一次意外的广告实验
独立开发者Nick Abe运营着一款名为Dayzle的小型益智应用。2026年9月，他在Google Ads上开启了一个Android安装推广campaign，每日预算设定为40加元，目标成本每安装1.50美元。前几天Google几乎没有消耗预算，因为在这个价格下找不到安装。他移除了目标成本限制作为测试，预算立刻翻倍消耗至80加元，Google当天报告了21次新安装。
Abe兴奋地查看自己的管理后台，却发现那里只记录了1次安装。数字对不上。他深入分析原始数据后发现，当天确实有21台新Android设备安装了应用，但其中20台运行的是一个早已被Google Play商店停止分发的旧版本应用。这些设备不可能从Play商店获取这个旧版本，尽管每一台都声称安装来源是Google Play。
机器人农场的运作机制
这些异常设备的行为模式高度一致：打开应用一次，在任何屏幕上停留零秒，然后永远不再回来。它们分布在19个州、涵盖28种不同手机型号——对于20台行为完全相同的设备来说，这种多样性本身就是最大的破绽。两周campaign结束后，Google计费了56次安装，其中33次呈现上述机器人模式，另有7次来自campaign未定向的国家，只有13次来自真实用户。
Abe推断这是一个专业的机器人农场在运作。农场的操作手法是：观看广告组中最短的视频但不点击，然后从一个本地保存的APK文件安装应用，而不是从Play商店下载。Google的广告算法将"观看后安装"计为一次转化，因此农场每次"安装"都会让Google的算法认为这个广告效果更好，进而分配更多预算——形成了机器人吞噬广告预算的正反馈循环。
广告平台的结构性漏洞
这个案例揭示了移动广告生态系统中的一个结构性问题：Google优化的是广告主设定的目标，而不是广告主的实际利益。当目标设定为"安装"时，任何能产生安装计数的行为——无论来自真人还是机器人——都会被算法奖励。Google的转化追踪机制无法区分来自Play商店的真实安装和来自第三方APK文件的虚假安装。
对小型开发者来说，这种欺诈的代价是真实的。Abe的220美元预算中约60%被机器人消耗，这笔钱本可以用于触达真实的潜在用户。而那13个真实用户在两间内完成了92局游戏，证明应用本身对用户有吸引力——只是Google的广告系统没有帮他找到这些人。
行业背景与应对
移动广告欺诈并非新问题，但AI驱动的机器人农场正在让检测变得更加困难。传统的欺诈检测依赖设备指纹识别和行为模式分析，但现代农场会故意使用多样化的设备型号和IP地址来规避检测。Google在2025年曾宣布加强广告反欺诈措施，但Abe的实测表明这些措施在2026年仍然不足。
Abe最终调整了广告策略，将目标从"安装"改为"应用内行为"，要求用户至少完成一局游戏才计为有效转化。这个改变立即过滤掉了所有机器人流量——因为机器人从不真正使用应用。这个案例为小型开发者提供了一个实用的经验：在Google Ads上，目标设定的精确度直接决定了预算是否会被机器人农场吞噬。