近3年时间,慕枫已累计服务超过近千家客户,通过口碑获得了一定的市场份额,并开始的成长。

SEO中应用商店排名技巧分享


2019年04月15日

SEO中应用商店排名技巧分享


    通过分析应用商店排名公式,我了解了应用商店优化在应用程序中排名的一两件事,这是我现在的个人目标,有时是打开谷歌和苹果的窗帘,但是,深入到兔子洞里,越是未经测试的假设就越不可信。他是我离开我的方式。
  
    所以我认为是时候把一些长期存在的假设通过挑战了。
  
    作为SEO,我们知道一个排名对SERP有多大的影响。一个小的排名会上升或下降,但是当涉及到你的网站流量和收入时,所有的影响都会有所不同。
  
    当涉及到13000多个站在海上的应用程序时,应用程序的世界排名同样重要。Apptentive最近对手机消费的调查揭示了这样一种观点:近一半的移动应用程序用户将浏览应用程序商店排名和搜索结果(位置取决于排名)作为首选方式在应用商店里找到新的应用。简单地说,更好的排名意味着更多的下载和更容易的发现。
  
    与Google和Bing一样,两个主要的应用商店(苹果应用商店和Google Play)被确定为基于关键字的排名搜索和应用商店排名的复杂和高度警惕算法。
  
    然而,与SEO不同的是,关于排名的研究和理论很少。
  
    到现在为止,就是这样。
  
    在对500个iOS横截面开放数据点分析课程(Apple App Store)和500个Android应用程序(Google Play)的五项研究中,我将尝试直接打破ASO记录的神话。在此过程中,我想评估和量化与感知相关的应用程序商店排名、排名波动以及通常考虑的几个因素。以影响应用程序的排名。
  
    无论是苹果应用商店还是谷歌,每个应用大约有130000个应用程序,类似于商店功能的故障类型。理论上,应用程序的搜索量和竞争应该相当公平。
  
    近三分之二的应用程序没有达到99%的水平,因此这些研究将前500名应用程序按单个规则进行排名,但每个商店很少有例外。
  
    苹果和谷歌揭示了如何计算他们的搜索排名,这是两个广为接受的应用商店算法因素:
  
    应用商店平均评分
  
    评价/评论数
  
    下载和安装的数量
  
    卸载(保留和丢失的内容,如应用程序)
  
    应用程序使用统计信息(应用程序的用户如何以及他们启动应用程序的频率)
  
    增长趋势往往接近(下载数量随时间变化,今天的收视率高于上周的收视率)
  
    应用程序登录页上的关键字密度(Ian在前一个moz之后很好地覆盖了这个因素)
  
    我简化了这个公式,以突出四个具有足够数据(或至少是代理数据)的元素,以便我们进行分析:
  
    等级=FN(等级、等级号、安装、趋势)
  
    当然,这个广义函数并不是什么好说的,但是在接下来的五个研究中,我们将回顾这个函数,并最终尝试在应用商店排名中比较这四个变量的权重。
  
    (为了简洁起见,我将在这里停下来进行假设,但我将更深入地了解如何在排名55页的应用商店报告中得出这个结论。)
  
    现在,在疯狂科学中。
  
    研究1:苹果应用商店排名波动
  
    首先,五项最直接的研究涉及跟踪iOS和安卓版本应用商店排名中相同应用程序的日常运行情况,以确定两个商店在任何趋势下排名波动性的差异。
  
    我对这项研究的五个申请进行了小样本研究,唯一的标准是:
  
    他们所有的应用程序,我都在积极使用(一个标准是五个应用程序,但不影响美国应用程序商店的排名)
  
    他们在前500名(但不是前25名)。我认为应用商店排名坚持上述假设之一。我正在学习2测试)
  
    他们拥有几乎相同版本的Google Play和AppStore应用程序,这意味着他们的排名应该是相同的(理论上)。
  
    事实上,在这五个应用中,Google Play排名的波动性比应用商店的排名要小。在35个数据点之间的记录中,Google Play的排名每天上升到23个位置/个团队,在应用商店的排名中上升到89个位置/个排名。此外,应用商店排名波动的标准偏差更大。比Google Play的4.45倍还要多。
  
    当然,同一个应用程序有两个应用程序商店,它们的排名变化很大,所以标准百分比的变化是由数字排名对波动性的影响控制的。当参与者处于这种情况下,应用程序商店排名在24小时内变化高达72%,而谷歌Play排名变化不超过9%。
  
    此外,两个应用商店的每日排名往往是同一方向的三分之二左右,他们的客户可能比我们想象的有更多的共同点。
  
    研究2:应用商店排名波动顶部的图表
  
    测试假设隐含在第1号数据规范的研究中,该研究旨在观察应用程序商店排名的波动与应用程序的当前水平有关。本研究的样本包括google play和app store中的前500个应用程序,特别关注范围两端的应用程序(排名1、100和401- 500)。
  
    假设
  
    我期待一个更高的不稳定的应用程序排名,也就是说排名450,它应该能够比排名50的应用程序在任何一天排名更多的团队。这个假设是基于这样一个假设:排名更高的应用程序将有更多的安装、活跃的用户和评级,并且将在这些因素中发生重大变化。
  
    看看上面的列表,它显示了商店的应用程序在他们的排名列表下变得有多不稳定(基于他们在过去24小时内移动了多少个团队)。

SEO中应用商店排名技巧分享


  
    当谷歌在100个主要应用程序和应用程序商店前100个最亮点之间用一条看似直线的波浪线来比较光谱的两端时,情况尤其如此。对比这一区域的底部,排名401-500,商店的排名更混乱。在这一范围中,我发现游戏商店和应用商店排名中28%相关波动之间的24%相关性。
  
    从这个角度来看,在过去的24小时里,401-AverageApp500手机的排名是12.1,而前100名应用手机的平均排名只有1.4。对于应用商店来说,这两个数字分别是64.28和11.26,使得排名稍低的应用比排名最高的应用多出5个波动。(我说这些低级别的应用比阳离子在所有应用中的排名仍然高于99.96%)。
  
    排名和波动性之间的关系在应用商店的排名中是一致的,而排名对谷歌底部的波动性影响更大(排名1-100的相关性为35%),而不是顶部的波动性(排名1%的相关性)。
  
    研究3:应用商店在明星中排名
  
    下一步是关注评级和星级,以确定顶级图表应用,除了休息和探索与应用商店排名波动趋势的任何关系。
  
    假设
  
    等级=FN(等级、等级、安装、趋势)
  
    在导言中,本研究直接涉及的一个因素通常被认为是应用商店排名的影响因素:平均评级。
  
    首先,我认为较高的评级通常对应较高的评级,巩固了星级评级在排名算法中的作用。
  
    至于波动性,我没有预料到应用商店排名的平均波动会起作用。我不认为高评级应用程序比低级别应用程序波动性小是有任何原因的,反之亦然。相反,我认为波动性与评级量有关(我们将在最终研究中讨论)。
  
    研究4:应用商店在版本中排名
  
    这项研究是关于当前版本的应用程序的年龄与其排名和排名波动之间的关系。
  
    研究5:每月活跃用户的应用商店排名
  
    在最后的研究中,我想了解一下它的排名应用程序可见性的作用。在一个理想的世界中,流行度将由一个应用程序的每月活动用户(MAU)来衡量,但是由于很少有移动应用程序开发人员发布了这些信息,我已经解决了两个开放代理:级别和安装。
  
    总结
  
    曾经如此短和长,这里的螺母和螺栓,在应用商店的优化五个疯狂的科学发现:
  
    在最上面的图表中,苹果的应用商店排名比谷歌高4.45倍。
  
    排名越来越不稳定。T是应用程序排名的第二位,尤其是在苹果应用商店。
  
    在商店中,高级应用程序的应用程序商店评级常常远远超过平均值。
  
    评级似乎对谷歌算法更为重要,尤其是苹果的应用商店排名,其分布比谷歌的戏剧更为广泛。
  
    应用等级越高,排名就越不容易挥发。
  
    排名前100的应用程序在任何商店的更新频率都高于常规应用程序,并且与较旧版本应用程序的较低评级正相关。
  
    排名最高的谷歌播放器应用程序平均比排名最高的应用程序商店应用程序多获得15.8倍的评级。
  
    在应用程序商店,401-500个应用程序在秋季收到,平均10-20%的收视率在前100个应用程序。
  
    评估,通过扩展、安装或鼠标,可能是团队的最佳指标,两者之间有29-40%的相关性。
  
    在app store中重新访问我们的第一个(尽管很简单)排名算法,我们得到了这个松散定义的函数:
  
    等级=FN(等级、等级号、安装、趋势)
  
    我现在重写函数来衡量这四个因素,其中b、c和d是未知的乘数公式、权重,或者:
  
    等级=(等级*)+(等级*B)+(安装*C)+(趋势*D)
  
    这五项关于taro aso的研究对这些乘数有一点启发:在应用程序存储中,排名数与安装数之间的排名相关性最强。
  
    它显示了与其他两个因素和趋势的最大差异。我想说的是,应用商店的评级优先增长趋势猜测,鉴于它的位置,当前版本的应用程序的重要性和图表评级的广泛分布在顶部。另一方面,谷歌Play似乎有一个良好的评级,应用程序在不成文规则的前100名中,应用程序必须至少有四颗星。
  
    所以,我们最后的一瞥是通过在商店里做顶级的绘画来结束我们疯狂的科学:
  
    苹果应用商店排名算法中的因子权重
  
    评级编号>安装>趋势>评级
  
    谷歌因子中的重放排序算法
  
    评级数趋势>安装>评级>
  
    第三,我们将其简化为仅维持3000个词的位置,但其他因素,包括关键词密度和应用程序参与统计,继续成为一个强有力的指标排名,它们只是在这些研究的范围内。
  
    我希望你能发现这个深度潜水的有用性和有趣性。向前看,我也希望看到麻生进行同样的实验,带来了SEO的中心阶段,并鼓励你加强或反驳这些发现与你自己的疯狂科学实验麻生。
  
    请在下面的评论中分享你的想法。让我们解构排名公式,一次一个实验。
  
    牧羊人建议:
  
    视觉吸引力的互动设计
  
    深圳网站建设龙华
  
    深圳网站制作工艺
  
    深圳罗湖营销网站建设
  
  
Top