Ни для кого не секрет, что Facebook отлично распознаёт связанные или очень похожие между собой активы и использует эту информацию для формирование USER_TRUST аккаунта. В зависимости от наличия связей с одним или несколькими профилями, траст пользователя может быть настолько низок, что он получит блокировку даже ничего не запустив.

Арбитражники просто говорят: “ФБ палит!”, но что он “палит” и как это происходит, никто никогда особо не исследовал. Но мы всё же попробуем теми силами, что у нас есть.

Часть 1: Глубокое обучение и теория представления данных.

Когда речь идёт о машинном обучении Facebook (называется FAIR — Facebook Artificial Intelligence Research) имеется в виду не Скайнет, который воспитывает терминаторов, а всевозможные способы распознавания массивов информации.

Вы наверняка заметили, что AI Facebook’а развивается очень линейно. Вначале алгоритмы учились распознавать текст на изображениях, затем распознавание аудио и голоса (когда ФБ научился определять защищённую авторским правом музыку и блокировать её). Чуть позже ФБ развивал алгоритмы определения контента на изображениях. Потом технологию распознавания лиц. Сейчас ведётся активная работа над обучением системы распознавания документов (поэтому всё и летит на Запрет рекламной деятельности и верификацию бизнес-аккаунтов). Алгоритмы машинного обучения включают в себя сложные, но высокоструктурированные зависимости.

Сложность заключается в том, что алгоритму трудно самостоятельно извлекать из массива данных нужную информацию, обрабатывать её и делиться ей с другими ботами (алгоритмами). Чтобы бот обучался, ему необходимо так называемое “представление”. Поэтому всё машинное обучение Facebook так или иначе базируется на теории представления данных. Сами представления данных состоят из множества универсальных положений (не под конкретные задачи, а для развития искусственного интеллекта в целом). Есть среди этих положений и Разреженность (Sparsity).

Вы же помните группу триггеров RelaxedSparseModel? Вот о них мы и поговорим. Принцип разреженного представления основан на разреженной матрице. С точки зрения математики разреженной считается та матрица, в которой большинство точек равны нулю. И разреженное представление как раз и ставит своей целью приравнять как можно больше признаков к нулю (то есть сделать их незначительными) и из всех возможных факторов наблюдения выделить наиболее значимые, которые и определяют вероятность.

На самом деле там всё гораздо сложнее, однако среди всех существующих разрежённых моделей изучения больших массивов данных (имеются в виду данные о нашей рекламе в Facebook Ads) выделяют 42 значимых модели, которые Facebook исследует на больших количествах аккаунтах, чтобы находить и обезвреживать мошенников или потенциальных мошенников.

Relaxedsparsemodel.

А теперь пройдёмся по этим самым моделям, которые Фейсбук обязательно сравнивает с другими аккаунтами в поисках потенциальных нарушителей. Согласно этим триггерам, по сумме моделей (Вы же в курсе , что ФБ никогда не банит вас только по ОДНОЙ причине. Триггеров обязательно должно быть несколько. Очень часто аккаунт может что-то по-мелочи нарушать, но если всё остальное ле-идеаль, то он простит вам маленький грех. Тем не менее, если потенциальная сумма грехов высока, то вы можете уехать в красную зону даже не заходя в адс-менеджер)

Я серьёзно. Если совсем не следить за стерильностью, то ваш социальный профиль сразу “рождается” с уже заблокированным адс-менеджером. Или ещё более наглядный пример. Ваш аккаунт может лежать и никого не трогать, но получить бан по Policy ни разу не запустив ни одного объявления.

Ладно, не будем тянуть кота за хвост и попробуем расшифровать и интерпретировать те модели разрежённого представления, которые Facebook AI использует, чтобы банить аккаунты по полиси.

RELAXEDSPARSEMODEL AD ACCOUNT COUNTRYRE
LAXEDSPARSEMODEL AD ACCOUNT CREATE IPRE
LAXEDSPARSEMODEL IP

Очевидно, что создание кабинетов (НЕ ПРОФИЛЕЙ, ИМЕННО КАБИНЕТОВ!) из под одного IP-адреса является важным триггером для Facebook AI. Тут даже новичку понятно, что IP адреса надо менять. При всём при этом сами Профили (соц.аккаунтов) из под одного IP можно плодить без проблем. А вот уже рекламные кабинеты — ни в коем случае. Забанился один — следом отлетят и все остальные, использующие IP-адреса

По этой же причине очень важно брать проверенные прокси адреса. Очень легко выхватить IP-шник, с которого уже не раз банились аккаунты. И вы заранее вписываетесь в неудачную историю, когда чужие грехи прилипнут к твоему кабинету.

RELAXEDSPARSEMODEL AD ACCOUNT PAYMENT METHODSRELAXEDSPARSEMODEL BILLING COUNTRY NAMERELAXEDSPARSEMODEL CREDIT CARD ID

Здесь тоже в принципе всё очевидно. Если разные аккаунты используют одну и ту же кредитку, то когда банится один, все остальные со временем улетают по цепочке.

ВАЖНО: Я прошу обратить внимание, что такие триггеры как AD ACCOUNT COUNTRY и AD ACCOUNT PAYMENT METHODS (ниже ещё много таких будет) на первый взгляд кажутся незначительными. Но ФБ тоже всё равно считает их важными и сравнивает между аккаунтами. Так как бан выдаётся по сумме триггеров, всё это добро тоже учитывается.

RELAXEDSPARSEMODEL ADMIN EMAIL DOMAIN
RELAXEDSPARSEMODEL ADMIN EMAILS
RELAXEDSPARSEMODEL BASE DOMAIN
RELAXEDSPARSEMODEL BODYFBID
RELAXEDSPARSEMODEL BUSINESS ACCOUNT ADMIN USER IDS

Тут тоже всё довольно очевидно. Bodyfbid — это имя основного профиля Facebook. То есть нельзя называть все свои фармленные профили “Артём Кравченко” (хоть я так и делаю), потому что ФБ на самом деле обращает внимание и на такие вещи. А кто бы мог подумать. Про домены и имейлы, думаю, объяснять не нужно.

RELAXEDSPARSEMODEL DATRS
RELAXEDSPARSEMODEL FSH

Это cookies. ФБ сравнивает кукизы аккаунтов, думаю, это тоже очевидно, что профили с одинаковыми куками будут вылетать сразу пачкой.

RELAXEDSPARSEMODEL GOOGLE ANALYTICS ACCOUNT ID

Один тег гугл-аналитики тоже связывает между собой аккаунты. Неожиданно.

RELAXEDSPARSEMODEL LP DOMAIN CREATION TIME
RELAXEDSPARSEMODEL LP DOMAIN REGISTRANT COUNTRY
RELAXEDSPARSEMODEL LP DOMAIN REGISTRANT EMAIL
RELAXEDSPARSEMODEL LP DOMAIN REGISTRANT EMAILHTTP
RELAXEDSPARSEMODEL LP DOMAIN REGISTRANT EMAILHTTPS
RELAXEDSPARSEMODEL LP DOMAIN REGISTRANT FAX
RELAXEDSPARSEMODEL LP DOMAIN REGISTRANT NAME
RELAXEDSPARSEMODEL LP DOMAIN REGISTRANT ORG
RELAXEDSPARSEMODEL LP DOMAIN REGISTRANT PHONE
RELAXEDSPARSEMODEL LP DOMAIN REGISTRANT STREET

ФБ сравнивает между собой даже диапазоны регистрации доменов. Что это значит? Нельзя регистрировать домены пачками. ФБ использует эту информацию для связывания аккаунтов.

Также. Обязательно регистрировать домены на “private person”. Так как бот проверяет весь WHOIS каждого домена на который запускается реклама. И если есть совпадения, то связываются между собой все акки. Вы знали?

RELAXEDSPARSEMODEL OFFSITELPFBID
RELAXEDSPARSEMODEL ONSITELP DOMAINS IN MOST RECENT POST
RELAXEDSPARSEMODEL ONSITELP URLS IN MOST RECENT POST
RELAXEDSPARSEMODEL ONSITELP URLS IN MOST RECENT POSTHTTP
RELAXEDSPARSEMODEL ONSITELP URLS IN MOST RECENT POSTHTTPS
RELAXEDSPARSEMODEL ONSITELP URLS IN MOST RECENT POSTTTPS

Offsitelpfbid — значит, что бот обязательно проверяет, какие ссылки на ФБ есть на лендингах. Это не сколько к товарке применимо, сколько вообще ко всем рекламируемым сайтам. И если несколько разных рекламных кабинета ссылаются на ленде на одну ФБ страницу — они связываются между собой.

Также если ФБ видит, что разные ФПшки ссылаются на один и тот же сайт (в описании) или в публикациях, рекламные аккаунты косвенно связываются между собой. Это не триггер бана, но ФБ следит и за этим.

RELAXEDSPARSEMODEL USER ACCOUNT AD ACCOUNT TRUST SCORES AVG
RELAXEDSPARSEMODEL USER ACCOUNT AD ACCOUNT TRUST SCORES MAX
RELAXEDSPARSEMODEL USER ACCOUNT AD ACCOUNT TRUST SCORES MIN
RELAXEDSPARSEMODEL USER ACCOUNT SI TRUST SCORES AVG
RELAXEDSPARSEMODEL USER ACCOUNT SI TRUST SCORES MAX
RELAXEDSPARSEMODEL USER ACCOUNT SI TRUST SCORES MIN

А вот здесь я, честно говоря, затрудняюсь предположить, каким образом манипулируя данными USER_TRUST и AD_ACCOUNT_TRUST (обратите внимание, что мы всю жизнь говорили, что у рекламного кабинета никакого траста нет и быть не может. А вот хренушки там. ФБ говорит, что есть) ФБ связывает аккаунты между собой. Возможно он обращает внимание на аккаунты с автоматическим фармом (которые идентичны как один).

Как расшифровать SI TRUST я, к сожалению, не знаю.

Подводим итог. Триггеры разрежённого представления на деле не открыли так уж много тайн для арбитражников. Большинство тезисов мы и так знаем уже много лет. Но вот несколько неожиданных выводов всё же удалось сделать.

Если упростить всё полотно текста выше, можно чисто по бытовому заключить: “Facebook палит ВСЁ и ВСЯ”. И пренебрегать даже самыми мелочами нельзя. Какие бы байки и сказки арбитражники не травили по чатам.

Старайтесь делать как можно более экологичную и стерильную схему. Во всём, даже в мелочах. Ведь это бан Policy violation. Ты начнёшь грешить на креативы или на другие свои действия с рекламой. А на самом деле улетел за грехи, которые совершил очень давно.

Коллеги, я понимаю, что сегодняшний материал вышел даже более скучным и удручающим, чем предыдущий. Но тем не менее очень жду обратной связи от вас и ваших воззрений по поводу интерпретации этого блока триггеров. Пишите в комментарии и обязательно дайте знать, если хотите больше подобных разборов. Ведь на очереди у нас остальные 400 строк триггеров.

Ах Да! Наверняка среди вас найдётся много тех, кто скажет, что все эти рассуждения — полная лютая и бессвязная ДИЧЬ. Всё хорошо. Вы имеете на это право. Я не против, ведь и сам местами не до конца уверен во многих местах.

Спасибо каждому, кто читает мои статьи.