ASO之终极秘籍：App搜索排名预测

产品壹佰 • 8年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

“预测”往往是一个领域的“终极”秘籍。好比炒股票，你能准确预测股价；好比玩彩票，你能准确预测中奖号码；好比你做ASO填词，能准确预测App在这些词下的排名：）

App排名预测主要用在“更新选词”中，一般首先要预测App搜索排名是否能到Top10，因为只有在Top10，才可能带来下载转化。再者，如果需要真人量冲排名，也需要App的搜索排名在Top100以内，这样做任务的才能找到你的APP。当然, App排名如果不在Top2000+以内，苹果搜索是搜不到你的app的。

总体思路

搜索排名预测，主要还是利用了苹果的搜索排名基础算法。我们知道Appstore大致的搜索排名得分考虑两个因素：文本相关性和App质量的得分：

App搜索排名得分 = 文本相关性 * App质量得分

其中文本相关性就是搜索词和App元数据的相关程度，简单的计算，可以认为搜索词命中正标题得10分，命中副标题得5分，命中关键词的2分。如果是部分匹配命中，而不是完全匹配，则得分乘以0.5

App质量得分一般按最近5天的下载量计算，但因为苹果Appstore并没有给出下载量接口，因此就需要根据评论等估计下载量。根据下载量估算的方法不同，我们大致尝试了三种方法，具体如下所述。

根据评论数预测排名

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

ASO之终极秘籍：App搜索排名预测

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

ASO之终极秘籍：App搜索排名预测

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：

ASO之终极秘籍：App搜索排名预测

图1 关键词排名分析服务

根据共用关键词预测排名

上述两种方法，都是直接利用苹果的排序算法，但因为排序中的App质量分估计较为困难，国内App普遍存在刷排名的情况，因此准确率在60%左右也不奇怪，这个准确度作为选词参考，应该是够用的，但如果需要更精准的估计App的搜索排名，就需要另辟蹊径了。

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:

ASO之终极秘籍：App搜索排名预测

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。

ASO之终极秘籍：App搜索排名预测