🖱️ Anzeigenklickbetrug-Erkennung — Benfords Gesetz Live

Benfords Gesetz besagt, dass bei vielen natürlich vorkommenden, mehrskaligen numerischen Datensätzen die erste (führende) Ziffer d nicht gleichmäßig über 1–9 verteilt ist, sondern P(d) = log₁₀(1 + 1/d) folgt — also beginnen etwa 30,1 % der Werte mit 1, 17,6 % mit 2, bis hin zu nur 4,6 %, die mit 9 beginnen. Es entsteht immer dann, wenn die zugrunde liegende Größe mehrere Größenordnungen umfasst und ihr Logarithmus annähernd gleichmäßig verteilt ist, was genau bei organischen Anzeigenklick-Zahlen passiert, die über Kampagnen sehr unterschiedlicher Größe, Budgets und Reichweite aggregiert werden. Fabrizierte Daten — erzeugt durch die Auswahl von Zahlen in einem engen Bereich, um plausibel zu wirken — besitzen diese mehrskalige Struktur nicht, weshalb sie die logarithmisch-gleichmäßige Eigenschaft nicht reproduzieren und ihre führenden Ziffern von der erwarteten Benford-Kurve abweichen.

Für jede Traffic-Quelle zählen wir, wie viele ihrer N Klickzahlen jede führende Ziffer 1 bis 9 aufweisen, was die beobachteten Häufigkeiten O(d) ergibt. Die erwartete Häufigkeit nach Benfords Gesetz berechnen wir als E(d) = N × log₁₀(1 + 1/d). Die Chi-Quadrat-Statistik ist χ² = Σ (O(d) − E(d))² / E(d), live berechnet aus den tatsächlich simulierten Daten bei jeder Neuerzeugung — nichts ist fest codiert. Bei 9 Ziffernkategorien gibt es 8 Freiheitsgrade, und der übliche kritische Wert für ein Signifikanzniveau von 5 % liegt bei 15,507; Quellen, deren Chi-Quadrat-Statistik diesen Schwellenwert überschreitet, werden als statistisch unvereinbar mit echtem, natürlich skaliertem Traffic markiert.

Echte Quellen ziehen Klickzahlen aus einem logarithmisch-gleichmäßigen multiplikativen Prozess: Die Basisskala ist 10 hoch einem gleichmäßig zufälligen Exponenten zwischen 1 und etwa 5,2 (sodass die Größenordnungen von Zehnern bis Hunderttausenden reichen), multipliziert mit lognormalem Rauschen, das die tägliche Kampagnenschwankung darstellt. Da der Exponent gleichmäßig verteilt ist, folgen die resultierenden führenden Ziffern eng Benfords Gesetz, ähnlich wie sich echter aggregierter Web-Traffic verhält. Betrügerische Quellen ziehen Zahlen dagegen gleichmäßig aus einem engen Zahlenband, etwa 500 bis 900 Klicks — ein typisches Muster für Click-Farmen oder Bots, die ein stetiges, plausibles Volumen vortäuschen wollen, was mathematisch keine logarithmische Verteilung führender Ziffern erzeugen kann.

Chi-Quadrat ist empfindlich gegenüber der Stichprobengröße N — bei genügend Daten werden selbst winzige, praktisch unbedeutende Abweichungen statistisch signifikant. Die mittlere absolute Abweichung, MAD = (1/9) × Σ |beobachteter Anteil(d) − P(d)|, misst die durchschnittliche Größe der Abweichung selbst, unabhängig von N. Praktiker der Ziffernanalyse (nach Nigrinis forensischen Buchhaltungskonventionen) betrachten einen MAD unter etwa 0,006 als enge Übereinstimmung, 0,006–0,012 als akzeptabel, 0,012–0,015 als grenzwertig und über 0,015 als Nichtübereinstimmung. Beide Statistiken gemeinsam zu berichten — Chi-Quadrat für statistische Signifikanz und MAD für die Effektgröße — liefert ein vollständigeres Bild als jede für sich.

Nein — Benfords Gesetz ist eine Screening-Heuristik, kein Beweis. Manche echten Datensätze entsprechen ihm nicht, weil sie aus legitimen Gründen auf einen engen Bereich beschränkt sind (zum Beispiel eine kleine Kampagne mit festem Budget, die immer nahezu dieselbe Anzahl von Klicks kauft), und manche fabrizierten Daten können bewusst so gestaltet werden, dass sie eine logarithmische Verteilung nachahmen. In der echten Anzeigenbetrugserkennung ist ein signifikantes Chi-Quadrat-Ergebnis bei Klickzahlen nur eines von vielen Signalen — neben Klick-Zeitmustern, Geräte-Fingerprints, IP-Reputation und Anomalien bei der Konversionsrate —, die Analysten nutzen, um zu priorisieren, welche Traffic-Quellen eine genauere Untersuchung verdienen.

Die beobachteten Balken animieren sich sanft zu ihrer neuen Zielhöhe, sobald sich die zugrunde liegenden Daten ändern — etwa wenn du eine Quelle zwischen echt und betrügerisch umschaltest, die Stichprobengröße änderst oder auf „Neu ziehen" klickst. Dies ist rein ein visueller Glättungseffekt zur besseren Lesbarkeit; die im Seitenpanel angezeigte Chi-Quadrat-Statistik und der p-Wert werden immer direkt aus den endgültigen, ausgeruhten Daten berechnet, nicht aus dem animierten Zwischenbild.