解析App Store排名公式工作apptentive引導企業應用程序和啟動應用程序商店，我學到一件或兩件事有關App Store優化成一個應用程序的排名是什么。這是我個人的目標現在有些時候拉開窗簾谷歌和蘋果。然而，更深的進入兔子洞去，更未經檢驗的假設在我離開我的方式。

因此，我認為這是由于時間把一些長期存在的假設，通過挑戰。

作為SEO，我們知道多少的影響，一個單一的排名意味著在SERP。一個小小的排名上升或下降，可當它來到你的網站的流量和收入，使所有的差異。

在應用程序的世界排名是一樣重要的，當談到站在海上的1300000多個應用程序。apptentive的最近的手機消費調查流一點光這一說法，揭示了近一半的移動應用程序的用戶識別瀏覽App Store排行榜和搜索結果（在其中的位置取決于排名）是一種在應用商店尋找新應用程序的首選方法。簡單地說，更好的排名意味著更多的下載和更容易的發現。

像谷歌和Bing，兩大應用商店（Apple App Store和谷歌玩）已經確定為基于關鍵字的App Store排行榜排名搜索和復合的復雜和高度戒備的算法。

不像SEO，然而，很少有研究和理論已經進行了在這些排名是什么。

直到現在，那是。

在五研究的500大iOS的橫截面的各種公開數據點分析課程（美國蘋果App Store）和排名前500位的Android應用程序（美國谷歌播放），我會試圖直接一點打破神話在ASO的記錄。在這個過程中，我希望評估和量化任何感知相關的App Store排名，排名波動，和幾個因素通常認為影響到應用程序的排名。

無論是蘋果App Store和谷歌玩大約有1300000應用程序每個，和商店功能的應用類別相似的故障。應用居兩店應該，理論上，在一個相當公平的搜索量和競爭。

這些應用程序，近三分之二沒有收到一個等級99%被認為是無益的。這些研究，因此，單一規則的排名前500的應用程序在每個商店的罕見的例外。

而蘋果和谷歌透露具體如何計算他們的搜索排名，這是普遍接受的這兩個App Store算法因子：

平均App Store評級
評級/評論數量
下載并安裝數
卸載（什么保留和流失，像應用程序）
應用程序使用統計（怎么搞的一個應用程序的用戶和他們是多么頻繁地啟動應用程序）
增長趨勢傾向于近因（如何下載數隨時間的變化，如今的收視率比上周的）
該應用程序的登陸頁面的關鍵字密度（伊恩做了偉大的工作在以前的MOZ后覆蓋這個因素）
我簡化了這個公式功能突出四要素具有足夠的數據（或者至少代理數據）我們的分析：

排名= FN（評級，評級數，安裝，趨勢）

當然，現在，這個廣義函數不多說。在接下來的五項研究，然而，我們會重新審視這一功能最終試圖比較這四個變量的權重在App Store排名。

（為簡潔，目的我會停在這里的假設，但是我去到更大的深度如何我在得出上述結論的在App Store排名55頁的報告。）

現在，在瘋狂的科學。

研究# 1：蘋果對蘋果App Store排名波動

第一，最直接的五項研究涉及跟蹤在App Store排名在iOS和Android版本的日常運行相同的應用程序以確定任何趨勢在兩店排名波動率之間的差異。

我為這一研究的五個應用程序的一個小樣本去，而唯一的標準是：

他們所有的應用程序，我積極利用（一個標準即將與五應用程序，但不影響在美國應用商店的排名）
他們在排名前500位的（但不是前25，我認為App Store排名會粘在上面的一個假設，我在研究# 2測試）
他們在谷歌Play和App Store的應用程序幾乎相同的版本，這意味著他們應該（理論上）排名同樣

這五個應用程序中，谷歌玩排名，事實上，比App Store排名顯著波動較小。35數據點間的記錄，排名在谷歌發揮感動了多達23的位置/隊伍每天在App Store排名上升到89的位置/等級。在App Store排名波動的標準差，此外，大于4.45倍的谷歌玩。

當然，相同的應用程序在他們的排名變化相當顯著的兩個應用程序商店，所以我那么標準的百分比變化方面的排名波動為數字等級對波動性的影響控制。當演員在這光，App Store排名變化高達72%，在24小時內，而谷歌玩排名不多于9%的改變。

另外，每天的排名往往在兩個應用程序商店同樣的方向大約2/3的時候，這兩家店，和他們的客戶，可能有更多的共同點比我們想象的。

研究# 2：App Store排名波動頂部的圖表

測試的假設在研究1號數據規范隱，這一目的是看看App Store排名波動是一個應用程序的當前等級相關。本研究的樣本包括排名前500的應用程序在谷歌Play和App Store，特別注意那些在光譜的兩端（排名1，100和401––500）。

假設

我期待的排名更高揮發性的應用程序排名的意義排450號應該能夠將更多的隊伍在任何一天比一個APP排名50。這種假設是基于假設，排名較高的應用程序有更多的安裝，活躍用戶，和評級，并將采取大幅度產生這些因素中的任何一個明顯的轉變。

一看上面顯示在商店的應用程序已經越來越動蕩的排名表（基于多少隊伍，他們在過去24小時移動）下對他們排名列表。

這是尤其如此，當比較的頻譜的兩端與一個看似直波動線谷歌發揮100大應用程序之間和很少的光點在App Store前100。比較這部分的下端，排名401–）500，在商店的經驗，在他們的排名更加動蕩。在色域，我發現排名在Play Store和App Store排名28%的相關性波動之間的相關性24%。

根據這一觀點，在谷歌玩的401–平均APP）500級移動排名12.1在過去的24小時里，而在排名前100的App移動平均只有1.4的行列。為應用程序商店，這些數字分別為64.28和11.26，使稍低排名應用程序超過五次波動排名最高的應用程序。（我說略這些“低級別”的應用程序仍然排名高于所有應用程序的99.96%。）

等級與波動之間的關系在App商店排行榜上是一致的，而排名在波動更大的影響在谷歌下端發揮圖表（排名1-100有35%相關）比它的上端（等級級有1%的相關性）。

研究# 3：App Store排名在星星

下一步的研究著眼于等級和星級評定確定設置頂部的圖表應用程序除了休息和探索任何與App Store排名波動的趨勢之間的關系。

假設

排名= FN（評級，等級數，安裝，趨勢）

在緒論中討論，本研究直接涉及到的因素之一，通常認為是App Store排名影響：平均評級。

開始，我認為，更高的等級一般對應于更高的收視率，鞏固排名算法中的星級評級的作用。

至于波動，我沒有預料到的平均在App Store排名波動起作用的評價，我認為沒有理由為高評級的程序要比低級別的應用程序不易揮發，反之亦然。相反，我認為波動是與評級體積 （我們將在我們最后的研究探討）。

研究# 4：App Store排名在版本

這一研究是在一個應用程序的當前版本的年齡之間的關系，它的排名和排名的波動

研究# 5：App Store排名在月度活躍用戶

在最后的研究，我想了解它的排名應用的知名度的作用。在一個理想世界，普及將通過一個應用的月活躍用戶（MAU）測量，但是因為很少有移動應用程序開發者已經發布了這個信息，我已經解決了兩個公開的代理：等級數和安裝。

總結

曾經那么稍短做長后，這里的螺母和螺栓，在App Store的優化這五個瘋狂的科學研究發現：

頂部的圖表，蘋果App Store排名4.45x更加動蕩比谷歌玩
排名越來越不穩定，T他下一個APP排名。這是尤其如此，在蘋果應用商店的排行榜。
在商店，高等級的應用往往有一個App Store評級數遠遠超過平均值的應用。
評級出現向谷歌玩算法更重要，尤其是蘋果的App Store排行榜經驗更廣泛的評級分布比谷歌劇排行榜。
的高一個應用程序是額定的，不易揮發它的排名。
的排名100的應用程序在任何商店的更新更加頻繁比一般的應用程序，并與老版本應用程序的評級較低的正相關。
一個應用程序的更新頻率負相關與谷歌Play排名波動，但呈正相關在App Store排名波動。這可能是由于蘋果如何衡量一個應用程序的最新評級和評論。
排名最高的谷歌播放應用程序接收，平均，15.8x更多評級比排名最高的App Store的應用程序。
在應用程序商店，秋季401–500居下接收，平均，10–的評量20%在排名前100的應用程序看到的。
評量，通過擴展，安裝或老鼠，也許是隊伍的最佳指標，一個29–40%相關兩者之間的。
重溫我們的第一（雖然簡單）想在應用商店的排名算法給我們這個松散定義的函數：

排名= FN（評級，評級數，安裝，趨勢）

我現在重新編寫函數為稱重這四個因素，其中，B，C和D是未知的乘數公式，權重，或：

排名=（等級*）+（等級數×B）+（安裝* C）+（趨勢* D）

這五項研究對麻生太郎棚一點光在這些乘法器，顯示等級數有秩的相關性最強，其次是安裝，在應用程序商店。

它與其他兩個因素評價和趨勢兩店表現出最大的差異。我想說，App Store評級優先增長趨勢猜測，鑒于它的地方，一個應用程序的當前版本和頂部的圖表評級的廣泛分布的重要性。谷歌玩，另一方面，似乎有利的評級，與應用程序就必須有至少四顆星星進入前100行列的一個不成文的規定。

因此，我們在這最后的一瞥是在商店做頂圖結束我們的瘋狂科學：

在蘋果App Store排名算法的因素權重

評級數>安裝>趨勢>評級

在谷歌因素重玩排序算法

評級數>安裝>等級>的趨勢

再次，我們簡化為保持本崗位僅3000字的緣故，但其他因素，包括關鍵詞密度和APP參與統計繼續成為強大的指標排名。他們只是躺在這些研究的范圍。

我希望你發現這個深潛水都有益和有趣的。前進，我也希望看到ASOS開展帶來了SEO的中心舞臺相同的實驗，并鼓勵你增強或反駁這些發現與自己的麻生太郎瘋狂的科學實驗。

請在下面的評論中分享你的想法，讓我們解構排名公式，一次一個實驗。

• 牧羊人相關推薦：
• 視覺吸引力的影響交互設計
• 深圳網站建設龍華
• 深圳網站制作流程
• 深圳羅湖營銷型網站建設