定义
AB页跳转架构是一种基于实时决策的流量分发技术体系，其核心在于规则引擎与流量分发通道的协同运作。该架构通过在用户请求链路中嵌入一个智能决策节点，根据预设的、可动态调整的用户画像规则，将不同属性的流量分别引导至两个或多个差异化内容页面。其中，A页通常为符合平台审核标准的合规页面，B页则为承载最终营销目标（如产品推广、转化引导）的目标页面。这种架构实现了“一面展示给审核，一面展示给目标用户”的内容隔离，是斗篷技术实现精准投放与规避平台风控的关键底层逻辑。
工作原理
AB页跳转架构的工作原理可拆解为三个核心阶段：请求预处理、规则引擎决策、流量分发执行。
在第一阶段（请求预处理），当访客发起一个HTTP请求时，位于源站前端的跳转服务会首先捕获该请求。系统会立即提取并解析访客的多维特征数据，包括但不限于：用户代理（User-Agent）、IP地址及地理位置、Cookie信息、浏览器指纹（如Canvas指纹、WebGL指纹）、屏幕分辨率、时区语言设置，以及是否启用了JavaScript等。这些数据构成了一次请求的原始“用户画像”。
在第二阶段（规则引擎决策），预处理后的用户画像数据被送入规则引擎。规则引擎是架构的“大脑”，它包含一套由运营人员定义的、可配置的决策规则。这些规则通常基于逻辑运算符（AND、OR、NOT）组合多个特征条件，例如：“地域为美国 AND 设备类型为移动端 AND IP不在黑名单库内”。引擎会逐一比对用户画像与规则集，最终输出一个决策指令：该访客应跳转到A页还是B页。一个典型的规则引擎单次决策耗时通常要求在50毫秒以内，以保障用户体验。
在第三阶段（流量分发执行），决策指令被传递给流量分发通道。分发通道是一个轻量级的代理或重定向模块。如果决策结果为“放行至B页”，分发通道会立即向访客返回一个302状态码（临时重定向），并将Location头部指向B页的真实URL；或者，在更高级的实现中，分发通道会直接代理B页的内容返回给访客，避免发生客户端可见的重定向。如果决策结果为“展示A页”，则访客的请求被直接转发至A页服务器，整个过程对用户完全透明。
整个架构的关键在于，规则引擎与流量分发通道是解耦的。规则可以独立更新而不影响分发逻辑，流量分发通道仅需执行指令，这使得系统具备极高的灵活性和快速响应能力。此外，为了对抗平台方的爬虫检测，架构中通常还会集成“流量清洗”模块，对疑似审核爬虫或检测机器的IP进行过滤或强制展示A页。
技术分类
根据规则引擎的实现方式和流量分发通道的技术选型，AB页跳转架构主要分为以下几类：
-
基于IP与UA的静态规则架构
这是最基础的实现方式。规则引擎使用简单的IP数据库和UA特征库进行匹配。IP库根据地理位置划分为“白名单”（如目标投放城市）、“黑名单”（如平台审核中心IP段）和“灰名单”。UA特征库则识别爬虫、浏览器版本、操作系统等。此架构规则简单，性能极高（单次决策<10毫秒），但容易被特征模拟或动态IP绕过。 -
基于JavaScript指纹的复杂规则架构
为了提升识别精度，架构引入浏览器指纹技术。在前端通过JavaScript采集Canvas、WebGL、AudioContext、字体列表、安装插件等上百个特征点，生成高唯一性的设备指纹。规则引擎可以基于指纹的相似度或是否在黑名单中进行决策。此架构能有效识别爬虫或虚拟机，但采集过程依赖用户开启JavaScript，且指纹本身存在碰撞率（通常在1%至5%之间）。 -
基于机器学习模型的智能规则架构
这是当前最先进的方式。规则引擎不再依赖于工定义的静态规则，而是使用一个经过训练的机器学习模型。模型输入是用户画像的全部特征，输出是用户属于“真人用户”或“审核机器”的概率。系统设定一个阈值（例如，真人概率大于0.95则跳转B页）。该架构能自动学习平台审核的最新特征模式，动态适应，但训练数据获取和模型维护成本较高。 -
混合式架构
实际商业落地中，多数方案采用混合式。例如，使用静态IP规则进行第一层“粗筛”，快速过滤掉大量已知的审核流量；对于通过第一层的“可疑流量”，则调用JavaScript指纹或机器学习模型进行第二层“精筛”。这种分层决策模式在性能与准确性之间取得了平衡。
应用场景
AB页跳转架构主要应用于需要对不同用户群体展示差异化内容的场景，尤其是那些内容受限于平台审核规则或广告政策的领域。
-
竞价广告投放（Cloak技术核心）
在Google Ads、百度竞价等平台上，推广受限制的行业（如金融、医疗、游戏、成人内容）时，广告主利用此架构对平台审核爬虫展示合规的A页（如教育、咨询页面），对点击广告的真实用户展示目标B页（如具体产品介绍、下载链接）。这是AB页跳转架构最典型的应用，能有效规避平台自动审核和人工巡查。 -
A/B测试与内容隔离
在正常的营销活动中，可利用此架构进行流量分桶测试。例如，对50%的移动端访客展示新版着陆页，对另外50%展示旧版，验证转化效果。其优势在于可以在同一个URL入口下，实现不同版本内容的动态切换，无需部署多个独立的落地页。 -
会员制或区域限制内容
根据用户的地域或登录状态，自动跳转至相应的内容页面。例如，来自中国的用户访问一个全球性网站时，自动跳转至中文版主页；未登录用户看到“请登录”提示页面，而登录用户可直接访问内容。
与相邻概念对比
AB页跳转架构常与以下概念混淆，需明确区分：
- 与301/302重定向：301/302是HTTP协议层面的跳转指令，是AB页跳转架构中流量分发通道的一种具体实现方式。AB页跳转架构是一个更上层的、包含规则引擎和分发通道的系统。简言之，301/302是“工具”，AB页跳转架构是“工具集+决策系统”。AB页架构通常会使用302重定向，但也可以使用代理转发等方式实现，不必然产生客户端重定向。
- 与Cloak技术：Cloak技术是AB页跳转架构最核心和著名的应用场景。如果说Cloak是一种“欺骗”平台审核的策略，那么AB页跳转架构就是实现这种策略的“工程技术”。Cloak是目的，AB页跳转架构是手段。其他不用于欺骗目的的场景（如A/B测试）同样使用AB页跳转架构。
- 与反向代理：反向代理是AB页跳转架构中一种可能的实现方式，尤其是在不产生客户端重定向的场景下。但AB页跳转架构不仅包括代理功能，还核心依赖于其内部的规则引擎进行决策。一个标准反向代理通常不包含复杂的、动态的用户画像决策能力。
常见问题
-
AB页跳转架构是否影响用户体验？
如果采用302重定向，用户会感知到URL变化和轻微的加载延迟（通常<100毫秒）。如果采用代理转发方式，则对用户完全透明，无任何体验影响。架构设计时，性能优化是重要考量。 -
规则引擎的决策准确率能达到多少？
准确率取决于规则复杂度和数据质量。基于IP/UA的静态规则架构，在识别已知审核IP时准确率可达95%以上，但对抗新型爬虫能力弱。结合JavaScript指纹的架构，准确率可提升至98%以上。基于机器学习模型的架构，在持续训练下，准确率可以接近99%，但仍存在误杀和漏放的风险。 -
如何保证规则引擎的实时性？
规则引擎通常采用内存计算和缓存机制。新规则通过API或配置文件下发后，可以在毫秒级生效，无需重启服务。高性能的规则引擎使用如Drools、EasyRules等规则引擎框架，或自研的轻量级决策树实现。 -
流量分发通道如何防止被检测？
高级架构会采取多种措施：使用动态、随机化的跳转域名；避免频繁的、固定模式的跳转行为；模拟真实的用户浏览行为（如页面停留时间）；使用CDN或边缘节点进行分布式跳转，分散请求源。 -
AB页跳转架构的法律合规风险是什么？
在大多数广告平台的使用协议中，使用AB页跳转架构对平台审核爬虫展示不同内容的行为可能违反其规定，可能导致广告账户被封禁。在特定国家或地区，如果涉及金融、医疗等强监管领域，虚假陈述可能涉及法律风险。建议在实施前咨询法律专业人士，并了解平台最新政策。
