微信扫码登录

其他登录方式

绑定手机号

注册

我同意用户协议

忘记密码

用户协议

绑定手机号

近期有不法分子打着爱盈利的旗号,制作“爱盈利”名称的App,并伪造爱盈利证件,骗取用户信任,以抖音点赞赚钱或其他方式赚钱为名义,过程中以升级会员获得高佣金为名让用户充值。
爱盈利公司郑重声明:我司没有研发或运营过任何名为“爱盈利”的APP,我司做任务赚钱类产品从没有让任何普通用户充值升级会员。我公司产品均在本网站可查询,请将网站拉至底部,点击“关于我们”可查看爱盈利相关产品与服务。
温馨提示:当遇到此类问题请拨打官方电话或添加官方微信,以免财产损失。爱盈利官网地址:www.aiyingli.com。
  • 推广与合作
X

对aso优化来说如何预估一款app的排名

来源: 294077

   app排名是我们每个人都想要的,因为越靠前本身app下载量越多,基本上98%的app是按照这个规则,但是也有个别的靠前的位置没有其他位置下载量好,我们这里不考虑这个,只考虑98%的app的,那么应该如何该预测一款app排名呢,我们这里提供3种方法介绍。

  第1种是根据公用关键词预测排名。

  我们发现,由于Appstore有效的关键词也就在10万以内,分配的各个类别的更少,因此存在大量App选用同一关键词的情况,也就是说两个App可能有大量共有的关键词。因为这些关键词的排名是已知的,因此可以利用“共有关键词”对App进行排名估计。

  举个例子,好比App1和App2,有100个共有关键词,而其中有99个关键词,App1排名都比App2靠前。那么对于一个新的共有关键词,App1理应比App2排名更好。

  我们仍以搜索词“温度计”为例,比较排名第1的“Thermo ~ 温度计”和排名第2的“实时户外温度(温度计)”,两个app的共同关键词如图所示:

11  

 

  图2 App共有关键词比较,左侧“我的排名”对应“Thermo ~ 温度计”,右侧“竞品排名”对应“实时户外温度(温度计)”

  我们只考虑热度大于等于4605的词, 这两个App拥有共同的关键词数为16个。在这些关键词下,“Thermo ~ 温度计”名次靠前的有13个,“实时户外温度(温度计)”名次靠前的有3个。因此,如果新出现一个关键词,我们会认为“Thermo ~ 温度计”排名“实时户外温度(温度计)”靠前。

  我们继续分析下“实时户外温度(温度计)”名次靠前的例子,“温度计测量”、“测量温度”这2个词,可以看到,这些都是标题部分匹配的例子,也就说两个App的标题都只匹配了“温度”这个词,而没有匹配“测量”。而进一步分析发现,“实时户外温度(温度计)”关键词中是包含“测量”这个词的,而“Thermo ~ 温度计”并不包含“测量”。因此,造成“实时户外温度(温度计)”的文本得分会高一些。基于这种情况,我们进一步讲共有关键词的匹配分类为标题匹配、关键词匹配等多种情况进行分析。

  22222

  Fig3 “Thermo ~ 温度计”App的关键词中,不包含“测量”这个词

  3333

 

  Fig4 “实时户外温度(温度计)”App 的关键词中,包含了“测量”这个词

  利用“共有关键词”可以分析两个App的排名对比情况,而对新增关键词的App,只需要逐一对比关键词下现有的App,就可以定位该新App的排名情况了。

  通过对500个热度在4605和4700之间的词的排名进行预测, “共有关键词”做搜索排名预测的准确率大于70%。

  第2种是根据评论可以预测

  大量的统计结果表明,Appstore的评论数和下载量为1:30到1:100的关系。因此,可以用评论数大致衡量App的下载量。我们也看到,一些运营同学需要估算自己App排名的时候,就是利用App历史评论数大致比较下,看看自己的App是否能到前10名,虽然准确率可能不是很高,但作为参考还是有理有据的。

  我们使用了最新版本的“月均评论数”作为衡量App质量分的指标,这样比所有历史评论数或者当前版本评论数更合理一些。好比一个App刚上好几年了,如果按照全部历史评论数,显然有失公允,如果用当前版本评论数,也有类似的问题。

  我们以搜索词“温度计”为例子,其Top10的搜索结果和对应的评论数如下表所示:

  表1 搜索词“温度计”的搜索结果和对应评论数

  4444  从上表中可以看到,前8个搜索结果,都是标题命中,文本得分一致,因此,按照我们的假设,评论数越多的App,排名越靠前。

  Top3的App基本符合这个规律,而后5个,因为有3个评论较少,不太好判别,但总体上还是符合我们假设的。而第9和第10名的App,为关键词命中,这两个的排序也符合我们的假设。

  但我们也发现,像“墨迹天气”这样的App,下载量应该是搜索排名第1 App的几十倍,但搜索排名却非常靠后,而第一名App也没有刷搜索排名的迹象,因此可以认为,App标题,特别是正标题命中的得分,远大于关键词命中得分。像Appstore就有一些App利用了这个规则,把自己App的正标题命名为“找工作”、“信用卡”之类的行业词。

  通过对500个热度在4605和4700之间的词的排名进行预测,大致准确率约为55%左右。热度更高的词,因为刷的比例过高,预测准确率会差一些。

  根据下载量预估预测排名

  因为目前国内刷评论的现象普遍存在,因此,评论数与下载量的正比例关系并不完全准确,预测的准确率稍差,也在情理之中。而国外预测App下载量的方法,一般都是根据评论+榜单的排名情况。 由于榜单刷起来成本还是要高很多的,因此相对更可信一些。根据榜单预测下载量的方法,可以Google “INFERRING APP DEMAND FROM PUBLICLY AVAILABLE DATA”。

  同样还是针对搜索词“温度计”,其Top10的搜索结果和对应的下载量估计如下表所示:

  表2 搜索词“温度计”的搜索结果和对应下载量估计

  5555555555

 

  这个表的结果大致和评论表数据大致一致,但因为同时利用了评论数和榜单情况来预测下载量,就避免了一些App数据为0的情况,因此,预测的准确率会更高一些。当然,我们根据国外的方法,预测的App日均下载量都偏高,但因为搜索排名只考虑相对的大小,故不影响排序预测。

  同样通过对500个热度在4605和4700之间的词的排名进行预测,大致准确率约为60%左右,比用评论估计的准确率略高。

  目前我们的线上也提供了基于评论和下载的排名分析服务,具体如下图所示:

  

666666

以上是关于对aso优化来说如何预估一款app的排名的介绍。

爱盈利发表于2018年06月06日 16时28分

评论

相关文章推荐

SELECT dw_posts.ID,dw_posts.post_title,dw_posts.post_content FROM dw_posts INNER JOIN dw_term_relationships ON (dw_posts.ID = dw_term_relationships.object_id) WHERE 1=1 AND(dw_term_relationships.term_taxonomy_id = 3154 ) AND dw_posts.post_type = 'post' AND (dw_posts.post_status = 'publish') GROUP BY dw_posts.ID ORDER BY RAND() LIMIT 0, 6

京ICP备15063977号-2 © 2012-2018 aiyingli.com. All Rights Reserved. 京公网安备 11010102003938号