从逆向工程应用商店中获得的经验
在应用商店上进行营销的关键在于找到合适的客户和合适的应用之间的匹配。不幸的是,获取用户的道路并非一帆风顺,这主要是因为一个特定的障碍——Apple 和 Google 运行的黑盒算法。
这些市场是获取渠道中的中间人。他们制定规则,但我们并不清楚他们是如何运作的。在本博客中,我们将介绍通过逆向工程应用商店得出的经验。我们将进一步阐述如何通过 AppTweak 工具从我们的经验中获益。
应用商店如何处理应用元数据和用户行为?
将应用商店转化为数据点
这里的主要挑战是了解应用商店如何转化和匹配应用的元数据与用户的行为。我们已经知道来自关键词搜索的结果,以及哪些元数据可用。因此,现在我们想找出这如何与用户行为相匹配,从而破译应用商店上算法背后的逻辑。
第一点是查看数据,了解在应用商店看来,哪些应用和关键词对是有价值的。

我们的方法是模仿算法本身。因此,我们尝试重现结果,就像 Apple 和 Google 使用我们的数据点所做的那样,然后分析我们的算法。我们最终将所有关键词和应用定位在每个商店的一张地图中,其中每个应用和关键词的确切位置由一个机器学习算法计算得出,该算法在数十亿个数据点上进行训练。

Atlas 发布 – 首个 App Store 语义引擎
从这种算法表示中,Atlas 诞生了 – 首个 App Store 语义引擎,它帮助我们了解应用商店如何将相似的应用组合在一起,应用商店认为哪些关键词与某些应用相关,等等。
简而言之,Atlas 是根据应用和关键词的商店语义含义对所有应用和关键词进行映射。这个基础模型确保:
- 相似的关键词彼此靠近
- 相似的应用彼此靠近
- 应用和关键词的位置是可比较的
在此表示中,应用和关键词之间的距离是衡量两者之间相似性的指标。
识别应用集群并理解它们
通过 Atlas 映射应用,我们从 App Store 的类别中获得了类似的东西,即使 Atlas 之前从未听说过类别的概念。

现在看看地图的最底部,我们可以看到一个完全由 VPN 应用组成的清晰集群,但在应用商店上没有 VPN 类别。VPN 应用要么被归类在工具类别中,要么被归类在效率类别中。Atlas 允许我们拥有比应用商店类别更精细的类别(我们称之为AppDNA/GameDNA)。此外,Atlas 创建的娱乐和体育类别的重叠是由体育广播应用组成的!
作为营销人员,您现在可以识别哪些应用与您的应用接近。由于我们的发现是从用户的意图中转化而来的,这意味着您现在可以从用户的角度了解应用的相似性。AppTweak 从这些更精细的类别中发布了新功能——每个 AppDNA 或 GameDNA 的热门排行榜和竞争对手选择。
像算法一样理解关键词
在应用商店算法看来,关键词不仅仅是一个字符序列。下面的地图很好地说明了这一点——以

这表明我们如何通过逆向工程其算法来理解应用商店的语义。此外,这证实了
因此,您不应只关注在为 ASO 或 Apple Search Ads (ASA) 进行关键词优化时立即识别出的关键词组合。事实上,商店算法经过训练,可以将关键词视为不仅仅是一个简单的字符序列,而是携带含义和意图的对象,这些含义和意图由用户行为传达。
解密关键词相关性并利用其在 ASO 和 ASA 中的使用
我们最先进的映射的一个关键 insight 在于关键词和应用之间的距离。该距离表示关键词和应用之间的对应程度。考虑到这一点,我们开发了一个名为相关性得分的新指标,以帮助您确保应用元数据中的关键词实际上针对的是将在您的应用中找到价值的合适用户。此指标将帮助您避免引用提供与您自己的应用形成对比的功能或功能的不同类型的应用的关键词。

使用我们的相关性得分,您可以:
- 识别机会和/或优先考虑哪些术语要测试 ASO 或 Apple Search Ads (ASA)
- 设置健全性检查并识别违反直觉的术语以添加为 Apple Search Ads 广告系列中的否定关键词
- 查看其他应用对您的热门自然关键词的相关性,以评估它们代表的威胁级别,并开始使用 ASO 和 ASA 制定防御策略
总结
在应用商店上,将用户的意图与应用元数据相匹配的算法是一个黑盒。在了解应用商店动态的过程中,我们模仿了这些算法并获得了一些关键经验:
- 自然语言不同于应用商店的语义。在应用商店看来,关键词不仅仅是一个简单的字符序列,而是携带含义和意图的对象,这些含义和意图由用户行为传达。
- 感谢 Atlas,我们开发了一个名为相关性得分的独特指标,用于衡量关键词和应用之间的对应关系,即关键词与您的应用的相关程度。
- AppDNA 和 GameDNA 分类的创建,这是一种比应用商店提供的分类更精确的分类。利用 AppDNA,您还可以可视化每个 DNA 的热门排行榜和竞争对手选择,以便更好地了解您的竞争对手!
了解 AppTweak 如何通过简单界面中的可行 insights 帮助您提高应用下载量。
Alexandra De Clerck
Oriane Ineza
Lina Danilchik