앱 스토어 역설계를 통해 얻은 교훈

앱 스토어 마케팅은 올바른 고객과 올바른 앱을 연결하는 것입니다. 안타깝게도 사용자 확보를 위한 여정은 순탄하지 않으며, 주로 Apple과 Google이 운영하는 블랙박스 알고리즘이라는 한 가지 특정 장애물 때문입니다.

마켓플레이스는 확보 유입경로의 중간자입니다. 그들은 규칙을 만들지만, 우리는 그들이 정확히 어떻게 작동하는지 알지 못합니다. 이 블로그에서는 앱 스토어 역설계를 통해 얻은 교훈을 제시합니다. AppTweak 도구를 통해 저희의 교훈으로부터 어떻게 이점을 얻을 수 있는지 자세히 설명해 드리겠습니다.

스토어는 앱 메타데이터와 사용자 행동을 어떻게 처리합니까?

앱 스토어를 데이터 포인트로 변환

여기서 주요 과제는 스토어가 앱의 메타데이터를 사용자의 행동으로 변환하고 일치시키는 방법을 이해하는 것입니다. 우리는 이미 키워드 검색 결과와 어떤 메타데이터가 사용 가능한지 알고 있습니다. 그래서 이제 우리는 이것이 사용자 행동과 어떻게 일치하는지 알아내고, 그 결과 앱 스토어 알고리즘 뒤에 숨겨진 논리를 해독하고 싶었습니다.

첫 번째는 데이터를 살펴보고 스토어의 관점에서 어떤 앱과 키워드 쌍이 가치 있는지 이해하는 것입니다.

우리의 접근 방식은 알고리즘 자체를 모방하는 것이었습니다. 그래서 우리는 Apple과 Google이 우리의 데이터 포인트로 하는 것처럼 결과를 재현하려고 노력했고, 우리의 알고리즘을 분석했습니다. 결국 우리는 모든 키워드와 앱을 스토어별 단일 지도에 배치했으며, 여기서 각 앱과 키워드의 정확한 위치는 수십억 개의 데이터 포인트로 훈련된 머신러닝 알고리즘에 의해 계산됩니다.

Atlas 출시 – 최초의 App Store 의미론 엔진

이 알고리즘 표현에서 Atlas가 탄생했습니다. 이는 최초의 App Store 의미론 엔진으로, 앱 스토어가 유사한 앱을 함께 그룹화하는 방법, 앱 스토어가 특정 앱과 관련 있다고 간주하는 키워드 등을 이해하는 데 도움이 되었습니다.

간단히 말해, Atlas는 스토어의 의미론적 의미에 따라 모든 앱과 키워드를 매핑한 것입니다. 이 기본 모델은 다음을 보장합니다.

• 유사한 키워드는 서로 가깝게 배치됩니다
• 유사한 앱은 서로 가깝게 배치됩니다
• 앱과 키워드의 위치는 비교 가능합니다

이 표현에서 앱과 키워드 사이의 거리는 이 둘 사이의 유사성을 측정하는 것입니다.

앱 클러스터 식별 및 이해

Atlas를 통해 앱을 매핑함으로써, Atlas가 이전에 카테고리 개념에 대해 들어본 적이 없더라도 App Store의 카테고리와 유사한 것을 얻습니다.

이제 지도의 맨 아래를 보면 VPN 앱으로만 구성된 명확한 클러스터를 볼 수 있지만, 앱 스토어에는 VPN 카테고리가 없습니다. VPN 앱은 유틸리티 또는 생산성 카테고리로 분류됩니다. Atlas를 통해 앱 스토어 카테고리보다 더 세분화된 카테고리(저희는 이를 AppDNA/GameDNA라고 부릅니다)를 가질 수 있습니다. 또한, Atlas가 생성한 엔터테인먼트 및 스포츠 카테고리의 중첩은 스포츠 방송 앱으로 구성되어 있습니다!

마케터로서 이제 귀하의 앱과 유사한 앱을 식별할 수 있습니다. 저희의 발견은 사용자 의도에서 비롯되었으므로, 이는 이제 사용자 관점에서 앱 유사성을 이해할 수 있다는 의미입니다. AppTweak은 이러한 더 세분화된 카테고리에서 AppDNA 또는 GameDNA별 상위 차트 및 경쟁사 선택과 같은 새로운 기능을 출시했습니다.

알고리즘처럼 키워드 이해하기

앱 스토어 알고리즘의 관점에서 키워드는 단순한 문자열 이상의 의미를 가집니다. 아래 지도는 lemon, lime, scooter라는 단어를 예로 들어 이를 잘 보여줍니다. 언어적 관점에서 lime과 lemon은 매우 유사합니다. 하지만 스토어 알고리즘 관점에서는 lime과 scooter가 가장 동일합니다.

이는 우리가 앱 스토어 알고리즘을 역설계하여 앱 스토어의 의미론을 이해하는 방법을 보여줍니다. 또한, 이는 자연어와 스토어 언어가 다르다는 것을 확인시켜 줍니다. 스토어가 약어나 오타를 식별하는 방법도 강조합니다.

따라서 ASO 또는 Apple Search Ads(ASA)를 위한 키워드 최적화를 할 때 즉시 식별할 수 있는 키워드 조합만 보아서는 안 됩니다. 사실 스토어 알고리즘은 키워드를 단순한 문자열이 아니라 사용자 행동에 의해 전달되는 의미와 의도를 지닌 객체로 보도록 훈련됩니다.

키워드 관련성 해독 및 ASO & ASA에서의 활용

저희의 최첨단 매핑에서 얻은 핵심 통찰력은 키워드와 앱 사이의 거리에 있습니다. 이 거리는 키워드와 앱 사이의 일치 정도를 나타냅니다. 이를 염두에 두고, 저희는 귀하의 앱 메타데이터에 있는 키워드가 귀하의 앱에서 가치를 찾을 올바른 사용자를 실제로 타겟팅하도록 돕기 위해 관련성 점수라는 새로운 지표를 개발했습니다. 이 지표는 귀하의 앱과 대조적인 기능이나 기능을 제공하는 다른 유형의 앱을 나타내는 키워드를 피하는 데 도움이 될 것입니다.

저희의 관련성 점수를 통해 다음을 할 수 있습니다.

• 기회를 식별하고 및/또는 우선순위를 정하여 ASO 또는 Apple Search Ads(ASA)를 위해 어떤 용어를 테스트할지 결정합니다.
• 건전성 검사를 설정하고 식별하여 직관에 반하는 용어를 부정 키워드로 추가합니다.
• 귀하의 상위 유기적 키워드에 대해 다른 앱의 관련성을 검토하여 그들이 나타내는 위협 수준을 평가하고, ASO 및 ASA를 통해 방어 전략을 모델링하기 시작합니다.

요약

앱 스토어에서 사용자 의도를 앱 메타데이터와 일치시키는 알고리즘은 블랙박스입니다. 스토어의 역학을 이해하기 위한 탐구에서 우리는 알고리즘을 모방하고 몇 가지 주요 교훈을 얻었습니다.

• 자연어는 스토어의 의미론과 다릅니다. 앱 스토어의 관점에서 키워드는 단순한 문자열이 아니라 사용자 행동에 의해 전달되는 의미와 의도를 지닌 객체입니다.
• Atlas 덕분에 저희는 키워드와 앱 사이의 일치 정도, 즉 키워드가 귀하의 앱과 얼마나 관련이 있는지를 측정하기 위해 관련성 점수라는 고유한 지표를 개발했습니다.
• 스토어에서 제공하는 것보다 더 정확한 분류인 AppDNA 및 GameDNA 분류 체계의 생성. AppDNA를 활용하면 DNA별 상위 차트 및 경쟁사 선택을 시각화하여 경쟁사를 더 잘 파악할 수 있습니다!

AppTweak이 간단한 인터페이스에서 실행 가능한 인사이트를 통해 앱 다운로드를 늘리는 데 어떻게 도움이 되는지 알아보세요.

무료 체험판 시작하기