ASO 中的 AI：开发一种新的模型来挖掘用户评价

自 2022 年 12 月以来，ChatGPT 已成为数字行业人工智能 (AI) 的旗舰。该技术展示了令人印象深刻的能力，可以从非常庞大的文本语料库中生成高质量的、人类可读的摘要。事实上，ChatGPT 不仅可以简洁明了地写作，而且还是一种在各种环境中重现人类答案的强大技术。

数据科学是我们平台的核心，在 AppTweak，我们注意到了这项技术，并开始研究如何利用它。我们认为使用 ChatGPT 的一个关键 ASO 方面是用户评价。我们为回复评价所做的早期实验使我们确信，可以帮助我们的客户将该技术用于特定目的。

凭借我们在构建Atlas（第一个特定于商店的语义引擎）方面的经验，我们看到了测试 GPT 的机会。我们想研究一种专用 AI 模型是否可以更有效地提取应用商店中应用评价中用户留下的最有价值的 insights。

确定 GPT 技术在基准测试中的局限性

当我们询问 ChatGPT iOS 版 Netflix 的用户评价中最常见的主题是什么时，首先让我们震惊的是，答案非常清晰，并且确定了一些 iPhone 和 iPad 用户似乎很可能提及的元素。

但是，虽然 ChatGPT 非常擅长编写摘要，并且其速度为自动化开辟了新的视野，但它突出显示的主题的通用性也引发了新的问题：

• 我们能否将某个主题追溯到特定的评价语料库？
• 我们能否量化一个主题相对于另一个主题的普遍性，无论是在总体上还是在查看特定评价时？
• 我们能否追溯某个特定主题何时在评价中出现？

当我们调查这些答案时，我们发现 ChatGPT 作为一种通用的技术，对于我们想要使用它的非常具体的主题存在一个特殊的缺陷。它访问了世界上（如果不是）最大的信息池之一，这可能会使它对我们的目的来说过于聪明，因为它可能会试图根据应用商店和 Google Play 之外的信息生成答案。具体来说，它可能会受到其他来源的影响，并可能导致与实际评价相矛盾或未按比例反映某些主题的答案。

对于像我们这样的ASO 从业者来说，这意味着我们可以考虑使用 ChatGPT 来建议在评价中寻找哪些主题，但将其用于更具方向性的 insights 至少需要对输入进行大量的监督和控制。

由于这与我们最初的雄心壮志相矛盾，因此我们决定尝试另一种模型。

了解如何使用 ChatGPT 优化您的 ASO 工作

将语义机器学习应用于用户评价

凭借存储在我们数据库中的大量应用评价 collection（我们从客户关注的所有应用和所有国家/地区收集用户评价），我们能够尝试无监督的机器学习技术，这些技术将 专注于词频及其相关的语义。

使用这种方法，不仅输入更具体，而且我们的操作员的唯一任务是为模型选择一些独特的topic来识别。从那里，模型能够自行确定在提供给它的评价总数中“x”个最具特色的topic是什么，然后查看任何特定的评价，并为它识别的每个topic给出一个分数。

反过来，这让我们对我们在 ChatGPT 中发现的局限性感到满意：

• 现在可以将任何topic追溯到模型读取的评价子集。
• 任何过去和未来的评价也可以收到每个topic的分数。

这意味着我们不仅可以识别每个评价的多个topic，还可以监控topic随时间的定量演变，从而在某个特定topic突然出现时发出警报。

不应低估这最后一个好处，因为它还有助于克服人类评价监控中最常见的偏见之一，即本能地寻找我们期望找到的topic。

当我们在美国 (iOS) 上测试我们的模型在Netflix 的 1 星和 2 星评价时，我们惊讶地发现，在 Netflix 从其平台中删除吸血鬼日记系列后，删除的内容topic在 2022 年 9 月左右变得尤为突出。

将应用评价topic转化为营销成功

当然，仅仅知道最突出的topic不足以使应用成功。然而，这是必不可少的第一步。

• 了解用户发现的痛点：了解产品问题对于需要确保应用质量（并提供健康的产品生命体征）的产品经理来说非常有益。对用户建议进行评分还可以帮助在调整产品路线图时做出基于数据的决策。

• 强调正面评价：应用商店评价和评分现在具有更大的影响力。Google 和 Apple 不仅经常提醒应用开发者，他们的平均评分可能是他们在App Store 或 Play Store 上获得推荐的关键因素，而且研究还表明，商店用户在下载应用之前也非常关注用户评价。Apptentive 的 2020 年报告强调，从 3 星平均评分跃升至 4 星可能会使转化率提高 92%。在应用商店屏幕截图中突出显示正面评价也已成为应用希望激发对其产品的信任或想要突出显示特定功能的最佳实践。

了解 AppTweak 如何帮助您对应用评价执行关键词 analysis，以确定用户正在谈论的内容

当我们进行评价挖掘 analysis 帮助确定我们的一位托管服务客户的比较优势时，我们自己的经验也取得了巨大的成功。我们将这种优势用作设计iOS 上的自定义产品页面的灵感，然后我们在 Apple Search Ads 活动中使用它来定位竞争对手的品牌名称。这使转化率提高了 58%，并将每次安装成本降低了近 40%。

此后，我们的团队继续尝试我们的语义评价挖掘模型，并进行了改进，以帮助在给定市场中每月评价数量有限的应用。我们还对如何比较应用集群中的评价topic进行了一些思想实验。总而言之，这巩固了我们对 AI 在 ASO 中的潜力的信念，并将继续在我们的平台中添加更多由数据科学驱动的功能。

如果您想继续了解我们在 AppTweak 如何使用 AI 并从我们最新的功能中受益，请注册免费试用 7 天。

开始免费试用