广告投流中的IP精准定位：如何用30行代码过滤无效流量、优化人群包

摘要：线下连锁品牌在线上投流，普遍面临平台定向精度不足（仅到城市级）和机房刷量两大痛点。本文通过一个真实项目案例，展示如何在广告落地页链路中接入IP精准定位服务，用30行代码实现无效流量过滤和人群包优化，最终将ROI从0.9提升至2.1。方案不依赖广告平台改造，适合有技术团队的投放团队落地。

今年年初，我们接手了一个连锁餐饮品牌的广告投放优化项目。品牌方在抖音上投放信息流广告，预算月均30万，曝光量500万次，但到店核销率长期徘徊在1.2%。复盘数据后发现两个核心问题：

平台定向太粗：抖音只能按"杭州市"定向，但品牌10家门店只覆盖其中3个区，70%的曝光浪费给了不可能到店的用户。
无效流量太多：广告后台数据显示，约18%的点击来自数据中心IP或代理IP------这些大概率是机房刷量，不可能产生转化。

这两个问题，广告平台本身很难解决。于是我们尝试在广告落地页链路中，引入IP精准定位服务，用技术手段辅助判断每一次点击的价值。

一、IP精准定位能输出哪些关键信息？

我们选用的IP定位服务（IP数据云）返回的数据结构如下。

复制代码

{
  "code": 200,
  "msg": "success",
  "data": {
    "location": {
      "country": "中国",
      "province": "浙江",
      "city": "杭州",
      "district": "西湖区"
    },
    "network": {
      "网络类型": "家庭宽带",
      "asn": "AS4134"
    },
    "risk": {
      "总分": 12,
      "是否代理": "否",
      "是否数据中心": "否"
    }
  }
}

对广告投流而言，最关键的三个字段是：

location.city / district：判断用户是否在门店覆盖区域内
network.网络类型：家庭宽带/移动网络代表真实用户；数据中心代表机房流量
risk.是否代理：为"是"则说明用户使用了代理IP，极可能是刷量脚本

这些信息可以支撑我们判断一次广告点击的"真实性"。

二、30行代码实现广告点击的"真实性预判"

广告点击IP真实性预判流程图：点击广告→获取IP→调用API→判断网络类型→计入或不计入转化

在用户点击广告跳转落地页时，我们在后端增加一个判断环节：调用IP精准定位接口，获取上述信息，并决定本次点击是否计入后续转化统计。

复制代码

import requests

def is_valid_click(user_ip):
    """判断广告点击IP是否为真实用户，返回True/False"""
    url = "https://api.ipdatacloud.com/v2/query"  # 调用ip数据云，实际请参考官方文档
    params = {
        "ip": user_ip,
        "key": "your_api_key",
        "risk": "true"
    }
    try:
        resp = requests.get(url, params=params, timeout=2)
        data = resp.json()
        if data.get('code') != 200:
            return True          # 接口异常时放行，避免误杀
        
        result = data['data']
        network = result.get('network', {})
        risk = result.get('risk', {})
        
        # 核心过滤逻辑
        if network.get('网络类型') == '数据中心':
            return False         # 机房IP → 无效流量
        if risk.get('是否代理') == '是':
            return False         # 代理IP → 无效流量
        return True              # 家庭/移动网络 → 真实用户
        
    except Exception:
        return True              # 异常时放行

这段代码的业务价值：

在广告点击进入落地页的瞬间，实时判断IP质量
将无效流量（机房/代理IP）标记为"不计入转化"
每日生成无效IP报表，定期提交给广告平台申请屏蔽

为什么要在这一步拦截？因为广告平台按曝光/点击收费，但机房刷量并不会带来真实到店。我们无法阻止平台扣费，但可以从转化归因中剔除这些流量，让投放团队看到真实的ROI。

代码设计说明：

timeout=2：设置2秒超时，避免接口响应慢影响用户体验
异常降级：接口超时或返回异常时，默认放行，宁可放过不可误杀
判断维度：同时检查网络类型和代理状态，双重过滤

三、数据验证：过滤无效流量后，ROI提升了多少？

我们对该品牌连续8周的投放数据进行了A/B测试（对照组不启用IP过滤，实验组启用）。实验组同时做了两件事：一是用上述代码过滤无效流量，二是利用IP区县数据优化人群包。

人群包优化方法：将"杭州市西湖区/拱墅区/滨江区"这三个门店所在区域的IP段作为种子，在广告平台进行lookalike扩展。虽然平台不支持直接"圈地"，但通过种子人群可以显著提升目标区域的曝光集中度。

A/B测试结果：

指标	对照组	实验组	变化
无效流量占比（监测）	18.3%	3.1%	↓83%
目标区域曝光占比	47%	89%	↑42%
优惠券核销率	2.1%	5.8%	↑176%
单客获客成本	58元	22元	↓62%
综合ROI	0.9	2.1	↑133%

数据基于品牌方内部统计（2025年9-11月）
IP定位接入前后效果对比条形图：无效流量从18.3%降至3.1%，目标区域曝光从47%升至89%，ROI从0.9升至2.1

从数据可以看出，两个动作叠加的效果明显：无效流量过滤直接降低了预算浪费，人群包优化让更多曝光触达了真正可能到店的用户。

四、技术方案的边界

任何技术都有局限性。这个方案在实际落地中，我们也遇到了几个无法解决的问题：

1. 无法100%拦截机房流量

部分云服务商的IP可能未被标记为"数据中心"，需要依赖IP库的持续更新。IP数据云的数据更新频率选择日更时，能覆盖大部分常见机房IP，但新上线的IP段可能存在滞后。

2. 无法识别"真实但无效"的用户

即使用户的IP是家庭宽带，也未必会到店。IP定位只能判断"这个人是不是真人"，无法判断"这个人会不会来"。到店转化还取决于优惠力度、距离、用户需求等因素。

3. 无法独立完成"到店归因"

IP定位只能判断用户点击广告时的地理位置，无法知道用户是否真正走进了门店。完整的到店归因需要结合POS系统、会员数据、WiFi探针等多源信息，这超出了本方案的范畴。

但对广告投放而言，即使只能过滤掉80%的无效流量、将目标区域曝光占比提升到80%以上，就已经能带来显著的ROI提升。

五、总结

线下连锁品牌在线上投流，最大的痛点不是素材不够好，而是"预算花给了错误的人"。IP精准定位服务不能解决所有问题，但它用极低的成本，在广告链路中增加了一道"真实性校验"：

识别机房/代理IP：从转化归因中剔除无效流量，让投放团队看清真实的ROI
用IP区段优化人群包：让曝光更聚焦目标区域，减少跨区域浪费

这套方案不依赖广告平台提供更细粒度的定向，也不需要改造投放流程，只需在落地页增加几十行代码即可落地。对于有技术团队、有投放预算的企业来说，这是一个务实的ROI提升选择。