微信调整阅读数据 “虚惊一场”后刷量卖家照常接单|腾讯|微信|阅读量

　　虽然腾讯并没有明确表示，接下来将会采取什么措施来“剔除虚假数据”。但一位知名互联网公司的技术人员表示，可以通过反作弊的技术手段实现。

　　本文共计1905字，阅读时间3分钟。

　　本文为寻找中国创客原创

　　记者 / 闫丽娇

　　编辑 / 苏琦

　　8月7日凌晨，微信公众号图文分析页面跳出了一则通知，称为保证平台的健康运营，公众号后台的文章阅读数据将于今天起，剔除机器等非自然阅读带来的虚假数据。因统计口径的切换，导致新的统计数据与历史数据对比可能出现波动，该变动对运营者的流量将不产生实际影响。

　　这是一则看起来前后有些矛盾的通知。

　　通知的前半部分提到将剔除机器带来的虚假数据，后一句又提到对运营者的流量不产生实际影响。如果是打击刷量行为，则前端的流量应该会受到影响。

　　虽然一时间微信还未解释清楚，但还是引起了刷量主们的恐慌。有网友表示，她以为2016年9月的“刷量大号裸泳事故”又要重演。

　　然而消息出来后不久，微信便删除了相关通知并出面澄清，解释此次调整主要是为了统一前端和后端的数据。

　　目前公众号图文消息底部数据已经采用了新的统计口径，意味着这一次只是把后台的统计口径和前端的口径调整到一致，前端的阅读量不会跟着受影响。

　　接下来腾讯会不会采取措施“剔除机器等非自然阅读带来的虚假数据”，我们不妨再等等。但是目前可以确定的是，刷量公司还没有停下来。

　　刷量平台依旧在接单

　　多位公号运营告诉记者，此前，文章显示的阅读数和他们在后端看到的阅读数会有偏差，后台的阅读数据一般会滞后，这也是此次微信调整口径的主要原因。

　　虽然是一场“误会”，但有一个事实无法忽略——刷量的操作依然普遍存在。

　　2016年9月28日，微信曾进行过一次接口升级，让一些靠刷量起来的大号出现了“裸泳”，有公号的阅读量直接从平时的十万加落到几千。

　　有数据显示，当时有124个账号的阅读数暴跌了80%以上。但两年后，刷量工具仍被公号们普遍使用着，刷量技术也根据新接口进行了调整，价格也随之上涨。

　　根据新榜的数据显示，截至2018年7月31日，新榜已确认372个账号具有明显的“刷阅读”行为，其中在今年前7个月确认的就有116个。

　　据了解，对刷量有需求的一般分为四类。公关和广告公司、企业号小编、代运营工作室，这些都是刷量服务的潜在用户，同时还有一类重要的用户，自媒体人。

　　淘宝上有专门的店铺为这些人提供刷量服务，包括阅读量、点赞数，甚至还有机器刷出的评论。记者随机咨询了淘宝的两位卖家，他们均表示并不清楚微信更新的通知，截止到7日下午依旧在接单。

　　通过技术手段可实现剔除虚假阅读数据

　　2016年的那次“事故”后，刷单不但没被打击，价格不跌反而贵了不少。

　　一位运营人员表示，刷单实际上从2013年就开始了。最早是刷粉丝，公众号文章显示阅读数后，同一拨人开始经营刷阅读量。2016年以前，一千的阅读量十几元就可以，现在价格已经翻了好几番。淘宝一位卖家还告诉记者，刷量分快刷和慢刷，但不论快慢都会在当天24点前完成。[page]分页标题[/page]

　　除了价格和速度不同，刷量还分为“人工刷”和“技术刷”两种，但人工刷成本高效率低，所以现在基本都是技术刷，即利用手机和电脑这些常用设备进行刷量。

　　刷量人员借助电脑同时操纵几十甚至上百台手机，通过登录在手机上的微信号进行循环刷量。据了解，为了规避微信的检测，有些刷量工具甚至还可以设置阅读量增长速度和运作时间段。

　　刷量并不只存在于微信平台，一位卖家向记者介绍，他们除了阅读数和点赞，还可以刷各平台的点击量和使用量，以及视频网站的播放量等。

　　当然，业内人士也提出了一些判断是否刷量的技巧。例如，以一小时或半小时为单位，人为观察公众号阅读量的变化。正常的文章阅读量增长速度应该是先快后慢。而刷量公司的做法是每小时刷一定的量，或者深夜猛刷一波。再比如，公号发完广告后，阅读量不降反增，或者阅读量和点赞数明显不成比例等。

　　但是，这样的判断标准仍旧不能排除，刷量公司通过技术手段花样提高数据的可能。

　　腾讯并没有明确表示，接下来将会采取什么样的措施达到“剔除机器等非自然阅读带来的虚假数据”。但一位知名互联网公司的技术人员告诉记者，可以通过反作弊的技术手段实现。

　　简言之就是通过分析用户行为日志来定位作弊，比如超高频行为（某IP/用户ID/设备ID产生了远高于正常情况的行为日志数据）、异常的用户路径（如一个用户只有文章阅读行为日志，但没有微信打开动作日志，就很可能是作弊的）、交叉验证（比如腾讯系有多个产品，对应的作弊设备ID可以共享）。

　　一位刷量人员对记者表示，即便微信出了相关的措施，他们也可以采取人工刷量的方式，而人工刷量可以确保没事。

　　但记者从上述技术人员那里了解到，人工刷的数据虽然难度大一点，但仍有办法识别：“比如人工刷的往往集中在某一个办公地点，出口IP一样，行为也趋同；从另一个角度理解，比如被刷的文章阅读量增长曲线会有明显异常，同时有一批异常文章彼此之间曲线也很类似。”