Case 02of 05

All work

Traffic Quality / Analytics

비정상 트래픽 패턴
탐지와 검증

광고 리포트만으로 설명되지 않는 트래픽을 추가 데이터와 행동 패턴을 통해 검토했습니다.

Role
Measurement Design · Analysis · Implementation
Ownership
100%
Tools
JavaScript · Python · Cloudflare · Traffic Analysis
광고 유입 → 추가 신호 수집 → 패턴 비교 → 이상 패턴 검토 → 대응으로 이어지는 트래픽 검토 흐름 인포그래픽

Background

전환 데이터를 분석하는 과정에서 일반적인 사용자 행동으로 설명하기 어려운 반복적인 트래픽 패턴을 발견했습니다.

비정상 트래픽이나 부정클릭 가능성을 의심했지만, 광고 플랫폼에서 제공하는 정보만으로는 정상 사용자와 의심 트래픽의 차이를 충분히 검증하기 어려웠습니다.

Problem

광고 플랫폼의 리포트만으로는
트래픽의 실제 행동 차이를 확인하기 어려웠습니다.

동일하거나 유사한 행동이 반복되는 접속을 확인하면서 추가적인 분석이 필요하다고 판단했습니다.

Measurement

웹페이지에 JavaScript 기반의 별도 계측 로직을 적용해 분석에 필요한 접속·세션·기기 및 행동 특성을 확인할 수 있는 데이터 구조를 구성했습니다.

Analysis

수집한 데이터를 기반으로 Python을 이용한 통계 분석 구조를 만들고, 정상 사용자 그룹과 의심 트래픽 그룹 사이에서 반복적으로 나타나는 행동 특성의 차이를 비교했습니다.

Analysis Flow, 비정상 트래픽 분석 흐름 — 01 Traffic(광고 유입 및 방문 데이터 수집: 유입경로·클릭·접속수) → 02 Session Data(세션별 접속 환경과 기본 로그 정리: 기기·브라우저·시간) → 03 Behavior Features(반복 행동과 패턴 특성 추출: 체류시간·클릭패턴) → 04 Python Analysis(통계 분석 모델로 정상/이상 신호 검토: 분석모델·규칙기반) → 05 Normal / Suspicious(정상 트래픽과 의심 트래픽 구분: 분류 결과·차단 검토)
추가 계측부터 패턴 분류까지의 분석 흐름

Action

분석 과정에서 반복적으로 의심 패턴과 연결되는 접근을 별도로 검토했고, 필요한 경우 IP 단위로 관리했습니다.

운영상 차단이 필요하다고 판단한 접근은 Cloudflare를 이용해 제한했습니다.

Outcome

광고 플랫폼의 기본 리포트만으로는 확인하기 어려웠던 트래픽 품질 문제를 추가 데이터로 검토할 수 있는 분석 기반을 마련했습니다.

정상적인 고객 행동과 다른 반복적 패턴을 별도로 검토하고 운영상 대응할 수 있는 흐름을 구축했습니다.

Role & Ownership

Measurement Design · Analysis · Implementation

100%

Tools

  • JavaScript
  • Python
  • Cloudflare
  • Traffic Analysis