文 站立的大象
过去的十年，中国互联网广告伴随互联网的飞速发展也得到了前所未有的大踏步发展。IGRP体系的建立，第三方监测公司的独立审计地位，都有效的协助整个行业积极健康有序的向前发展。随着企业营销系统化的普及，广告主广泛的接受第三方监测公司作为与媒体结算以及做自身审计的标准，利用Adserving系统优化广告投放，利用DMP（Data Management Platform）作为指导投放的工具。
但是，一些企业在选择监测公司，Adserving，DMP的时候，如果将三种系统身份同时赋予同一家企业，那么企业将暴露在极其严重的深度欺诈，方法学无法自洽以及被审计挑战的风险之中。
要理解这种风险，需要先简单剖析下这三种系统背后的数学和技术。为了便于理解，可以想象我们需要给一个小区的住户发广告传单，进而推销一种女性商品。那么为了了解传播的效果，就需要知道我们的传单覆盖了多少的女性使用者。此时，我们并不需要去挨家挨户去仔细辨认每个人的性别（准确起见，做这种辨别时，我们应该礼貌的要求被辨认者出示身份证件）。根据辛钦大数定律：
设{ai, i≥1 }为独立同分布的随机变数序列，若的数学期望存在，则服从大数定律:
即对任意的ε>0，有公式
我们只需要守在小区门口，随机的选择几位看上去和善的朋友（样本），请他出示身份证件，并记录他（她）的性别，统计男女比例，最后乘以我们发出去的传单量，就大体得到了我们可以覆盖的女性消费者。
电视，互联网的人口属性监测，其实都是基于这套理论来执行的。从数学角度来说，只要样本量足够（很多人会曲解为和全部人口资料量级相当，其实，用不了那么多…对于性别，1%比例的均匀样本已经可以达到很好的统计效果），我们计算的目标人口比例就是比较准确的。这个工作是由负责监测的公司A完成的。
为了提升我们传播的效率，我们雇佣了优化公司B来帮我们针对女性消费者进行传单发放。B公司认真观察了每一个住户，最后选择只要看到长头发或者穿高跟鞋的住户就给她发放传单(虽然嬉皮士和异装癖也被列入在内)。经过A公司针对传单接受者的抽样，发现，果然女性覆盖比例有了显著提升，投资效益得到了提升，于是我们决定付给B公司一笔辛苦费（发传单费用和住户辨别的费用）。
久而久之，A公司发现，这个生意这么好，我也想试试。于是A公司揽下了另一个小区发传单的任务。
辛苦劳作了几周后（毕竟仔细分辨每个住户是比之前花掉了更多时间的，而且貌似发现这个小区的嬉皮士尤其的多，准确度一直是个问题），A公司发现，老子手里是握著样本的啊。于是，最简单粗暴的方法来了，传单对样本外的住户不做识别照发不误，但是，A公司会确保女性样本传单人手一张，男性样本一张不发。于是从监测的结果看，A公司的传单完美而准确地全部发给了女性住户（男女样本比例0:100）。
可是从真实情况看，传单实际男女比例没有变化的发到了住户受众。而且还白白丢掉了了一半的女性住户（毕竟，用来投女性住户的钱只有投全部住户的预算的一半，但是投出去的竟然还有一半男性使用者）。
我们并不是说每家A公司都会出现监守自盗的情况，但是从商业角度说，广告主需要构建的是制度和体系，而不是对某家公司单纯的信任。当A公司的身份不再作为独立审计的监测统计公司出现，而是参与到客户的具体商业执行中，这种方法学体系和制度的不自洽，给广告主带来的伤害和审计风险无疑是严重且深远的，甚至远高于任何一种已经出现的作弊伤害，这，是体系的崩坏。
