การฉ้อโกงโฆษณาดิจิทัลทั่วโลกสร้างความสูญเสียทางการเงินสูงเกินกว่า $100 billion ต่อปี, ทำให้สื่อโปรแกรมเมติกและแคมเปญโฆษณาแบบจ่ายตามคลิก (PPC) กลายเป็นเป้าหมายที่ทำกำไรมหาศาลสำหรับอาชญากรรมไซเบอร์อัตโนมัติ เมื่อเม็ดเงินการตลาดเปลี่ยนไปสู่การประมูลแบบเรียลไทม์ผ่านอัลกอริทึม เครือข่ายบอทเน็ตและวงจรคลิกของคู่แข่งได้ใช้ประโยชน์จากจุดบอดในห่วงโซ่อุปทานเพื่อสูบเงินหลายพันล้านดอลลาร์ออกจากงบประมาณขององค์กร ตัวเลขด้านล่างนี้รวบรวมจากข้อมูลการวัดผลปฐมภูมิและการสืบสวนในอุตสาหกรรมโดย Juniper Research, Association of National Advertisers (ANA), CHEQ, Integral Ad Science (IAS) และ DoubleVerify หากต้องการทำความเข้าใจว่าบอทอัตโนมัติส่งผลกระทบต่อแนวป้องกันด้านความปลอดภัยอื่นๆ ขององค์กรอย่างไร โปรดดู cybersecurity statistics roundup.
TL;DR
- ความสูญเสียทั่วโลกจากการฉ้อโกงโฆษณาดิจิทัลเกินกว่า $100 billion ต่อปี และคาดว่าจะพุ่งแตะ $170 billion ภายในปี 2028 (Juniper Research).
- ประมาณ 22% ของงบประมาณโฆษณาดิจิทัลทั่วโลกทั้งหมดสูญเปล่าไปกับทราฟฟิกที่ไม่ถูกต้องและการฉ้อโกง (Juniper Research).
- อัตราการคลิกที่ไม่ถูกต้องโดยเฉลี่ยในโฆษณาการค้นหาแบบชำระเงิน (PPC) อยู่ระหว่าง 14% ถึง 19% ในทุกอุตสาหกรรม (CHEQ).
- ภาคการค้นหาที่มีค่า CPC สูง เช่น กฎหมาย การเงิน และประกันภัย เผชิญกับอัตราการคลิกหลอกลวงสูงถึง 28% ถึง 32% (CHEQ).
- มีเพียง 36 เซนต์จากทุกๆ 1 ดอลลาร์ที่ลงทุนในโฆษณาแบบโปรแกรมเมติกที่เข้าถึงการแสดงผลที่ถูกต้องและวัดผลได้ต่อผู้บริโภค (ANA).
- เว็บไซต์เก็งกำไรแบบ Made-for-Advertising (MFA) กลืนกินงบประมาณสื่อโปรแกรมเมติกไปถึง 15% (ANA).
- ทราฟฟิกที่ไม่ถูกต้องขั้นสูง (SIVT) คิดเป็น 74% ของกิจกรรมการฉ้อโกงโฆษณาทั้งหมดที่ตรวจพบ (DoubleVerify).
- การตรวจพบแผนการฉ้อโกง SIVT และบอทสายพันธุ์ใหม่ต่อปีเพิ่มขึ้น 23% เมื่อเทียบเป็นรายปี (DoubleVerify).
- แคมเปญดิสเพลย์บนเดสก์ท็อปที่ไม่ได้รับการปรับให้เหมาะสมมีอัตราการฉ้อโกง 10.8% เทียบกับ 1.2% เมื่อมีการป้องกันแบบ pre-bid (IAS).
- แคมเปญดิสเพลย์บนเว็บบนมือถือที่ไม่มีการป้องกันมีอัตราการฉ้อโกง 7.3% เทียบกับ 0.8% เมื่อมีการตรวจสอบอย่างสม่ำเสมอ (IAS).
- การฉ้อโกงโฆษณาบน Connected TV (CTV) พุ่งสูงถึง 6.8% ในการซื้อขายที่ไม่ได้รับการตรวจสอบ แต่จะลดลงเหลือ 1.1% เมื่อมีการตรวจสอบ (IAS).
- 78% ของบอทฉ้อโกงโฆษณาขั้นสูงส่งทราฟฟิกผ่านกลุ่มพร็อกซีตามบ้านและมือถือ (DoubleVerify).
- ผู้ลงโฆษณาสูญเสียเงินมากกว่า $20 billion ต่อปีจากความไม่โปร่งใสในห่วงโซ่อุปทานโปรแกรมเมติกและค่าธรรมเนียมคนกลาง (ANA).
1. Global Financial Scale and Total Losses to Ad Fraud
การฉ้อโกงโฆษณาดิจิทัลไม่ได้เป็นเพียงความขัดข้องทางเทคนิคเล็กน้อยอีกต่อไป แต่กลายเป็นการสูญเสียทางการเงินอย่างเป็นระบบเทียบเท่ากับผลิตภัณฑ์มวลรวมในประเทศ (GDP) ของประเทศขนาดเล็ก เมื่อการใช้จ่ายโฆษณาดิจิทัลทั่วโลกพุ่งเกิน $600 billion กลุ่มบอทอาชญากรและตัวกลางที่ไม่ชอบด้วยกฎหมายสามารถกอบโกยเงินทุนดังกล่าวไปได้ราว 22% โดย Juniper Research คาดการณ์ว่าความสูญเสียสะสมจะเร่งตัวแตะ $170 billion ภายในปี 2028 การรั่วไหลของเงินทุนอย่างต่อเนื่องนี้บังคับให้องค์กรต่างๆ ต้องตรวจสอบห่วงโซ่อุปทานและถอนงบประมาณออกจากตลาดแลกเปลี่ยนโฆษณาที่ไม่โปร่งใส
| Metric | Value | Source |
|---|---|---|
| ความสูญเสียทางการเงินทั่วโลกต่อปีจากการฉ้อโกงโฆษณาดิจิทัล | $100+ billion | Juniper Research, Digital Advertising Fraud Study |
| การคาดการณ์ความสูญเสียจากการฉ้อโกงโฆษณาทั่วโลกต่อปีภายในปี 2028 | $170 billion | Juniper Research, Digital Advertising Fraud Study |
| สัดส่วนงบโฆษณาดิจิทัลทั่วโลกที่สูญเปล่าไปกับทราฟฟิกที่ไม่ถูกต้อง | ~22% | Juniper Research, Digital Advertising Fraud Study |
| ความสูญเสียในห่วงโซ่อุปทานสื่อโปรแกรมเมติกและค่าธรรมเนียมรายปี | $20+ billion | Association of National Advertisers (ANA), Programmatic Media Supply Chain Study |
| ประมาณการงบการตลาดทั่วโลกต่อวันที่สูญเสียไปกับการแสดงผลหลอกลวง | ~$275 million | Derived from Juniper Research baseline |
| อัตราการฉ้อโกงในพื้นที่โฆษณาดิสเพลย์บนเดสก์ท็อปที่ไม่ได้รับการตรวจสอบ | 10.8% | Integral Ad Science (IAS), Media Quality Report |
Source: Juniper Research, Digital Advertising Fraud Study
2. Pay-Per-Click (PPC) and Paid Search Invalid Traffic Rates
แพลตฟอร์มโฆษณาแบบจ่ายตามคลิก เช่น Google Ads และ Microsoft Advertising เป็นเป้าหมายทางการเงินที่สร้างผลตอบแทนได้ทันทีสำหรับผู้ไม่หวังดี ในกลุ่มธุรกิจที่มีการแข่งขันสูงซึ่งมีราคาต่อคลิกเกินกว่า $50 หรือ $100 ต่อคีย์เวิร์ด วงจรคลิกของคู่แข่งและบอทอัตโนมัติมักสร้างยอดคลิกเกือบหนึ่งในสามของคลิกที่บันทึกไว้ทั้งหมด จากข้อมูลของ CHEQ มากกว่า 68% ของคลิก PPC ที่ไม่ถูกต้องเกิดจากเซสชันเบราว์เซอร์ headless อัตโนมัติที่เลียนแบบจังหวะการท่องเว็บของมนุษย์ โครงสร้างพื้นฐานของบอทเน็ตนี้สอดคล้องกับกลยุทธ์ที่ระบุใน credential stuffing statistics.
| Metric | Value | Source |
|---|---|---|
| อัตราทราฟฟิกที่ไม่ถูกต้อง (IVT) เฉลี่ยในแคมเปญการค้นหาแบบชำระเงิน (PPC) | 14% to 19% | CHEQ, Global Ad Fraud Index |
| อัตราคลิกที่ไม่ถูกต้องในกลุ่มการค้นหาที่มีค่า CPC สูง (การเงิน, กฎหมาย, ประกันภัย) | 28% to 32% | CHEQ, Global Ad Fraud Index |
| สัดส่วนการคลิก PPC ที่ไม่ถูกต้องซึ่งดำเนินการโดยเบราว์เซอร์ headless อัตโนมัติ | 68% | CHEQ, Global Ad Fraud Index |
| สัดส่วนการคลิกค้นหาที่ไม่ถูกต้องซึ่งส่งผ่านเครือข่ายพร็อกซีตามบ้าน | 76% | CHEQ, Global Ad Fraud Index |
| ทราฟฟิกการค้นหาแบบชำระเงินของอีคอมเมิร์ซที่ถูกระบุว่าไม่ถูกต้องโดยเฉลี่ย | 17% | CHEQ, Global Ad Fraud Index |
| งบประมาณ PPC รายปีที่สูญเปล่าต่อบัญชีค้นหาขององค์กรที่ได้รับผลกระทบ | $12,000 to $45,000 | Derived from CHEQ baseline |
Source: CHEQ, Global Ad Fraud Index
3. Programmatic Media Waste and Made-for-Advertising (MFA) Sites
ระบบนิเวศการประมูลแบบเรียลไทม์ (RTB) มีความไร้ประสิทธิภาพเชิงโครงสร้างที่เอื้อประโยชน์ต่อเว็บไซต์เก็งกำไรคุณภาพต่ำ การตรวจสอบความโปร่งใสครั้งสำคัญของ ANA พิสูจน์ให้เห็นว่า มีเพียง 36 เซนต์จากทุกๆ 1 ดอลลาร์ในสื่อโปรแกรมเมติกที่สร้างการแสดงผลที่ถูกต้องและมองเห็นได้จริงต่อผู้บริโภค งบประมาณมากถึง 15% ไหลเข้าสู่เว็บไซต์ Made-for-Advertising (MFA) โดยตรง ซึ่งสร้างขึ้นมาเพื่อรีเฟรชโฆษณาตลอดเวลา เล่นวิดีโอแบบปิดเสียงอัตโนมัติ และสไลด์โชว์ล่อคลิก กลไกนี้ทำงานควบคู่ไปกับระบบติดตามที่บันทึกไว้ใน surveillance capitalism statistics.
| Metric | Value | Source |
|---|---|---|
| สัดส่วนเงินโฆษณาโปรแกรมเมติกที่นำไปสู่การแสดงผลที่ถูกต้องและวัดผลได้ | 36 cents | Association of National Advertisers (ANA), Programmatic Media Supply Chain Study |
| สัดส่วนงบโปรแกรมเมติกที่ถูกกลืนกินโดยเว็บไซต์ Made-for-Advertising (MFA) | 15% | Association of National Advertisers (ANA), Programmatic Media Supply Chain Study |
| จำนวนตัวกลางเฉลี่ยในห่วงโซ่อุปทานระหว่างผู้ซื้อและผู้เผยแพร่โฆษณา | 18 to 22 | Association of National Advertisers (ANA), Programmatic Media Supply Chain Study |
| โดเมนโปรแกรมเมติกที่ส่งมอบการแสดงผลที่ถูกต้องน้อยกว่า 1,000 ครั้งต่อเดือน | 86% | Association of National Advertisers (ANA), Programmatic Media Supply Chain Study |
| งบโปรแกรมเมติกที่สูญเสียไปกับการจัดวางโฆษณาที่มองไม่เห็นหรือไม่ถูกต้อง | 21% | Association of National Advertisers (ANA), Programmatic Media Supply Chain Study |
| การประหยัดต้นทุนรายปีที่องค์กรทำได้ผ่านการปรับปรุงห่วงโซ่อุปทาน | 20% to 25% | Association of National Advertisers (ANA), Programmatic Media Supply Chain Study |
Source: Association of National Advertisers (ANA), Programmatic Media Supply Chain Study
4. Invalid Traffic Rates Across Display, Video, Mobile, and CTV
อัตราการฉ้อโกงแตกต่างกันอย่างมากตามช่องทาง ประเภทอุปกรณ์ และการเปิดใช้งานระบบป้องกันก่อนการเสนอราคา ทั้งบนเดสก์ท็อปและเว็บบนมือถือ การซื้อโฆษณาแบบโปรแกรมเมติกที่ไม่ได้รับการตรวจสอบจะมีอัตราการฉ้อโกงอยู่ที่ 7% ถึง 11% ในขณะที่การตรวจสอบอย่างเข้มงวดสามารถควบคุมทราฟฟิกที่ไม่ถูกต้องให้เหลือเพียงประมาณ 1% ในเวลาเดียวกัน Connected TV (CTV) ได้กลายเป็นจุดที่มีการเติบโตของการฉ้อโกงที่ให้ผลตอบแทนสูงรวดเร็วที่สุด เนื่องจากโฆษณา CTV มีค่า CPM สูงถึง $20 ถึง $65 สตรีมมิ่งปลอมแปลงในตลาดที่ไม่มีการป้องกันจึงสร้างทราฟฟิกที่ไม่ถูกต้องสูงถึง 6.8%
| Metric | Value | Source |
|---|---|---|
| อัตราการฉ้อโกงโฆษณาดิสเพลย์บนเดสก์ท็อปที่ไม่มีการตรวจสอบก่อนเสนอราคา | 10.8% | Integral Ad Science (IAS), Media Quality Report |
| อัตราการฉ้อโกงโฆษณาดิสเพลย์บนเดสก์ท็อปที่มีการตรวจสอบก่อนเสนอราคา | 1.2% | Integral Ad Science (IAS), Media Quality Report |
| อัตราการฉ้อโกงโฆษณาดิสเพลย์บนเว็บบนมือถือที่ไม่มีการปรับให้เหมาะสม | 7.3% | IAS, Media Quality Report |
| อัตราการฉ้อโกงโฆษณาดิสเพลย์บนเว็บบนมือถือที่มีการตรวจสอบอย่างสม่ำเสมอ | 0.8% | IAS, Media Quality Report |
| อัตราการฉ้อโกงโฆษณา Connected TV (CTV) ในการซื้อขายที่ไม่มีการตรวจสอบ | 6.8% | DoubleVerify, Global Insights Report |
| อัตราการฉ้อโกงโฆษณา Connected TV (CTV) ที่ได้รับการปรับให้เหมาะสมด้วยการตรวจสอบ | 1.1% | IAS, Media Quality Report |
Source: Integral Ad Science (IAS), Media Quality Report
5. Sophisticated Invalid Traffic (SIVT) Mechanics and Bot Architecture
การฉ้อโกงโฆษณาสมัยใหม่ได้พัฒนาจากบอทพื้นฐานไปสู่ทราฟฟิกที่ไม่ถูกต้องขั้นสูง (SIVT) ซึ่งสามารถเลียนแบบพฤติกรรมของมนุษย์ได้อย่างละเอียด ตั้งแต่การสั่นของเคอร์เซอร์เมาส์ไปจนถึงการเลื่อนหน้าจอตามธรรมชาติ DoubleVerify รายงานว่า SIVT คิดเป็น 74% ของกิจกรรมการฉ้อโกงโฆษณาทั้งหมดที่ตรวจพบบนเครือข่ายขององค์กร บอทเน็ตสายพันธุ์ใหม่และรูปแบบการปลอมแปลง SSAI มากกว่า 300 รูปแบบถูกบันทึกไว้ในแต่ละปี โดยอาศัยกลุ่ม IP ตามบ้านเพื่อเลี่ยงตัวกรองตำแหน่งที่ตั้ง การแข่งขันทางเทคโนโลยีนี้สะท้อนถึงสิ่งที่เราเห็นใน ad blocker statistics.
| Metric | Value | Source |
|---|---|---|
| สัดส่วนของการฉ้อโกงโฆษณาที่ตรวจพบซึ่งจัดอยู่ในประเภททราฟฟิกขั้นสูง (SIVT) | 74% | DoubleVerify, Global Insights Report |
| อัตราการเติบโตต่อปีของแผนการฉ้อโกง SIVT และบอทสายพันธุ์ใหม่ | 23% | DoubleVerify, Global Insights Report |
| รูปแบบบอทเน็ตและลายเซ็นการปลอมแปลงใหม่ที่ไม่ซ้ำกันซึ่งบันทึกได้ต่อปี | 300+ | DoubleVerify, Global Insights Report |
| ทราฟฟิกบอท SIVT ที่ส่งผ่านกลุ่มพร็อกซีตามบ้านและมือถือ | 78% | DoubleVerify, Global Insights Report |
| สัดส่วนของการฉ้อโกงสตรีมมิ่ง CTV ที่ขับเคลื่อนโดยการปลอมแปลง SSAI | 62% | DoubleVerify, Global Insights Report |
| การแสดงผลหลอกลวงที่เลียนแบบพฤติกรรมการขยับเมาส์และการเลื่อนหน้าจอของมนุษย์ | 41% | DoubleVerify, Global Insights Report |
Source: DoubleVerify, Global Insights Report
6. Pre-Bid Ad Verification, Anti-Fraud Defenses, and ROI Recovery
การนำแพลตฟอร์มการตรวจสอบโฆษณามาใช้อย่างต่อเนื่องจะช่วยเพิ่มผลตอบแทนจากการใช้จ่ายโฆษณา (ROAS) ได้อย่างชัดเจนและวัดผลได้ เครื่องมือกรองก่อนเสนอราคาจะวิเคราะห์คำขอประมูลภายในเวลาไม่กี่มิลลิวินาที และปฏิเสธพื้นที่โฆษณาปลอมแปลงก่อนที่จะส่งการเสนอราคา ข้อมูลจาก Integral Ad Science และ DoubleVerify แสดงให้เห็นว่าการตรวจสอบก่อนเสนอราคาอัตโนมัติช่วยลดความเสี่ยงจากการฉ้อโกงลงถึง 84% แบรนด์ที่คัดกรองคลิก PPC ที่ไม่ถูกต้องและจัดระเบียบรายการยกเว้นในระบบโปรแกรมเมติกสามารถกู้คืนงบประมาณที่เคยสูญเปล่าไปได้ระหว่าง 18% ถึง 24%
| Metric | Value | Source |
|---|---|---|
| การลดลงของการเผชิญกับการแสดงผลหลอกลวงผ่านการตรวจสอบก่อนเสนอราคา | 84% | Integral Ad Science (IAS), Media Quality Report |
| ความแตกต่างของอัตราการฉ้อโกงระหว่างตลาดเปิดกับการซื้อที่ได้รับการตรวจสอบ | 3.8x | DoubleVerify, Global Insights Report |
| สัดส่วนผู้ลงโฆษณาระดับองค์กรที่บังคับใช้การกรอง IVT ก่อนเสนอราคา | 58% | DoubleVerify, Global Insights Report |
| การเพิ่มขึ้นของ ROAS โดยเฉลี่ยหลังจากกำจัดทราฟฟิก PPC ที่ไม่ถูกต้อง | 18% to 24% | Derived from CHEQ and IAS baselines |
| อัตราการระบุผลบวกปลอม (False Positive) ของเครื่องมือตรวจสอบโฆษณา ML ยุคใหม่ | <0.1% | Integral Ad Science (IAS), Media Quality Report |
| มูลค่าตลาดประจำปีโดยประมาณของภาคส่วนการตรวจสอบโฆษณาดิจิทัลทั่วโลก | $1.8 billion | Derived from industry analyst estimates |
Source: Integral Ad Science (IAS), Media Quality Report
Summary: Ad Fraud by the Numbers
| Metric | Value | Source |
|---|---|---|
| ความสูญเสียทางการเงินทั่วโลกต่อปีจากการฉ้อโกงโฆษณาดิจิทัล | $100+ billion | Juniper Research |
| การคาดการณ์ความสูญเสียจากการฉ้อโกงโฆษณาทั่วโลกต่อปีภายในปี 2028 | $170 billion | Juniper Research |
| สัดส่วนงบโฆษณาดิจิทัลทั่วโลกที่สูญเปล่าไปกับทราฟฟิกที่ไม่ถูกต้อง | ~22% | Juniper Research |
| อัตราทราฟฟิกที่ไม่ถูกต้องเฉลี่ยในแคมเปญการค้นหาแบบชำระเงิน (PPC) | 14% to 19% | CHEQ |
| อัตราคลิกที่ไม่ถูกต้องในกลุ่มการค้นหาที่มีค่า CPC สูง | 28% to 32% | CHEQ |
| สัดส่วนการคลิก PPC ที่ไม่ถูกต้องซึ่งเกิดจากเบราว์เซอร์ headless | 68% | CHEQ |
| สัดส่วนเงินโฆษณาโปรแกรมเมติกที่เข้าถึงการแสดงผลที่ถูกต้อง | 36 cents | ANA |
| สัดส่วนงบโปรแกรมเมติกที่ตกไปอยู่ในเว็บไซต์ Made-for-Advertising | 15% | ANA |
| ความสูญเสียต่อปีจากความไม่โปร่งใสในห่วงโซ่อุปทานโปรแกรมเมติก | $20+ billion | ANA |
| อัตราการฉ้อโกงโฆษณาดิสเพลย์บนเดสก์ท็อปที่ไม่มีการตรวจสอบก่อนเสนอราคา | 10.8% | IAS |
| อัตราการฉ้อโกงโฆษณาดิสเพลย์บนเดสก์ท็อปที่มีการตรวจสอบก่อนเสนอราคา | 1.2% | IAS |
| อัตราการฉ้อโกงโฆษณาดิสเพลย์บนมือถือที่ไม่มีการปรับให้เหมาะสม | 7.3% | IAS |
| อัตราการฉ้อโกงโฆษณาดิสเพลย์บนมือถือที่มีการตรวจสอบอย่างสม่ำเสมอ | 0.8% | IAS |
| อัตราการฉ้อโกง Connected TV ในการซื้อขายที่ไม่มีการตรวจสอบ | 6.8% | DoubleVerify |
| อัตราการฉ้อโกง Connected TV ที่มีการปรับให้เหมาะสมด้วยการตรวจสอบ | 1.1% | IAS |
| สัดส่วนของการฉ้อโกงโฆษณาที่ตรวจพบซึ่งจัดอยู่ในประเภท SIVT | 74% | DoubleVerify |
| การเติบโตต่อปีของแผนการฉ้อโกง SIVT และบอทสายพันธุ์ใหม่ | 23% | DoubleVerify |
| การลดลงของการแสดงผลหลอกลวงด้วยเครื่องมือตรวจสอบก่อนเสนอราคา | 84% | IAS |
| ตัวคูณการฉ้อโกงในตลาดเปิดเมื่อเทียบกับการซื้อที่ได้รับการตรวจสอบ | 3.8x | DoubleVerify |
| การเพิ่มขึ้นของ ROAS เฉลี่ยหลังจากกำจัดทราฟฟิก PPC ที่ไม่ถูกต้อง | 18% to 24% | Derived baseline |
Methodology and Sources
ข้อมูลสำหรับรายงานเปรียบเทียบมาตรฐานนี้รวบรวมจากการวัดผลปฐมภูมิ การตรวจสอบห่วงโซ่อุปทานที่เป็นอิสระ และรายงานวิจัยที่เผยแพร่โดยบริษัทตรวจสอบชั้นนำและสมาคมวิชาชีพในอุตสาหกรรม ตัวชี้วัดทั้งหมดให้ความสำคัญกับสิ่งพิมพ์ปี 2025 และ 2026 โดยระบุแหล่งอ้างอิงรุ่นก่อนหน้าอย่างชัดเจน ตัวเลขที่คำนวณจากเกณฑ์มาตรฐานได้รับการเปิดเผยอย่างโปร่งใส และไม่มีการสร้างตัวเลขขึ้นเองหรือคัดลอกมาจากเว็บไซต์สรุปบทความ SEO แต่อย่างใด
- Juniper Research, Digital Advertising Fraud Forecasts - report
- CHEQ, Global Ad Fraud Index and Invalid Traffic Telemetry - report
- Association of National Advertisers (ANA), Programmatic Media Supply Chain Transparency Study - report
- Integral Ad Science (IAS), Media Quality Reports - report
- DoubleVerify, Global Insights Report - report
Data watch: Juniper Research ปรับปรุงแบบจำลองการคาดการณ์การฉ้อโกงโฆษณาปีละสองครั้ง สมาคม ANA เผยแพร่เกณฑ์มาตรฐานห่วงโซ่อุปทานโปรแกรมเมติกหลังจากการตรวจสอบหลายปี CHEQ อัปเดตข้อมูลทราฟฟิกที่ไม่ถูกต้องในการค้นหาอย่างต่อเนื่อง ส่วน IAS และ DoubleVerify เผยแพร่รายงานคุณภาพสื่อดิจิทัลระดับโลกปีละสองครั้ง
Last updated: September 4, 2026.
We review and update this page quarterly as new data is published.