раскрывать:- точные anti-fraud cutoffs;
- scoring weights;
- bypass conditions.
Rule-based detection
Простой risk engine: IF: Duplicate confirmed → reject. IF: Wrong GEO → ineligible. IF: unusual device signal → review. Правила полезны для:- clear contract criteria;
- explainability.
Machine-learning detection
На большом volume можно использовать ML для anomaly/risk scoring. Inputs могут включать aggregated patterns:- acquisition;
- account;
- payment;
- behaviour.
Explainability особенно важна для affiliate disputes
Если operator говорит: «AI определил fraud» это слабое объяснение для commercial relationship. Лучше: Status: rejected. Reason: duplicate identity. Evidence class: account linkage. Affiliate не обязательно получает sensitive evidence, но должен понимать business reason.Human review
Для high-value или ambiguous cases manual review часто остаётся необходимым. Google, например, в invalid-traffic defence использует не только automation/ML, но и manual expert review. Это хороший general principle: automated detection + human escalation.Quality Score: использовать осторожно
Можно создать internal: Traffic Quality Score например из:- Approval;
- D30 Retention;
- Payment Reversal;
- NGR.
Пример internal Quality Score
Illustrative only: 40% Approval 20% Retention 20% Payment Quality 20% LTV Но weights должны отражать ваш business. Это не industry standard.Лучше dashboard, чем magic score
Например:| Metric | Source A | Source B |
| Approval | 95% | 62% |
| Confirmed Fraud | 1% | 3% |
| Duplicate | 1% | 20% |
| Chargeback | 0.5% | 1% |
| D30 Active | 45% | 44% |
| D90 LTV | $160 | $155 |
Rejection Reason Distribution
Один из самых важных reports.| Reason | Count | % Raw FTD |
| Duplicate | 35 | 7.0% |
| Wrong GEO | 20 | 4.0% |
| Qualification | 15 | 3.0% |
| KYC incomplete | 12 | 2.4% |
| Confirmed Fraud | 8 | 1.6% |
| Payment Reversal | 5 | 1.0% |
| Other | 5 | 1.0% |
Rejection reasons по campaign
Ещё полезнее:| Campaign | Approval | Main Rejection |
| A | 94% | Qualification |
| B | 55% | Duplicate |
| C | 80% | Wrong GEO |
| D | 91% | Payment |
Что делать с Duplicate-heavy campaign
Проверить:- source;
- audience;
- sub-affiliate;
- targeting;
- whether existing users are being re-acquired.
Что делать с Wrong-GEO campaign
Проверить:- media targeting;
- location options;
- landing eligibility;
- operator GEO restrictions.
Что делать с KYC-heavy rejection
Проверить:- GEO fit;
- user expectations;
- operator verification UX;
- traffic demographics;
- data quality.
Что делать с chargeback-heavy cohort
Affiliate обычно должен передать проблему operator/payment/risk team. Проверить:- campaign;
- GEO;
- source;
- offer.
Что делать с low-LTV cohort
Это не fraud investigation. Это: economics / targeting investigation. Проверить:- intent;
- creative;
- operator match;
- product fit.
Quality после FTD
Если анализ заканчивается на Payable FTD: Revenue Share business видит только начало story. Продолжение: D7 Activity D30 Activity Deposits NGR D90 LTVFraud и low LTV выглядят по-разному
Fraud-like cohort
High Raw FTD. Low Approval. High reversal.Low-value legitimate cohort
High Approval. Low D30 NGR. Low retention. Эти cohorts требуют разных действий.Cohort Quality Matrix
| Approval | LTV | Интерпретация |
| High | High | сильный source |
| High | Low | valid, но low-value traffic |
| Low | High | qualification / process issue возможно |
| Low | Low | самый высокий investigation priority |
NGR per Qualified FTD
Для RevShare: NGR/QFTD = Cohort NGR / Qualified FTD Например: Source A: 100 QFTD. D90 NGR: $30 000. NGR/QFTD: $300 Source B: 100 QFTD. $5 000. $50 Оба имеют одинаковое acquisition count. Quality разная.Affiliate LTV per QFTD
Affiliate LTV/QFTD = Cumulative Affiliate Revenue / QFTD Особенно полезно сравнивать:- source;
- campaign;
- creative.
Fraud-adjusted LTV
Если 100 Raw FTD превращаются в: 80 Payable, а cumulative affiliate revenue: $12 000, можно считать: Revenue / Raw FTD = $120 и: Revenue / Payable FTD = $150 Оба views полезны.Traffic quality и creative
Creative способен привлекать разные player cohorts. Например: Creative A: очень высокий CTR. Approval: 55%. Creative B: CTR ниже. Approval: 92%. Вероятно, message A привлекает less-qualified intent или создаёт неправильное expectation. Не обязательно fraud.Creative Quality metric
Для CPA: Creative QFTD Yield = Payable QFTD / Clicks Для RevShare: Creative D90 Value / Click. Так quality связывается с media buying.Traffic quality и landing page
Affiliate landing может:- квалифицировать пользователя;
- объяснить GEO/product;
- снизить irrelevant click-outs.
Traffic quality и offer choice
Иногда source выглядит fraudulent/weak только с одним operator. Operator B может:- лучше соответствовать audience;
- иметь другой KYC flow;
- лучше payment coverage.
Traffic quality и GEO
Fraud patterns и qualification сильно зависят от market. Но нельзя использовать nationality/GEO как proxy для подозрения конкретного пользователя без actual evidence. GEO нужен для:- regulatory eligibility;
- cohort comparison;
- risk controls.
Operator risk и affiliate fraud — разные layers
UK Gambling Commission в 2026 оценивает remote casino как high-risk sector для money laundering и выделяет:- false/stolen identities;
- mule accounts;
- third-party payment;
- suspicious wagering.
Operator обязан контролировать third parties
В UK LCCP 1.1.2 устанавливает ответственность licensee за contracted third parties, а contracts должны позволять получать необходимую информацию и прекращать отношения при существенных нарушениях. UKGC отдельно рекомендует gambling businesses проводить due diligence и сохранять достаточный oversight third parties. Следовательно: quality monitoring affiliates — это не только commercial optimisation. В regulated market она может быть частью wider control framework.Affiliate тоже заинтересован в прозрачности
Operator oversight не означает: operator может объявить любой traffic fraud без объяснений. Зрелое partnership должно обеспечивать:- clear qualification terms;
- reason codes;
- timely feedback;
- dispute mechanism.
Fraud accusation — серьёзное commercial утверждение
Поэтому желательно различать statuses: Suspected signal обнаружен. Under Review идёт investigation. Confirmed есть достаточное основание по operator process. Commercially Rejected не обязательно означает confirmed intentional fraud.Не путайте rejected и confirmed fraud
Recommended BI: status = rejected reason = wrong_geo не: fraud = true.Evidence levels
Internal model:Level 1 — Signal
Unusual behaviour.Level 2 — Correlated Evidence
Несколько связанных signals.Level 3 — Operator Validation
Risk/KYC/payment system confirms issue.Level 4 — Commercial Outcome
Rejected/reversed/withheld according to terms. Не каждый case должен доходить до Level 4 как «fraud».Investigation workflow
Шаг 1. Validate tracking
Не duplicate postback? Не broken SubID?Шаг 2. Compare baseline
Anomaly реальна?Шаг 3. Segment
GEO/source/campaign/creative.Шаг 4. Review rejection reasons
Что изменилось?Шаг 5. Ask operator for aggregated evidence category
Без unnecessary PII.Шаг 6. Determine commercial impact
Payable reduction?Шаг 7. Feed result back to acquisition
Pause/adjust/scale.Почему tracking проверяется первым
Представим: один FTD postback дублируется 3 раза. Operator later rejects two «duplicates». Campaign показывает enormous duplicate-account rate. На самом деле: проблема data pipeline. Именно поэтому статья №12 предшествует anti-fraud analysis.Source of truth
Рекомендуемая hierarchy:Clicks / Spend
Ad platform + tracker.Registration / Player
Operator.Verification
Operator.Raw FTD
Operator.Final Qualification
Operator / affiliate platform.Paid Commission
Financial statement. Affiliate tracker — важный copy. Но final commercial truth обычно определяет settlement source.Anti-fraud dataset
Минимальные dimensions: Click ID Conversion ID Source Campaign Creative Landing GEO Device class Operator Offer Version Registration Date Raw FTD Date Validation Status Reason Code Payable Status RevenueНе храните ненужные sensitive data
Affiliate anti-fraud dataset обычно не требует:- identity documents;
- card numbers;
- detailed AML files.
- privacy risk;
- security risk.
Event status history
Например: FTD_RAW ↓ FTD_PENDING ↓ FTD_APPROVED или: FTD_REJECTED:DUPLICATE Не удалять history.Why history matters
Если rejected event исчезает: campaign historical Raw FTD уменьшается. Approval выглядит искусственно лучше. Лучше сохранять: что произошло и: чем закончилось.Reversal
Conversion может сначала быть approved, а потом reversed. Это должно отражаться отдельно. Причина может быть:- chargeback;
- later fraud review;
- contract adjustment.
Finalization window
Operator может требовать время на validation. Поэтому dashboards полезно маркировать: Preliminary и: Final. Иначе current month всегда выглядит worse.Fraud hold
Некоторые commercial relationships могут включать:- hold;
- delayed approval;
- reserve.
Fraud clause в Affiliate Agreement
Особенно проверить: Definition Что programme называет fraud? Evidence Какие grounds позволяют reject? Withholding Можно ли удерживать весь balance или конкретные conversions? Clawback Можно ли пересчитать ранее approved revenue? Appeal Есть ли dispute process? Notification Когда affiliate узнаёт о проблеме?Broad wording risk
Условия: «we may withhold payments if traffic is suspicious» дают operator значительную discretion. Такие agreements требуют особенно хорошего:- reporting;
- communication;
- data history.
Concrete programme example
bet365 Partner Programme Terms 2026, например:- запрещают self-referral;
- дают право удерживать payments при reasonable cause подозревать traffic not generated in good faith;
- отдельно предусматривают action при promotion abuse;
- включают fraud и chargebacks в Net Revenue deductions.
Due diligence оператора
Affiliate должен проверять не только: сколько платят CPA? Но и:- прозрачность qualification;
- reporting;
- reason codes;
- payment history;
- dispute handling.
Due diligence traffic source
Перед покупкой traffic:- кто source owner?
- разрешён ли source operator?
- как source контролирует invalid traffic?
- доступны ли placement/creative data?
- можно ли отключить плохой segment?
- есть ли sub-sources?
- networks;
- sub-affiliates;
- native/display.
Source transparency
Лучше иметь: Source A / Publisher 17 / Placement 42 чем: Network X без further detail. Когда quality падает, granular data позволяет выключить конкретный segment, а не весь channel.Traffic source blacklist
Blacklist может быть useful для confirmed bad placements. Но static blacklist не заменяет ongoing analysis. Source может:- сменить inventory;
- owner;
- behaviour.
Allowlist
Для sensitive regulated campaigns иногда safer начать с: known approved inventory а затем расширять. Это зависит от traffic channel. Не все sources позволяют одинаковую placement control.Traffic incentives нужно документировать
Affiliate manager должен знать:- cashback?
- loyalty?
- free-to-play reward?
- other incentive?
Campaign naming
Для investigations campaign должна быть воспроизводимой. Например: Platform / GEO / Source / Campaign / Creative / Landing / Offer Тогда operator reason можно вернуть именно туда, где возникла проблема.Click-level vs aggregate quality
Aggregate useful для management. Click/conversion-level useful для debugging. Например: source approval упал. Затем: найти affected Conversion IDs. После этого: вернуться к Click IDs / campaign.Не передавайте player PII media buyer без необходимости
Чтобы media buyer остановил campaign с high rejection: ему не нужен passport пользователя. Ему нужны: campaign + reason distribution.Quality feedback loop
Traffic ↓ Raw FTD ↓ Operator Validation ↓ Reason Codes ↓ Affiliate BI ↓ Campaign / Source ↓ Media Optimisation Это core anti-fraud architecture.Weekly traffic-quality review
Минимально смотреть: Raw FTD Payable FTD Approval Rejection Reason Mix Cost / Payable FTD Revenue D30 Value, когда mature.Daily alerts
При достаточном volume:- sudden Approval drop;
- duplicate spike;
- unknown rejection rise;
- postback discrepancy;
- invalid-click spike;
- wrong-GEO spike.
Monthly review
Смотреть:- finalized quality;
- cohort LTV;
- payment reversals;
- operator comparison;
- source trends.
Fraud alert thresholds должны быть internal
Не использовать random: «если duplicate > 5%, block». Нужно учитывать:- historical baseline;
- volume;
- GEO;
- source;
- operator.
Baseline example
Source: Paid Search / GEO A / Operator B. Historical approval: 88–93%. Сегодня: 87%. Normal variation. Другой day: 52%. Strong anomaly.Change-point analysis
Важно определить не только: rate высокий? Но: когда он изменился? Например: 12 September: creative launch. 14 September: duplicates spike. Возможная связь.Annotation timeline
Хранить: New Source Added Offer Changed Bonus Changed Landing Changed KYC Flow Changed Payment Incident Tracking Deploy Так anomaly можно сопоставить с system changes.Operator-side change может выглядеть как traffic deterioration
Например: operator усилил verification. Approval: 90% → 70%. Все affiliates одновременно ухудшились. Если смотреть только на собственный source: можно ошибочно выключить profitable campaign. Поэтому полезно спрашивать: изменение только у нас или across programme?Offer change
Minimum qualifying deposit: $10 → $20. Raw FTD definition может не измениться. Payable падает. Это не fraud. Это: commercial-rule change.Metric versioning
Для каждого period хранить: Qualification Rule Version. Без этого historical Approval rates несопоставимы.Fraud и Attribution Window
Player может быть real. Но conversion не credited из-за:- expired window;
- overwrite.
Fraud и S2S loss
Operator имеет Qualified FTD. Tracker его не получил. Campaign выглядит low-quality. Это measurement loss. Подробнее: S2S tracking и postback.Fraud и KYC
Verification должна выполнять compliance function. UKGC в августе 2026 вновь подчеркнула необходимость robust identity verification у remote operators и необходимость подтверждать identity до gambling в соответствующем UK framework. Поэтому цель affiliate: не: максимизировать KYC pass любой ценой, а: приводить eligible users, которые естественно проходят legitimate verification.Fraud prevention через prequalification
Affiliate может заранее ясно сообщать:- eligible market;
- product;
- actual terms;
- age restriction;
- required conditions.
- accidental registrations;
- wrong GEO;
- low-intent clicks.
Прозрачный creative уменьшает quality risk
Clickbait creative способен повысить CTR и одновременно ухудшить:- intent;
- approval;
- trust.
Why Quality > Volume
Affilka в своём 2026 material по построению affiliate programme рекомендует отслеживать Player Qualifications как показатель того, сколько referred players реально соответствует quality criteria operator, наряду с LTV и ARPU. Это отражает важный industry principle: affiliate performance — не только объём referrals.Qualification postbacks
Affilka также поддерживает server-side events для:- qualification;
- prequalification;
- disqualification
Fraud tooling — не только blacklist
iGaming platforms развивают dedicated anti-fraud capabilities. Income Access, например, отдельно позиционирует fraud detection alongside ROI analytics и affiliate tracking как часть affiliate-management stack. Но ни один tool не отменяет необходимость:- clear commercial definitions;
- reason codes;
- reconciliation.
Google invalid traffic и affiliate fraud нужно хранить отдельно
Рекомендуемые BI fields: ad_invalid_clicks и: operator_rejected_ftd и: confirmed_affiliate_fraud как три разные metrics. Не: fraud_total.Почему
Google invalid click: может вообще не быть billed. Operator rejected FTD: возникает после player onboarding. Confirmed affiliate fraud: может быть contract/investigation outcome. Смешивание разрушает causal analysis.Fraud-adjusted P&L
Минимальная formula: Final Revenue = Payable FTD × CPA Contribution = Final Revenue − Traffic Cost − Direct Variable Costs Raw FTD в P&L нужен только как diagnostic.Worked P&L
Spend: $50 000. Raw FTD:Если ещё есть direct costs
Creative: $5 000. Tracking/tools: $2 000. Total direct: $57 000. Revenue: $52 500. Campaign: −$4 500 Хотя Raw FTD dashboard выглядел extremely profitable.Break-even Approval Rate
Можно вычислить minimum approval, необходимый для campaign profitability. Formula: Break-even Approval = Total Costs / (Raw FTD × CPA) Пример: Costs: $50 000. Raw FTD:Required Payable FTD
Required Payable FTD = Total Costs / CPA $50 000 / $150 = 334 Payable FTD округляя вверх для полного покрытия: 334. Это позволяет связать fraud/quality directly с break-even.Value of improving approval
Current: Raw FTD 500. Approval: 70%. Payable:Но approval нельзя «оптимизировать» удалением legitimate controls
Если approval low из-за real fraud: нужно улучшить source. Не давить operator: «принимайте больше players». Quality improvement означает: лучший traffic, а не weaker validation.False positives тоже имеют стоимость
Слишком агрессивный anti-fraud способен:- reject valid users;
- уменьшить operator revenue;
- ухудшить affiliate relationship;
- distort media optimisation.
False Positive Rate
Для fully labelled cases: Valid Events Incorrectly Rejected / Actual Valid Events На практике ground truth часто сложна. Но concept важен.Precision
Если anti-fraud system пометила 100 events. 80 реально подтвердились problem. Precision = 80%. Это полезнее total flag count.Recall
Из всех actual fraud events system нашла сколько? Это: Recall. Но в real gambling operations complete ground truth может быть недоступна.Fraud model evaluation
Для automated system полезно отслеживать:- precision;
- false positive;
- review rate;
- monetary prevented loss.
Risk-based review
Не каждая conversion требует manual investigation. Можно выделять: Low Risk auto process. Medium Risk additional checks. High Risk manual/operator review. Exact thresholds — internal.Monetary risk prioritization
Case A: potential CPA: $50. Case B: high-value RevShare player with large payment anomaly. Investigation resources могут распределяться по: Expected Loss × Risk Probability.Fraud economics при Revenue Share
При CPA fraud может стоить one-time payout. При RevShare abnormal player behaviour может искажать:- NGR;
- commission;
- negative carryover.
Cohort monitoring
Полезные horizons: D7 early retention. D30 initial quality. D90 more stable player value. Для конкретного product horizon может отличаться.Fraud vs player variance
Gambling player revenue inherently volatile. Один high-value winner/loser может сильно двигать cohort NGR. Поэтому низкий NGR маленького cohort не означает fraud. Нужен:- larger sample;
- longer window.
Player pooling
Если RevShare рассчитывается по aggregated player pool: один unusual player может изменить affiliate revenue всего cohort. Это financial mechanics, а не traffic fraud автоматически. Подробнее: CPA, RevShare или Hybrid.Fraud при CPA vs RevShare
| Параметр | CPA | RevShare |
| Основной immediate risk | false payable acquisition | low/invalid long-term player |
| Главная quality metric | Payable FTD | NGR/LTV |
| Detection horizon | короче | длиннее |
| Clawback impact | one-time payment | future revenue |
| Cohort analysis | useful | critical |
Hybrid
Hybrid требует обоих layers: Qualification для CPA component. Player LTV для revenue share. Поэтому fraud analytics должна поддерживать: acquisition quality + lifetime quality.Affiliate Quality Dashboard
Минимальный dashboard:| Layer | KPI |
| Acquisition | Clicks, Spend |
| Funnel | Registrations, Raw FTD |
| Validation | Payable FTD, Approval |
| Reasons | Duplicate, GEO, KYC, Fraud |
| Economics | CPQFTD, EPC, ROAS |
| Payments | Reversals, Chargebacks |
| Cohort | D30/D90 NGR, LTV |
Operator Quality Dashboard
Operator может дополнительно смотреть:- affiliate;
- sub-affiliate;
- KYC outcomes;
- payment risk;
- player retention;
- NGR.
Quality data latency
Operator может подтвердить fraud/reversal значительно позже FTD. Следовательно: current week: preliminary. Last month: more mature. Это нужно отражать в dashboard.Data maturity label
Например: D0 Preliminary D7 Partially Mature D30 Finalized Точные windows programme-specific.Fraud reserve
Если programme удерживает часть commission до validation: affiliate должен учитывать это в cash flow. Не считать held amount как available profit.Finalized Revenue
Для internal finance: Finalized Revenue отдельно от: Estimated Revenue. Fraud/rejection adjustments меняют именно переход между ними.Dispute workflow для affiliate
Если operator массово rejects traffic:1. Запросить reason distribution
Не только total.2. Проверить definitions
Что считается Qualified?3. Reconcile Conversion IDs
Какие конкретно events affected?4. Проверить terms version
Правила не изменились?5. Проверить source segmentation
Issue локализована?6. Запросить review ambiguous cases
Если agreement позволяет.Не запрашивайте лишние PII как «доказательство»
Affiliate может подтвердить quality problem через:- counts;
- IDs;
- reason categories.
- passports;
- banking data.
Operator должен избегать opaque blanket rejection
Фраза: «all traffic fraudulent» без measurable support разрушает partnership. Гораздо сильнее: Campaign X: 40 rejected from 100 Raw FTD; 31 duplicate existing customers; 6 wrong GEO; 3 confirmed promotion abuse.Affiliate должен избегать blanket denial
Обратная проблема: «наш traffic точно 100% чистый». Без operator-side player/payment data affiliate обычно не может знать это абсолютно. Сильнее: «по нашим acquisition signals anomaly нет; давайте сверим rejected Conversion IDs и reason codes».Common source-of-truth meeting
Operator и affiliate должны договориться: What is Raw FTD? What is Qualified FTD? When final? What reason codes exist? How disputes work? Без этого fraud discussion постоянно становится конфликтом definitions.Quality SLA
Можно договориться об operational expectations:- reports weekly;
- reason codes;
- notification on material anomaly;
- investigation turnaround;
- finalization timing.
Что делать media buyer при fraud spike
Не выключать всё автоматически. Последовательность:- Freeze aggressive scaling
- Verify tracking
- Segment affected traffic
- Check operator reason codes
- Pause only affected source/creative if possible
- Collect mature data
- Decide based on Payable economics
Почему не нужно масштабировать «пока operator разбирается»
Если early signals серьёзные: continued scale может увеличить loss. Поэтому временное ограничение risk exposure разумнее полного игнорирования anomaly.Stop / Review / Scale framework
Scale
Approval stable. No unexplained risk spike. LTV acceptable.Review
Quality below baseline. Reason uncertain.Stop
Confirmed severe source violation/fraud pattern или sustained negative final economics.Fraud prevention до launch
Лучше предотвратить problem до traffic. Проверить: Offer Rules Allowed Source GEO Incentives Sub-affiliate Tracking Qualification Fraud Clause ReportingFraud prevention на landing
Ясно показывать:- eligibility;
- product;
- real promotion conditions.
- guaranteed winnings;
- misleading bonuses;
- conditions, которых нет.
Fraud prevention в tracking
Нужны:- unique Click IDs;
- Conversion IDs;
- dedupe;
- status updates;
- source/sub-source capture.
Fraud prevention через first-party history
Если publisher имеет registered/CRM audience, собственный history может помогать видеть:- repeated users;
- source patterns.
Data minimisation
Anti-fraud — не оправдание собирать всё возможное о пользователе. В affiliate BI желательно хранить minimum necessary data. Detailed KYC/payment controls принадлежат operator.Security
Fraud datasets сами являются sensitive business assets. Они раскрывают:- campaigns;
- conversion values;
- partner relationships;
- possibly player identifiers.
- role-based access;
- secure storage;
- audit logs.
Do not expose fraud thresholds publicly
Public education может объяснять:- categories;
- governance;
- metrics.
Responsible use of device/network signals
Device/IP/proxy information должна быть:- signal;
- not sole verdict.
2026 risk environment: identity attacks становятся сложнее
UK Gambling Commission в июле 2026 отдельно отметила рост масштаба и sophistication попыток bypass CDD с использованием false documentation, deepfakes и face swaps в remote gambling. Для affiliate это усиливает один принцип: traffic quality нельзя оценить только media metrics. Некоторые проблемы становятся видны только на operator verification layer.Поэтому affiliate и operator должны обмениваться quality signals
Не sensitive identities. А: campaign-level outcome. Например: Campaign 7:- 100 Raw FTD;
- 62 Payable;
- 25 duplicate;
- 8 KYC failure;
- 5 other.
Fraud Feedback API / Postback
Идеальная technical model: Raw FTD Postback ↓ pending ↓ Qualification Postback ↓ approved или: rejected + reason Affiliate tracker обновляет: same Conversion ID. Affilka поддерживает qualification, prequalification и disqualification postback events, что позволяет реализовать именно такой lifecycle.Не создавайте новый conversion при rejection
Должен обновляться: existing conversion. Иначе reports покажут: FTD + rejected FTD как два разных players.Fraud analytics и idempotency
Repeated postback не должен создавать repeated rejection/approval. Подробнее: S2S tracking и postback.Quality event schema
Пример conceptual: conversion_id click_id event = ftd status = rejected reason_code = duplicate_player updated_at Без personal details.Fraud analytics и attribution
Один player может быть rejected у вашей campaign из-за attribution overwrite. Это не fraud. Поэтому reason taxonomy должна иметь: ATTRIBUTION отдельно.Fraud analytics и cohort age
Current month часто выглядит хуже:- approvals ещё pending;
- reversals ещё не окончательны;
- LTV не mature.
Same-age cohort comparison
Сравнивать: September D7 с: August D7. Не: September D7 с: August D30.Funnel quality tree
Полезная decomposition: Payable FTD = Clicks × Registration CR × Raw FTD / Registration × Approval Rate Quality layer в первую очередь сидит в: Approval. Но player value идёт дальше.Revenue tree с quality
Для CPA: Revenue = Raw FTD × Approval × CPA или от clicks: Revenue = Clicks × Raw FTD CR × Approval × CPA Это одна из главных формул статьи.Example
Clicks: 10 000. Raw FTD CR: 2%. Raw:Если approval падает до 50%
Payable:- clicks;
- CPC;
- Raw FTD CR.
Break-even Raw FTD CR с approval
Formula: Break-even Raw FTD CR = CPC / (CPA × Approval Rate) Например: CPC: $1,20. CPA: $180. Approval: 75%. Break-even Raw FTD CR: 1.20 / (180 × 0.75) ≈ 0,889%.При Approval 50%
Required Raw FTD CR: 1.20 / (180 × 0.50) ≈ 1,33%. То есть degradation quality значительно повышает required acquisition performance.Quality-adjusted break-even CPC
Break-even CPC = Raw FTD CR × Approval × CPA Это полезнее formula, которая предполагает 100% approval.Expected Value per Raw FTD
EV Raw FTD = Approval × CPA Если CPA: $180. Approval: 80%. Expected revenue одного Raw FTD: $144 не $180.Почему headline CPA обманывает без approval
Offer: $200 CPA. Approval: 50%. Effective EV / Raw FTD: $100. Offer B: $150. Approval: 90%. EV: $135. Lower headline CPA создаёт больше revenue на Raw FTD.Это связано с offer selection
Подробнее: Как выбрать iGaming offer: CPA — не главный показатель.Quality-adjusted operator comparison
| Operator | CPA | Approval | EV / Raw FTD |
| A | $200 | 50% | $100 |
| B | $160 | 85% | $136 |
| C | $140 | 95% | $133 |
- conversion;
- LTV;
- contract.
Rejection Rate не должен быть единственным operator KPI
Низкий approval может быть:- bad traffic;
- overly strict commercial definition;
- tracking issue;
- operator onboarding problem.
Operator-side false rejection risk
Если один operator: Approval 50%. А три других на том же traffic: 90%. Это evidence для investigation operator-specific issue. Не автоматическое доказательство unfairness, но сильный diagnostic signal.Traffic-side problem
Если один source: Approval 40% на пяти operators, а остальные sources: 90%, issue вероятнее source-side. Так multi-operator data помогает root-cause analysis.Two-dimensional quality matrix
Rows: Traffic Source. Columns: Operator. Cell: Approval / LTV. Так сразу видно: source effect vs: operator effect.Fraud vs compatibility
Некоторые traffic cohorts плохо подходят конкретному operator. Например: payment preferences не совпадают. Это может снижать deposit/retention. Не fraud. Поэтому quality analysis всегда должен сохранять product-market context.Основные ошибки anti-fraud analytics
Ошибка 1. Называть каждый rejected FTD fraud
Rejected ≠ fraud.Ошибка 2. Оптимизировать Raw FTD
Revenue зависит от final payable.Ошибка 3. Использовать один сигнал
IP/VPN/device alone недостаточно.Ошибка 4. Не проверять tracking
Duplicates могут быть техническими.Ошибка 5. Смешивать Google invalid clicks с operator fraud
Это разные layers.Ошибка 6. Не иметь reason codes
Нельзя исправить «bad traffic».Ошибка 7. Игнорировать sample size
Один rejected player не делает campaign fraudulent.Ошибка 8. Сравнивать immature cohorts
Current month выглядит хуже.Ошибка 9. Не смотреть LTV
High Approval может скрывать low-value traffic.Ошибка 10. Не читать contract
Programme definition определяет payable economics.Ошибка 11. Не учитывать false positives
Aggressive blocking тоже стоит денег.Ошибка 12. Передавать лишние PII affiliate
Quality feedback можно давать безопаснее.Anti-fraud maturity model
Level 0 — Raw FTD Only
Affiliate видит deposits.Level 1 — Approval
Есть Payable FTD.Level 2 — Reasons
Есть rejection taxonomy.Level 3 — Segmentation
Reasons доступны по source/campaign.Level 4 — Cohort Value
Approval + D30/D90 LTV.Level 5 — Risk Intelligence
Rules/ML + automated feedback. Не нужно начинать с Level 5.Минимальная система небольшого affiliate
Достаточно получать: Raw FTD Payable FTD Reason Code Source Campaign Operator Revenue И считать: Approval CPQFTD EPC Rejection Mix. Это уже решает большую часть practical quality problems.Quality Review Card
Для каждого campaign: Spend Clicks Raw FTD Payable FTD Approval Main Rejection Reason CPA Revenue Cost / Payable D30 LTV, если доступно.Example
Campaign: META_BR_17. Spend: $12 000. Raw:Investigation Priority Score
Можно использовать internal prioritization: Potential Financial Loss × Anomaly Severity × Confidence Но не использовать score как automatic fraud verdict. Он отвечает: что проверять первым?Financial Loss Estimate
Например: 50 suspicious Raw FTD. CPA: $180. Maximum direct exposure: $9 000 До учёта:- bonus;
- payment cost;
- downstream losses.
Opportunity Cost of false positive
Если 20 valid players ошибочно rejected: Expected LTV: $300. Potential lost operator value: $6 000 Anti-fraud слишком aggressive тоже может быть дорогим.Operator–affiliate shared objective
Обе стороны на самом деле заинтересованы в: больше legitimate profitable players. Не в:- maximum rejection;
- maximum Raw FTD.
CPA incentive problem
CPA может создавать incentive affiliate оптимизировать: number of qualifying acquisitions. Operator думает: player value. Quality conditions и approval соединяют эти incentives.RevShare incentive alignment
RevShare сильнее связывает affiliate с player lifetime economics. Но не устраняет:- identity fraud;
- payment fraud;
- compliance risk.
Hybrid
Hybrid распределяет incentives между:- acquisition count;
- long-term quality.
What good traffic looks like
Не «нулевой fraud score». Сильный traffic обычно имеет:- high final approval;
- explainable rejection mix;
- stable tracking;
- healthy retention;
- acceptable payment quality;
- economically viable LTV.
Stable ≠ perfect
Любой real acquisition funnel содержит:- errors;
- failures;
- duplicates;
- normal churn.