アプリのプロモーターにとって、App Store で適切なランキングを獲得するには、アプリのページに表示されるメタデータを最適化して、可視性とインストールのコンバージョン率を向上させる必要があります。あなたは素晴らしいアイコンを作成したかもしれませんが、ここでは直感を信じることができません。また、ユーザーの反応が必ずしも期待したほど良いものであるとは限りません。これが、コンバージョン率に影響するリスト要素に変更を加える前に、A/B テストを実行する必要がある理由です。
Google は、インターネットでの A/B テストのパイオニアです。Google は、A/B テスト ツールを Google Play Console に統合しています。ここでは、Google Play のストアの掲載情報をテストする方法と、A/B テストの最適なヒントについて詳しく説明します。Google ストアは最近、デベロッパーが A/B テストをより詳細に制御できるように、ストア掲載情報のテストに対するモニタリングと構成の変更を発表しました。ASO の実践者は、これらの新しい機能について常に情報を入手し、その意味を理解する必要があります。Google ストア のテスト版にはどのような変更が加えられましたか? これが統計の分析に与える影響については、ここで詳細なリファレンスを提供します。
[ 詳細] をクリックして、今すぐ ASO World アプリ プロモーション サービスでアプリとゲーム の ビジネスを 推進してください 。
Google Play Experiment に追加された新機能は何ですか?
上の図は、google paly 実験の新機能を示しています。説明されている機能はまだすべての開発者が利用できるわけではないことに注意してください。Google Play のストアの掲載情報を最適化するために、サードパーティのサンプル サイズとテスト期間の計算ツールは必要なくなります。新しいパラメーター構成により、信頼区間と最小限の検出可能な影響に基づいて、より信頼性の高いテスト結果が得られます。さらに、実験設定をカスタマイズできるため、サンプル サイズと完了時間を計算するのに役立ちます。
また、以前のブログにアクセスして、アプリ製品ページの ASO A/B テスト戦略を確認することもできます: ASO A/B テスト戦略: アプリの A/B テストを通じてコンバージョンを増やす方法 . ASO A/B テストに関する詳細な指標を知る:
信頼度
効能
最小限の検出可能な効果
バリアント番号、サンプル サイズ、およびテスト期間
アプリの成長のために私たちは何をしますか?
* 当社のアプリ成長ソリューションで成長 - TOP 5 アプリ ランキング獲得 のための 保証アプリ ランキング サービス を選択し、アプリ トラフィックを最大化します。
または、上の [今すぐ宣伝 ] をクリックします( アプリのインストール数を増やす 、または キーワードのインストール 数 と アプリのレビューと評価 サービスを増やして、アプリの可視性を高めます。
信頼度
信頼水準 と 信頼区間 の 間には重要な違いがあります。信頼度は、テストを繰り返してもテスト結果が同じになるという自信の程度を示します。信頼水準の値はパーセンテージで表されます (たとえば、信頼水準 90%)。あるいは、仮説検定を実行するときに、有意水準が言及されることがあります。これは、1 から信頼水準を引いた値です。たとえば、信頼水準が 90% の場合、有意水準は 10% です。 信頼区間 は、真の値を持つと予想される結果の範囲です。たとえば、90% 信頼区間は、90% が真の平均を含むと判断できる値の範囲です。
効能
有効性は、帰無仮説を棄却する正しい決定を下す確率です (それが実際に間違っている場合)。より高い有効性が達成されると、帰無仮説が偽であるという結論をより正確に結論付けることができます。一方、実験力が不十分な場合、実際には間違っている帰無仮説を棄却できません。この間違いを回避し、偽陰性の結果が得られないようにするにはどうすればよいでしょうか?
まず、サンプル サイズを増やします。15,000 ユーザーは 500 ユーザーよりも信頼性が高いですよね? 次に、バリアントの数を減らします。理想的には、コントロール バリアント + テスト バリアントを用意します。また、A/B/B テストを検討することもできます。これにより、私たちの経験では、誤検知または誤検知の結果の可能性が最小限に抑えられます。
最小限の検出可能な効果
実験では、MDE は、検出したいコンバージョン率の最小の相対的な変化です。つまり、バージョンとバリアント グループ間のコンバージョン率の増加をテストで制御するための仮説です。
たとえば、ベースライン コンバージョン率が 20% で MDE が 10% に設定されている場合、テストは、コンバージョン率が絶対範囲 (この例では 18% から 22% (相対10% の変化は 2% の絶対コンバージョン率の変化です)。これに加えて、MDE が小さいほど、有意性を達成するために必要なサンプル サイズが大きくなります。
バリアント番号、サンプル サイズ、およびテスト期間
A/B テストでは時は金なりです。できるだけ早く (できれば 7 ~ 14 日) テスト結果を取得したいと考えています。また、テストが陽性であることも望んでいます。したがって、実験を開始する前に、計画、目標の設定、強力な仮定の作成、およびアプリまたはゲームの指標の評価に集中したいと考えています。テストの過程に大きく影響する要因は、1 日の訪問者数、サンプル サイズ、ベースライン コンバージョン率、およびテストするバリアントの数です。これらの要因はすべて、テストの期間に影響を与える可能性があります。
ローカルでテストする場合、市場のコンバージョン率が低く、毎日の訪問数が不十分な場合、テストは長期間または無期限に「より多くのデータが必要」になります。ASOWorld は、 キーワード インストール サービス と レビューと評価サービス を提供し、アプリ ストアでのアプリの印象を高め、ダウンロード数を増やすのに役立ちます。次に、A/B テストを実行する適切なユーザー ベースにアクセスできます。
ある国でのコンバージョン率が 19% で、1 日平均約 600 人の訪問者がいるとします。計算機によると、バリアントごとに 9000 人以上のユーザーが必要で、テストを完了するのに 22 日かかります。このテストは問題になりそうですよね?不要。テスト時には、コンバージョン率が高く、多数の訪問者がいることが重要ですが、驚かれることもあります。コンバージョン率が約 20% で、1 日の訪問者数が 1,000 人であっても、実験では約 14 日で結果が得られたことが何度かありました。
特定の要素に小さな変更を加えるのではなく、グラフィック要素の大きな違いをテストすることも役立ちます。A/B テストを行う市場で有料アクティビティが活発な場合は、結果を測定する際にオーディエンス リフトを使用してオーガニック リフトを分析することをお勧めします。全体として、このようなテストを終了するのに 22 日もかかりません。適切なテストを行うことで、コンバージョン率に影響を与えることができます。これは、すべての国をテストする必要があるという意味ではありませんが、ターゲット市場で改善が必要な場合は、ぜひ試してください.
Google Play A/B テストのベスト プラクティス
ただし、テストが不適切に実行された例が多数あります。Google Play ストア掲載情報のテストを正しく実行してコンバージョンを増やすためのベスト プラクティスをまとめました。
明確な目標を決める
適切な人をターゲットにする
一度に 1 つのバリアントのみをテストする
一度に 1 つの要素をテストする
言葉よりもビジュアルを優先する
世界中でテストしないでください
テストでは、可能な限り多くのテスト対象者を使用する必要があります
24時間後にテストに勝ったとしても、少なくとも7日間テストしてください
A / B / B テストを実行して、偽陽性の結果にフラグを立てる
iOS で Google Play 勝利テストを適用しないでください
勝利テストを適用した後、インストールがどのように影響を受けるかを監視します
A/B テストは、 App Store 最適化 戦略 の重要な部分です。Android デベロッパーにとって、Google Play ストア掲載情報の実験は、ストア掲載情報の A/B テストのための優れたツールです。無料です。開発者は、適切に設計および計画された A/B テストを実行して、コンバージョン率の向上とダウンロード数の増加につながる最も効果的なグラフィックスとローカライズされたテキストを見つけることができます。 *また、iOS 15 の更新された製品ページの ASO A/B テストにアクセスできます: iOS15: A/B Testing Your Product Page .
有効な実験結果を得るためのこれらの指標の最適な組み合わせ
今必要な新しい Google Play テストでは、Google テスト セットアップ ウィザードの一部として、いくつかのパラメータを選択してテストを構成する必要があります。
Minimum Detectable Effect (MDE) = テストの勝者を宣言する要因として受け入れたい最小の「ブースト」を決定します (帰無仮説を拒否します。つまり、「テストバリアント間のパフォーマンスに意味のある違いはありません)」。この値が高いほど、テストに必要なサンプル数は少なくなります (テストの感度が低くなり、意味のあるバンプのみが検出されるため、バンプが見つからないと結論付ける可能性が高くなります)。
信頼度 = おそらくよりよく知られている要因であり、基本的には結果がエラーの可能性ではないことを意味します。信頼度 90% の場合、受け取る結果は 10 回の実験のうち 1 回に 1 回、偽陽性となります。
実験目的 – 各バリアントのパフォーマンスを測定するために使用するメトリックとして、D-1 用に予約された最初のダウンロードと最初のダウンロードのどちらかを選択する必要があります。
ASOWorld はどのように役立ちますか?
Google Experiments の新機能により、Google Experiments ごとに、より詳細な制御とより多くのデータが提供されます。独自のアプリ/ゲーム パフォーマンス特性に基づいてテストを構成することに時間を費やす場合は、以前のバージョンの実験よりも正確なテストを実行できます。
しかし、すべてのマーケティング チームが常に優秀なデータ サイエンティストや統計学者に連絡してテストの構成を支援できるわけではありません。また、テスト パラメーターを正しく構成しない結果は、ほとんどの場合、間違った結果につながります。サポートが必要な場合は、ASOWorld の専門家に無料で相談できます。
Google の実験は依然としてうまくいかない可能性があります。実験の結果に基づいて決定を下すことに加えて、メタデータがアプリに適していることをどのように確認しますか? スクリーンショット、アイコン、動画、説明、タイトルなどに関するメタデータの最適化を提供できる ASO サービス を試すのと同じように、Google Play が提供する新しい実験を使用して A/B テストを行うことを選択できます。 、包括的な ASO 戦略を提供します。 この変更は、Google Play の ASO に影響を与える可能性があり、開発者の配信計画の策定に影響を与える可能性があります。幸いなことに、ASOWorld チームの専門家がすでにこの更新を積極的にフォローアップしているため、サポートが必要な場合は専門家に相談し、ブログをフォローすることを忘れないでください。
モバイルの成長 , アプリストアの最適化 , Google Play ランキング アルゴリズム ,
Get FREE Optimization Consultation
Let's Grow Your App & Get Massive Traffic!
Register All content, layout and frame code of all ASOWorld blog sections belong to the original content and technical team, all reproduction and references need to indicate the source and link in the obvious position, otherwise legal responsibility will be pursued.
ストアランキング取得能力の検出を開始します。
当社のASOツールを使用して、段階的にすべてのアプリストア最適化の取り組みを測定します。
アプリの成長を検知して開始する >