TL;DR：Dayzle 开发者 Nick Abe 在 2026 年 9 月 11 日披露，一次总花费约 220 加元的 Google App 广告投放产生 56 次计费安装，其中 33 次呈现“旧版本、打开一次、页面停留为零”的一致模式，他据此怀疑是机器人流量。这个单一案例不能证明 Google 合谋或代表所有 App 广告，但它说明：把“安装”当优化目标，可能买到字面正确、商业价值近乎为零的动作。
上图为本期节目封面，是对机器人流量的视觉演绎，不是真实设备农场照片。
广告平台说来了 21 个安装，自家后台却只看到 1 个新用户。对独立开发者来说，这不是报表里可以忽略的小偏差，而是必须查清的钱去了哪里。
Dayzle 是一款益智游戏应用。开发者 Nick Abe 在两周投放后翻查原始分析数据，看到的不是一批留存很差的新玩家，而是一组行为整齐得反常的设备。这篇文章不把他的判断升级成第三方审计结论，而是借这个案例说明：移动应用广告为什么不能只看安装量。
🎬 视频版（B站） ｜ 🎧 音频版（4 分 54 秒）｜ 🟢 Spotify 订阅 ｜ 📖 偏好阅读？文字版就在下方 👇
40 加元日预算，为什么一天花了 80？
Abe 最初设置了每天 40 加元预算和 1.50 加元的目标单次安装成本。前几天广告几乎花不出去；他移除目标成本后，Google Ads 当天花了 80 加元，并报告 21 个安装。
一天花到平均日预算的两倍，单看规则并不反常。Google 的官方说明写明，多数广告系列在流量机会较高时可能发生“超额投放”，单日费用上限为平均日预算的两倍，同时受月度上限约束。也就是说，40 变 80 不是这个案例最可疑的部分。
真正的问题是安装质量。Abe 的管理后台只显示 1 个新用户；继续查看原始数据后，他发现当天确有 21 台新 Android 设备，但其中 20 台运行的是 Google Play 几天前已经停止分发的旧版本。
“确实装过”不等于“来了一个用户”
这些设备都声称安装来源是 Google Play，却运行无法再从商店正常获得的旧版应用。它们只打开一次，在每个页面的停留时间都是零，之后再也没有回来。20 台设备分布在 28 种手机型号和 19 个州，硬件与地域看起来很多样，行为却几乎相同。
这正是安装指标容易误导人的地方。平台记录的可能确实是一台设备完成了安装归因，但广告主真正想买的是会使用产品的人。技术事件成立，不等于商业目标达成。
两周内，Google Ads 共计费 56 次安装。Abe 将其中 33 次归为上述异常模式，另有 7 次来自没有投放广告的国家；他判断只有 13 名用户像真人，而这 13 人合计完成了 92 局游戏。原文没有说明剩余 3 次如何分类，因此不能把 33、7、13 当成完整且互斥的审计分组。
图中分类来自开发者自己的分析。33 次“异常模式”是其怀疑机器人流量的依据，不是 Google 或独立反作弊机构的认定。
机器人农场如何让坏流量看起来有效
Abe 推测，某些低质量广告位可能通过自动化设备制造转化：播放广告组里最短的视频，不一定点击广告，再从保存的安装包安装应用。只要平台把观看广告后的安装归因成转化，这个广告位就显得很会带来用户。
接下来会出现一个反馈循环：异常安装增加，投放算法认为这个位置有效，于是分配更多预算；更多预算又带来更多同类安装。这里的机制是作者依据数据提出的解释，原文没有追踪到具体广告位经营者，也没有证明 Google 知情或参与。
Google 官方将机器人、自动化工具和欺骗性软件产生的点击列为无效流量，并称系统认定无效后会从指标和账单中过滤，事后发现时可在适当情况下提供抵扣。Abe 在文章发布时仍在等待无效流量申诉结果；截至本文核对时，原文尚未公布退款后续。
优化目标决定算法替你寻找什么
Google App 广告支持以安装量或应用内行为为目标。官方文档也把两种策略分开：想获得尽可能多的安装，可以优化“安装量”；想寻找更可能完成特定动作的用户，可以优化应用内操作。
Abe 后来把目标从“打开应用”改为“赢得一局游戏”。自动脚本打开应用、随便点几下很便宜；真正完成一道数独，成本更高。它不能消灭作弊，却提高了伪造一次有效转化的成本。
这个选择也有代价。越靠近漏斗末端的事件通常越少，小应用可能没有足够转化数据供算法学习；如果把目标定得太深，投放也可能跑不动。合适的目标不是越后越好，而是既能代表真实价值，又有足够频率，并且能被可靠测量。
小团队应该同时看四类证据
第一，核对版本与安装来源。商店已停止分发的旧版本突然集中出现，是比“留存差”更强的异常信号。
第二，检查地域和设备分布。广告没有投放的国家却产生计费安装，需要核对定位方式、归因窗口和平台解释，不能只看汇总数字。
第三，把安装与核心行为连起来。启动、停留、完成任务、付费和复访应当能在同一条用户旅程里核对。13 名用户完成 92 局游戏，比 56 次安装更能说明产品是否吸引了人。
第四，保留原始证据并走申诉流程。平台仪表盘、应用分析、服务端事件和版本信息各自只看到一部分。没有这些记录，广告主很难区分归因差异、测量故障和无效流量。
这起案例能说明什么，不能说明什么
它能说明，一个独立开发者在特定两周、特定 Android 应用和特定投放设置下，发现计费安装与应用内行为严重不一致；也能说明，单纯优化安装量会给低价值转化留下空间。
它不能证明 33 次异常全部由机器人农场制造，不能证明 Google 故意放任，更不能推出“60% 的 Google App 广告安装都是机器人”。原文作者既是广告主，也是 Dayzle 产品经营者；他的服务端与分析数据提供了重要线索，但没有经过第三方复核。
对广告主最实际的结论不是停止投放，而是重新定义成功：安装只是开始。预算最终买来了什么，要到用户真正完成核心动作时才算数。
收看本期节目
原始资料与延伸阅读
本文由《听懂 AI》第 034 期《花了220加元，买来的安装量却大半不是人》整理而成，核对日期为 2026 年 9 月 15 日。节目采用脚本化双人对谈，不代表采访了 Dayzle、Google 或反作弊机构。33 次疑似机器人安装及其机制解释均来自开发者 Nick Abe 的个案分析；Google 官方资料是编辑阶段补充，用于核对预算、无效流量和应用广告优化规则。HN 只作为社区讨论入口。
- Nick Abe：I spent $220 on Google app ads. 60% of the installs were robots.——2026 年 9 月 11 日发布的原始个案，包含安装、版本、地域和应用内行为数据。
- Google Ads：Manage your spend in Google Ads——平均日预算、单日两倍上限与月度费用上限说明。
- Google Ads：Invalid clicks: Definition——Google 对自动化流量、过滤和事后抵扣的官方说明。
- Google Ads：Choose a bid strategy for your App campaign——安装量与应用内操作优化目标的官方设置说明。
- Hacker News 社区讨论——围绕归因、广告欺诈和优化目标的社区观点，不作为事实依据。