Click falsi Facebook Ads, sistemi di controllo inadeguati o illecito volontario?

Nel panorama dei sistemi pubblicitari su logica pay-per-click (PPC – CPC) Facebook Ads, con il suo 27,9 % di market share consolidato nel 2011 riveste, alle spalle del gigante Google AdWords, un ruolo fondamentale contribuendo con oltre 7 miliardi di dollari a circa il 68% del revenue di Facebook Inc.

Questo sistema però ultimamente è stato oggetto di varie critiche, ed anche un nostro test, fatto sull’account Interstudio ha svelato diverse situazioni sospette nel conteggio di click e nella loro generazione. Tutto a discapito del budget investito ed a tutto vantaggio delle tasche di Zuckerberg e compagni.

Like Us Campaign, e strani account “Like compulsivi”

Qualche giorno fa abbiamo iniziato a creare una campagna “Like Us” allo scopo di valutare a parità di budget, le differenze fra questo tipo di iniziative ed altri strumenti  di marketing analoghi sistemi in termini di lead generati e conversioni.

Il processo di creazione della campagna è quello usuale, si settano i limiti di spesa per click e giornalieri e si definisce un’audience sfruttando diverse metriche sia anagrafiche che sociali, oltre alle immancabili correlazioni d’interesse ovvero quelle variabili che dovrebbero misurare quanto un utente potrebbe essere interessato ai nostri contenuti sulla base di altri like effettuati su tematiche analoghe.

Per iniziare abbiamo creato una serie di regole che hanno ristretto il target possibile a circa 25.000 soggetti di età, lingua e nazionalità definita e con un interesse generico verso il mondo dell’ingegneria civile. Nell’immagine sotto uno screenshot dell’impostazione della campagna.

Facebook Target
Il target associato alla campagna

Una volta terminata la consueta fase di revisione abbiamo dato il via alla campagna e…i likers sono iniziati ad arrivare con una frequenza incoraggiante ed a costi veramente bassi, intorno ai 10 centesimi per lead.

I problemi iniziano quando si va a verificare che tipo di account sono quelli da cui arrivano i like. Nel nostro caso specifico, abbiamo notato che circa 9 like su 10 (stimando per difetto..) provengono da quelli che abbiamo battezzato “likers compulsivi” ovvero account che si trovano ad avere un minimo di 5-6000 like in pochi mesi di iscrizione a FB.

Il primo problema nell’avere a che fare con utenti di questo tipo si ha nella sovraesposizione del loro profilo ai post delle varie pagine di cui hanno fatto Like. In pratica qualsiasi post fatto si ritrova annegato in mezzo a decine di altri e le probabilità che ci sia un follow-up di questo tipo di utenti è veramente bassa perchè manca materialmente il tempo di interagire con i contenuti che stiamo sottoponendo alla loro attenzione.

Detta così il problema potrebbe stare nel modo di selezione dell’audience, troppo aperto e quindi includente anche soggetti non realmente interessanti da un punto di vista commerciale (anche se nel nostro caso l’audience era già molto profilata e ridotta).

Un’analisi più approfondita svela però una realtà ben diversa e peggiore. Come si nota dalle immagini sotto (prese da alcuni soggetti campione) il 90% di questi account sembrano senza ombra di dubbio riconducibili a bot automatizzati.

Questi soggetti hanno un pattern di generazione like molto caratteristico che vede burst  di circa 10 like fatti ad un secondo l’uno dall’altro, ogni 4/6 ore. Questo pattern è chiaramente non corrispondente al comportamento di un utente umano, ma molto molto simile ad un software che genera click automatizzati. Nessun utente avrebbe fisicamente il modo di cliccare su 10 annunci in 10 secondi per cui la nostra ipotesi è che esistano account compromessi che possono essere sfruttati da software malevoli per generare click e like totalmente privi di valore per l’inserzionista.

Come si nota nelle immagini sotto, il pattern è ben riconoscibile e, a voler ipotizzarne la ragione, potrebbe esser generato dai meccanismi di controllo di Facebook stessa che permettono X click in un’unità di tempo, per poi sospendere l’account per un tot di ore prima che possa rincominciare a generare click e così via. Questo chiaramente conteggiando e fatturando all’utente finale i click giudicati falsi.

Account Like Compulsivo - Esempio #1 Like falsi
Account Like Compulsivo - Esempio #1 Like falsi
Account Like Compulsivo - Esempio #2 Like falsi
Account Like Compulsivo - Esempio #2 Like falsi
Account Like Compulsivo - Esempio #3 Like falsi
Account Like Compulsivo - Esempio #3 Like falsi
Account Like Compulsivo - Esempio #4 Like falsi
Account Like Compulsivo - Esempio #4 Like falsi

Mi rifiuto di pensare che un’azienda come Facebook non sia in grado di tracciare questi comportamenti, e di riaccreditare all’inserzionista il costo fatturato per i click generati da questi account like compulsivi.

Il motivo per cui questo succede è quindi da ricercarsi nel fatto che l’unica vittima è il piccolo inserzionista, ovvero colui che investe un budget limitato su una target audience molto ridotta (e che quindi nota la cosa in maniera più evidente), mentre Facebook si trova in una posizione in cui può solo guadagnare.

Purtroppo, a parte questo tipo di valutazioni empiriche, non esistono prove sistematiche a supporto di questa analisi, anche se, come vedremo sotto, il nostro caso è tutt’altro che isolato.

I precedenti di Agosto 2012

Nell’agosto del 2012 una startup chiamata Limited Run ha fatto esplodere il caso per prima, affermando che oltre l’80% dei click ricevuti (e pagati) provenivano da bot. Ci sono diverse decine di post online (come questo o quest’altro) ma la situazione è più o meno riassunta in questi termini. Limited Run ha rilevato una discrepanza fra i click fatturati e le visite ricevute che ha conteggiato utilizzando strumenti di statistiche di terze parti. Per verificare hanno implementato una landing page ad-hoc e scoperto che oltre l’80% dei click conteggiati provengono da utenti con Javascript disabilitato, il che contrasta col fatto che attualmente sul web questa tipologia di utenti sia sotto l’1%.

Esistono altri precedenti di aziende che, in seguito ad un aumento di likers del 200% non hanno rilevato un aumento del grado di interazione con i post successivi. In pratica passando da 1000 a 3000 likers attraverso campagne Like us sponsorizzate come la nostra, l’aumento di interazione fra i likers ed i contenuti postati sulla pagina Facebook è stato praticamente nullo.

Altri esempi in rete citano il fatto che il bounce rate (ovvero la frequenza di rimbalzo degli utenti che arrivano sulle landing page designate) sia intorno al 100%, compatibile col fatto che si tratti di bot.

Facebook ha ammesso di avere intorno al 6% di account falsi ed ha iniziato una campagna  che a partire dal Settembre 2012 dovrebbe aver eliminato il problema. Questo contrasta con la realtà dei fatti descritta in questo post e getta ombre sul modello di business dell’azienda che ad oggi è profondamente dipendente dal revenue generato dal comparto dell’online advertising su logic CPC.

Considerazioni finali

Difficile dire dove stia la verità, quello che è certo è che Facebook Ads mostra problemi seri di credibilità, problemi la cui soluzione non sembra stare a cuore all’azienda. Se veramente (sottostimando) il 50% dei click generati fosse falso vorrebbe dire rinunciare a oltre 3 miliardi di dollari annui di fatturato, con ricadute pesanti sul futuro di Facebook stessa, ancora alle prese col dover fornire agli investitori un modello di business credibile.

Quindi che si tratti di sistemi di controllo inadeguati, o di dolo in questo momento Facebook sta approfittando della situazione per incassare quanto più possibile. Ogni giorno che passa un nuovo caso viene alla luce (General Motors stessa ha ritirato ogni investimento da Facebook Ads, sebbene non specificando motivi particolari) e non passerà molto prima che la credibilità di Facebook Ads vada a fondo come sta facendo il valore delle azioni.

Intanto nel dubbio a ELbuild continuiamo a proporre ai nostri clienti campagne CPC che  sfruttano principalmente Google AdWords.

Autore: Luca Adamo

Luca Adamo si è laureato con lode in Ingegneria delle Telecomunicazioni all'Università degli studi di Firenze ed è dottorando in Ingegneria Informatica, Multimedialità e Telecomunicazioni, sempre nella stessa facoltà. Le sue competenze tecniche includono lo sviluppo software, sia orientato al web che desktop, in C/C++ e Java (J2EE, J2SE, J2ME), l'amministrazione di macchine Unix-based, la gestione di reti di telecomunicazioni, ed il design di database relazionali.

Pubblicato il Categorie Uncategorized

Ti è piaciuto questo articolo e vuoi approfondire con noi gli argomenti trattati? Scrivici!

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *