
Собираем сигналы сессии
С момента захода скрипт фиксирует поведение и технический отпечаток: как двигается мышь, как идёт скролл и ввод, что за устройство, сеть и браузер, из какого источника и в каком контексте случился клик.
Защищаем рекламу от скликивания, ботов и плохих площадок: эвристика, общая ML-модель, модель под ваш сайт, минус-цели и умное подавление РСЯ работают вместе.
Sales Ninja выбирают компании из разных отраслей
По каждой сессии антибот собирает сигналы, прогоняет их через скоринг и добавляет бизнес-контекст. Только после этого он решает, что делать с трафиком и какой сигнал отдать в рекламу.

С момента захода скрипт фиксирует поведение и технический отпечаток: как двигается мышь, как идёт скролл и ввод, что за устройство, сеть и браузер, из какого источника и в каком контексте случился клик.

Антибот анализирует поведение и параметры устройства и браузера. Проверка использует набор правил, общую ML-модель и модель на данных вашего сайта. Результат — оценка вероятности нецелевого визита.

При оценке визита антибот учитывает ценные действия, цели подавления и репутацию площадки РСЯ. Покупка или квалифицированная заявка помогают защитить полезного посетителя от ошибочного исключения.

Ценную сессию пропускаем, нецелевую подавляем в рамках выбранной чувствительности. Решение уходит в Метрику как антибот-цель и сегмент, чтобы автостратегии Директа и других площадок обучались на чистых данных.
С первого дня включается базовая защита и общая ML-модель. Когда накопится поведение именно вашего сайта, поверх них обучается модель под ваш трафик, формы и воронку.
Отсекаем очевидные машинные сессии: скриптовые браузеры, подозрительные технические сигналы, резкие паттерны активности и пустое поведение.
Модель обучена на кросс-проектном поведении: мышь, скролл, клавиатура, устройство, сеть, рекламный источник, время визита и контекст клика.
Через неделю модель понимает, как выглядят нормальные и плохие сессии именно у вас: лендинг, интернет-магазин, мультидомен или сложная форма.
Антибот учитывает признаки автоматизации и результат визита. Покупки и квалифицированные заявки помогают защитить целевых посетителей, а спам-заказы и некачественные обращения — выявить нежелательный трафик.

Выберите покупку, квалифицированную заявку или другое ценное действие. Его достижение помогает защитить визит от ошибочного исключения, даже если в нём есть признаки автоматизации.
Эти действия помогают сохранить целевые визиты

Укажите нежелательные исходы: спам-заказ, некачественную заявку или неквалифицированный лид. Антибот будет учитывать их вместе с техническими признаками при оценке визита.
Эти действия помогают выявлять нецелевые визиты
С площадки могут приходить реальные посетители, которые редко совершают целевые действия. Поэтому антибот учитывает не только поведение в визите, но и качество источника по общей статистике проектов.

Объединяем статистику проектов: сколько целевых действий приносит площадка и как меняется доля визитов с признаками ботов.

При одинаковом поведении посетителя оценка риска может быть выше у площадки с низким качеством трафика. Чувствительность фильтрации задаётся в настройках.

Низкая доля целевых действий не доказывает, что на площадке работают боты. Качество источника учитывается отдельно от поведения посетителя.
Самая глубокая интеграция сейчас у РСЯ в Яндекс Директе: там есть антибот-сегмент и умное подавление плохих площадок. В других каналах используем антибот-сигналы как аудитории и цели для оптимизации.
Отправляем антибот-цель в Метрику, собираем сегмент, применяем корректировку к повторным заходам и дополнительно учитываем качество площадки.
Используем антибот-события как сигнал качества аудитории и исключения нецелевых пользователей там, где это поддерживает канал.
При настройке нужно учитывать две ошибки: пропустить нецелевой трафик и исключить полезного посетителя. Ниже — условное сравнение подходов. Порог выбирают по данным проекта, проверяя расходы и сохранение целевых действий.
Проверяем, снизились ли расходы на нецелевой трафик и сохранились ли покупки. Эти показатели нужно оценивать вместе: снижение расходов само по себе не доказывает пользу фильтрации.

Эвристика, общая ML-модель и первые антибот-события начинают работать сразу после установки скрипта.

После накопления данных обучается отдельная модель, которая учитывает поведение посетителей и цели вашего проекта.

Сравниваем расходы и целевые действия при выбранной чувствительности. Проверяем, не исключает ли фильтрация посетителей с покупками.
Подключение и сопровождение
От установки до проверки результата вас ведёт аккаунт-менеджер. Заранее разделяем задачи, доступы и ответственность — чтобы подключение не превращалось в отдельный проект разработки.
На выходеПонятный состав интеграций и нужных доступов.
На выходеСайт и учётные системы дают модели контекст.
На выходеРабочая модель и отдельные цели для её сигналов.